論文の概要: A Comprehensive Analysis of the Effects of Network Quality of Service on Robotic Telesurgery

• arxiv url: http://arxiv.org/abs/2603.06824v1
• Date: Fri, 06 Mar 2026 19:34:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.009313
• Title: A Comprehensive Analysis of the Effects of Network Quality of Service on Robotic Telesurgery
• Title（参考訳）: ロボット遠隔手術におけるネットワーク品質の影響に関する包括的分析
• Authors: Zhaomeng Zhang, Seyed Hamid Reza Roodabeh, Homa Alemzadeh,
• Abstract要約: ネットワーク品質・オブ・サービス(QoS)に基づく長距離遠隔手術の在り方 本稿では,パケット損失,遅延,通信損失が遠隔操作の実行に与える影響を包括的に分析する。 我々は,実世界のネットワークデータから得られたモデルを用いて,異なるネットワーク条件をエミュレートする新しいフォールトインジェクションツールNetFIを紹介する。
• 参考スコア（独自算出の注目度）: 4.463769269318891
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The viability of long-distance telesurgery hinges on reliable network Quality of Service (QoS), yet the impact of realistic network degradations on task performance is not sufficiently understood. This paper presents a comprehensive analysis of how packet loss, delay, and communication loss affect telesurgical task execution. We introduce NetFI, a novel fault injection tool that emulates different network conditions using stochastic QoS models informed by real-world network data. By integrating NetFI with a surgical simulation platform, we conduct a user study involving 15 participants at three proficiency levels, performing a standardized Peg Transfer task under varying levels of packet loss, delay, and communication loss. We analyze the effect of network QoS on overall task performance and the fine-grained motion primitives (MPs) using objective performance and safety metrics and subjective operator's perception of workload. We identify specific MPs vulnerable to network degradation and find strong correlations between proficiency, objective performance, and subjective workload. These findings offer quantitative insights into the operational boundaries of telesurgery. Our open-source tools and annotated dataset provide a foundation for developing robust and network-aware control and mitigation strategies.
• Abstract（参考訳）: 信頼性の高いネットワーク品質・オブ・サービス(QoS)による長距離遠隔手術の実現可能性について検討するが、実際のネットワーク劣化がタスク性能に与える影響は十分に理解されていない。 本稿では,パケット損失,遅延,通信損失が遠隔操作の実行に与える影響を包括的に分析する。 本稿では,実世界のネットワークデータから得られた確率的QoSモデルを用いて,異なるネットワーク条件をエミュレートする新しい障害注入ツールNetFIを紹介する。 NetFIを手術シミュレーションプラットフォームに統合することにより、15人の被験者を3つの熟練レベルに含むユーザスタディを行い、パケット損失、遅延、通信損失のレベルが異なるペグ転送タスクを標準化した。 我々は,ネットワークQoSが全体作業性能および細粒度運動プリミティブ(MP)に与える影響を,目的性能と安全性の指標と主観的作業者の作業負荷に対する認識を用いて分析する。 我々は,ネットワークの劣化に弱い特定のMPを特定し,熟練度,客観的性能,主観的作業量との間に強い相関関係を見出した。 これらの知見は遠隔手術の手術の境界について定量的な洞察を与える。 当社のオープンソースツールと注釈付きデータセットは、堅牢でネットワーク対応のコントロールと緩和戦略を開発する基盤を提供します。

関連論文リスト

• Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework [60.72591149679355]
  低高度経済の急速な拡大により、インターネット・オブ・モノ(LAE-IoT)ネットワークは前例のないセキュリティ上の課題を生んだ。 従来の侵入検知システムは、空中IoT環境のユニークな特徴に対処できない。 LAE-IoTネットワークにおける侵入検出を強化するための大規模言語モデル(LLM)対応エージェントAIフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-25T12:47:25Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Investigating the Effect of Network Pruning on Performance and Interpretability [0.0]
  異なる刈り取り技術がGoogLeNetの分類性能と解釈性に与える影響について検討する。 我々は,反復的刈り込みやワンショット刈り込みなど,異なるトレーニング戦略を比較した。 十分な再学習エポックがあれば、ネットワークの性能はデフォルトのGoogLeNetの性能に近似できる。
  論文  参考訳（メタデータ） (2024-09-29T14:57:45Z)
• PCAPVision: PCAP-Based High-Velocity and Large-Volume Network Failure Detection [1.0485739694839669]
  コンピュータビジョンと畳み込みニューラルネットワーク(CNN)を用いてPCAPファイルの故障を検出する新しい手法であるPCAPVisionを提案する。 当社のアプローチは,障害検出に要する時間を大幅に削減する。
  論文  参考訳（メタデータ） (2024-07-01T13:52:17Z)
• Machine Learning for QoS Prediction in Vehicular Communication: Challenges and Solution Approaches [46.52224306624461]
  最大スループット予測の強化,例えばストリーミングや高精細マッピングアプリケーションについて検討する。 収集したデータの基盤となる特性をよりよく理解することで、マシンラーニング技術上に信頼性を構築することができるかを強調します。 我々は、説明可能なAIを使用して、機械学習が明示的にプログラムされることなく、無線ネットワークの基本原理を学習できることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:29:20Z)
• Low Complexity Adaptive Machine Learning Approaches for End-to-End Latency Prediction [0.0]
  この研究は、予測、監視、予測のための効率的で低コストな適応アルゴリズムの設計である。 我々は,GNNにおける近年の国際的課題の後に提供されたパブリックジェネレータから得られるデータに対して,我々のアプローチと結果を説明するために,エンドツーエンドの遅延予測に焦点を当てた。
  論文  参考訳（メタデータ） (2023-01-31T10:29:11Z)
• A Lightweight, Efficient and Explainable-by-Design Convolutional Neural Network for Internet Traffic Classification [9.365794791156972]
  本稿では、インターネットトラフィック分類のための新しい軽量・効率的・eXplainable-by-design畳み込みニューラルネットワーク(LEXNet)を提案する。 LEXNetは(軽量で効率の良い目的のために)新しい残留ブロックと(説明可能性のために)プロトタイプ層に依存している。 商用グレードのデータセットに基づいて、LEXNetは最先端のニューラルネットワークと同じ精度を維持することに成功した。
  論文  参考訳（メタデータ） (2022-02-11T10:21:34Z)
• Offline Contextual Bandits for Wireless Network Optimization [107.24086150482843]
  本稿では,ユーザ要求の変化に応じて,ネットワーク内の各セルの構成パラメータを自動的に調整するポリシの学習方法について検討する。 私たちのソリューションは、オフライン学習のための既存の方法を組み合わせて、この文脈で生じる重要な課題を克服する原則的な方法でそれらを適応します。
  論文  参考訳（メタデータ） (2021-11-11T11:31:20Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)
• Machine Learning for Performance-Aware Virtual Network Function Placement [3.5558885788605323]
  サービス機能チェーン(SFC)を形成する仮想ネットワーク機能インスタンスの効率的な配置から学習する機械学習決定ツリーモデルを開発する。 このモデルは入力としてネットワークからいくつかのパフォーマンス関連の特徴を取り、依存するVNFインスタンス間の遅延を最小限に抑える目的で、ネットワークサーバ上の様々なVNFインスタンスの配置を選択する。
  論文  参考訳（メタデータ） (2020-01-13T14:08:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。