論文の概要: Continuous Orthogonal Mode Decomposition: Haptic Signal Prediction in Tactile Internet

• arxiv url: http://arxiv.org/abs/2604.09446v1
• Date: Fri, 10 Apr 2026 16:03:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.950648
• Title: Continuous Orthogonal Mode Decomposition: Haptic Signal Prediction in Tactile Internet
• Title（参考訳）: 連続直交モード分解:触覚インターネットにおける触覚信号予測
• Authors: Mohammad Ali Vahedifar, Mojtaba Nazari, Qi Zhang,
• Abstract要約: 本稿では,人間とロボットの両面に欠けている信号を復元する二元的予測ニューラルネットワークアーキテクチャを提案する。 このモデルは0.065msの超低推論遅延を実現し、既存のベンチマークを著しく上回り、触覚的遠隔操作の厳しいリアルタイム要求を満たす。
• 参考スコア（独自算出の注目度）: 6.142827340605188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Tactile Internet demands sub-millisecond latency and ultra-high reliability, as high latency or packet loss could lead to haptic control instability. To address this, we propose the Mode-Domain Architecture (MDA), a bilateral predictive neural network architecture designed to restore missing signals on both the human and robot sides. Unlike conventional models that extract features implicitly from raw data, MDA utilizes a novel Continuous-Orthogonal Mode Decomposition framework. By integrating an orthogonality constraint, we overcome the pervasive issue of "mode overlapping" found in state-of-the-art decomposition methods. Experimental results demonstrate that this structured feature extraction achieves high prediction accuracies of 98.6% (human) and 97.3% (robot). Furthermore, the model achieves ultra-low inference latency of 0.065 ms, significantly outperforming existing benchmarks and meeting the stringent real-time requirements of haptic teleoperation.
• Abstract（参考訳）: Tactile Internetは、低ミリ秒のレイテンシと超高信頼性を必要とする。 そこで本研究では,人間とロボットの両面における行方不明信号の復元を目的とした,双方向の予測ニューラルネットワークアーキテクチャであるMode-Domain Architecture(MDA)を提案する。 生データから機能を暗黙的に抽出する従来のモデルとは異なり、MDAは新しい連続直交モード分解フレームワークを使用している。 直交制約を統合することで、最先端の分解法で見られる「モードオーバーラップ」の広汎な問題を克服する。 実験の結果、この構造的特徴抽出は98.6%(人間)と97.3%(ロボット)の高い予測精度を達成することが示された。 さらに、このモデルは0.065msの超低遅延を実現し、既存のベンチマークを著しく上回り、触覚遠隔操作の厳しいリアルタイム要件を満たす。

関連論文リスト

• Time2Vec Transformer for Robust Gesture Recognition from Low-Density sEMG [1.231764991565978]
  本稿では筋電義手制御のための新しい,データ効率の高いディープラーニングフレームワークを提案する。 提案手法は, スパース2チャネル表面筋電図(sEMG)に最適化されたハイブリッドトランスフォーマーの実装である。 提案するフレームワークは, 迅速なパーソナライズが可能な次世代人工装具の堅牢で費用対効果の高い青写真を提供する。
  論文  参考訳（メタデータ） (2026-02-02T09:28:27Z)
• Neural Network Based Framework for Passive Intermodulation Cancellation in MIMO Systems [15.303553586865826]
  本稿では, アンテナやサブキャリア間の非線形依存関係を効率的に捉えるために, 奥行き分離可能な畳み込みと拡張畳み込みを利用するPIMキャンセルのための軽量ディープラーニングフレームワークを提案する。 その結果,3次受動変調(PIM)の歪みを効果的に抑制し,最大29dBの平均電力誤差(APE)を111kのトレーニングパラメータで達成できることがわかった。
  論文  参考訳（メタデータ） (2025-09-21T07:43:53Z)
• Robust Spatiotemporal Forecasting Using Adaptive Deep-Unfolded Variational Mode Decomposition [5.051479601203117]
  繰り返し変動モード分解(VMD)をトレーニング可能なニューラルモジュールに変換するモード適応グラフネットワーク(MAGN)を提案する。 MAGNはVMGCNの予測誤差を85-95%削減し、最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-08-31T05:07:02Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Bridging Mode Connectivity in Loss Landscapes and Adversarial Robustness [97.67477497115163]
  我々は、モード接続を用いて、ディープニューラルネットワークの対角的堅牢性を研究する。 実験では、異なるネットワークアーキテクチャやデータセットに適用される様々な種類の敵攻撃について取り上げる。 以上の結果から,モード接続は,敵の強靭性を評価・改善するための総合的なツールであり,実用的な手段であることが示唆された。
  論文  参考訳（メタデータ） (2020-04-30T19:12:50Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)

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。