論文の概要: K-AoI: A Spatio-Temporal Synchronization Metric for Digital Twin-based Teleoperation in Dynamic Network Environments

• arxiv url: http://arxiv.org/abs/2610.26201v1
• Date: Mon, 19 Oct 2026 11:29:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 19:07:14.609042
• Title: K-AoI: A Spatio-Temporal Synchronization Metric for Digital Twin-based Teleoperation in Dynamic Network Environments
• Title（参考訳）: K-AoI:動的ネットワーク環境におけるディジタル双極子を用いた遠隔操作のための時空間同期メトリック
• Abstract要約: 既存の同期メトリクスは主に時間ベースであり、動作中に遅延した情報の空間的影響を捉えることは滅多にない。 本稿では,時間的安定度を物理的に意味のある空間的分散に変換することにより,AoIを瞬時速度で重み付けする老化情報(K-AoI)を紹介する。 サンプルごとの分析によると、K-AoIはAoIとのランク関係を全ネットワークで0.65ドル、衛星接続で0.22ドルに下げている。
• 参考スコア（独自算出の注目度）: 9.881733192075629
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synchronization between a digital twin (DT) and its physical robot is critical for effective teleoperation, as mismatches directly degrade operator awareness and task performance. Existing synchronization metrics are predominantly time-based and rarely capture the spatial consequences of delayed information during motion. In this paper, we introduce Kinematic Age of Information (K-AoI), a spatio-temporal metric that weights AoI by instantaneous Cartesian velocity, translating temporal staleness into physically meaningful spatial divergence. We implement and evaluate K-AoI on a DT teleoperation testbed comprising a six-degrees-of-freedom (6-DOF) manipulator, a Unity-based twin, and controlled network impairments using tc netem across seven network conditions. Per-sample analysis shows that K-AoI exhibits rank-correlations with AoI at $ρ\leq 0.65$ across all networks, dropping to $ρ= 0.22$ under satellite connections. This shows that K-AoI is not a simple transformation of AoI, but instead captures velocity-dependent degradation effects that time-only metrics cannot resolve. We further analyze AoI tail behavior using Ultra-Low AoI (ULAoI) and find that the commonly assumed Generalized Pareto Distribution (GPD) model is rejected. This reflects the impact of deterministic forwarding and bounded jitter, which violate standard extreme-value assumptions. Overall, K-AoI provides a complementary and physically grounded synchronization metric, linking network delay to task-relevant spatial error in digital-twin teleoperation systems. The dataset and testbed software are publicly available at: https://github.com/luziyaotian/kaoi-testbed.
• Abstract（参考訳）: デジタル双生児(DT)とその物理ロボットの同期は、操作者の認識とタスクパフォーマンスを直接劣化させるため、効果的な遠隔操作に不可欠である。 既存の同期メトリクスは主に時間ベースであり、動作中に遅延した情報の空間的影響を捉えることは滅多にない。 本稿では,時間的安定度を物理的に意味のある空間的ばらつきに変換することで,AoIを瞬時カルト速度で重み付けする時空間計量であるK-AoI(Kinematic Age of Information)を紹介する。 6自由度 (6-DOF) マニピュレータ, Unity ベースのツイン, tcnetem を用いた制御ネットワーク障害を含む DT 遠隔操作テストベッド上で K-AoI を実装し, 評価を行った。 サンプルごとの分析では、K-AoIとAoIのランク相関はすべてのネットワークで0.65ドルであり、衛星接続の下では0.22ドルとなる。 これはK-AoIがAoIの単純な変換ではなく、時間のみのメトリクスでは解決できない速度依存性の劣化効果を捉えていることを示している。 さらに,Ultra-Low AoI (ULAoI) を用いてAoI尾部挙動を解析し,一般的に想定される一般化パレート分布 (GPD) モデルが拒否されることを確認した。 これは、決定論的フォワードと有界ジッタの影響を反映しており、これは標準の極値仮定に反する。 全体として、K-AoIは、デジタル双対遠隔操作システムにおいて、ネットワーク遅延とタスク関連空間誤差をリンクする補足的および物理的に基底化された同期指標を提供する。 データセットとテストベッドソフトウェアは、https://github.com/luziyaotian/kaoi-testbed.comで公開されている。

関連論文リスト

• TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
  ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。 現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
  論文  参考訳（メタデータ） (2026-05-11T13:23:14Z)
• Latency-Aware Resource Allocation over Heterogeneous Networks: A Lorentz-Invariant Market Mechanism [2.28438857884398]
  Lorentz-Invariant Auction (LIA)は、入札を時空のイベントとして扱う。 市場規模 (10,20,30,40,50) の52,500のベースラインインスタンスに対して, STARlink-200, INTERNET-100, DSN-30上でのLIAを評価し, さらなるロバストネススイープを行う。
  論文  参考訳（メタデータ） (2026-04-04T23:48:19Z)
• Federated Spatiotemporal Graph Learning for Passive Attack Detection in Smart Grids [2.721477719641864]
  本稿では,時間的ウィンドウ上で物理層と行動指標を融合させて受動的攻撃を検出するグラフ中心型マルチモーダル検出器を提案する。 テスト精度は98.32%、シーケンス毎の93.35%を0.15% FPRで達成している。
  論文  参考訳（メタデータ） (2025-09-29T08:52:30Z)
• Temporal Misalignment Attacks against Multimodal Perception in Autonomous Driving [23.83773255227831]
  DejaVuは車載ネットワークを利用して、センサストリーム間の遅延を誘導し、微妙な時間的ミスアライメントを生成する攻撃である。 包括的攻撃分析により,センサのタスク特異的な不均衡感が明らかになった。 シングルフレームのLiDAR遅延では、攻撃者は車検出のmAPを最大88.5%削減し、3フレームのカメラ遅延、車滴の多重物体追跡精度(MOTA)を73%削減できる。
  論文  参考訳（メタデータ） (2025-07-12T00:44:26Z)
• StreamLTS: Query-based Temporal-Spatial LiDAR Fusion for Cooperative Object Detection [0.552480439325792]
  我々は、広く使われているデータセットOPV2VとDairV2Xを適応させる、TA-COOD(Time-Aligned Cooperative Object Detection)を提案する。 実験結果から, 最先端の高密度モデルと比較して, 完全スパースフレームワークの優れた効率性が確認された。
  論文  参考訳（メタデータ） (2024-07-04T10:56:10Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Edge Continual Learning for Dynamic Digital Twins over Wireless Networks [68.65520952712914]
  デジタルツイン(DT)は、現実世界とメタバースの間の重要なリンクを構成する。 本稿では,物理的双生児とそれに対応するサイバー双生児の親和性を正確にモデル化する新しいエッジ連続学習フレームワークを提案する。 提案するフレームワークは,破滅的忘れ込みに対して頑健な,高精度かつ同期的なCTモデルを実現する。
  論文  参考訳（メタデータ） (2022-04-10T23:25:37Z)
• iDARTS: Improving DARTS by Node Normalization and Decorrelation Discretization [51.489024258966886]
  微分可能なArchiTecture Search(DARTS)は、ネットワーク表現の継続的緩和を使用し、GPUデーにおいて、ニューラルネットワークサーチ(NAS)を約数千倍高速化する。 しかし、DARTSの探索過程は不安定であり、訓練の時期が大きくなると著しく劣化する。 そこで本研究では,DARTSの改良版であるiDARTSを提案する。
  論文  参考訳（メタデータ） (2021-08-25T02:23:30Z)
• Unsupervised Monocular Depth Learning with Integrated Intrinsics and Spatio-Temporal Constraints [61.46323213702369]
  本研究は,大規模深度マップとエゴモーションを予測可能な教師なし学習フレームワークを提案する。 本結果は,KITTI運転データセットの複数シーケンスにおける現在の最先端技術と比較して,高い性能を示す。
  論文  参考訳（メタデータ） (2020-11-02T22:26:58Z)

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。