Delay-Constrained Teleoperation Task Scheduling and Assignment for Human+Machine Hybrid Activities Over FiWi Enhanced Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the advent of semi-autonomous robotic assistance systems, their integration into human teams is starting to gain steam as part of the vision of human+machine hybrid activities. Unlike their fully autonomous counterparts, semi-autonomous robotic systems mainly rely on human assistance from time to time via teleoperation when human expertise is needed to accomplish a given task. As these robots will need to request human assistance via teleoperation, mapping these requests to human teleoperators stands as a difficult optimization problem. In this paper, after shedding some light on our envisioned FiWi enhanced network infrastructure and its role in realizing the emerging Tactile Internet, we formulate the problem of joint prioritized scheduling and assignment of delay-constrained teleoperation tasks to human operators with the objective to minimize the average weighted task completion time, maximum tardiness, and average operational expenditure (OPEX) per task. We then propose our context-aware prioritized scheduling and task assignment (CAPSTA) algorithm to achieve suitable trade-offs between the contradicting objectives of the problem. Further, to estimate the end-to-end packet delay of local and non-local teleoperation over FiWi enhanced networks, we develop our analytical framework, which flexibly allows for the coexistence of conventional human-to-human (H2H) and haptic human-to-machine (H2M) traffic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle