MétaCan
Menu
Retour à la cohorte
Enregistrement W3048753941 · doi:10.4018/978-1-7998-3479-3.ch003

Human-Agent-Robot Teamwork (HART) Over FiWi-Based Tactile Internet Infrastructures

2020· book-chapter· en· W3048753941 sur OpenAlexaff
Mahfuzulhoq Chowdhury, Martin Maier

Notice bibliographique

RevueAdvances in information quality and management · 2020
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTeamworkScheme (mathematics)Task (project management)The InternetRobotLatency (audio)Cloud computingDistributed computingHuman–computer interactionArtificial intelligenceWorld Wide WebEngineeringTelecommunicationsOperating systemSystems engineering

Résumé

récupéré en direct d'OpenAlex

To facilitate making the human-machine co-activity-based human-agent-robot teamwork (HART) task execution process more efficient, this chapter first discusses related work and open challenges for latency-sensitive HART task. To speed up the HART task execution, this chapter next presents a latency sensitive HART task migration scheme for efficiently orchestrating tasks among human mobile users (MUs), central and decentralized computational agents (cloud/cloudlets), and robots across converged FiWi network infrastructures. Moreover, this chapter describes a bandwidth allocation scheme that allocates timeslots to MUs' broadband and task migration traffic at the same time. Furthermore, this chapter presents performance evaluation results of the proposed scheme. Importantly, this chapter compares the performance of the proposed task migration scheme with traditional schemes. This chapter is finally concluded by summarizing important findings and outlining open research issues for HART task coordination over FiWi-enhanced tactile internet infrastructures.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,298
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in information quality and managementMême sujetIoT and Edge/Fog ComputingTravaux en français237 207