Evaluation of Communication and Human Response Latency for (Human) Teleoperation
Notice bibliographique
Résumé
<p>We previously introduced a novel mixed reality (MR) teleguidance system, human teleoperation [1,2], in which a human (expert) leader and a human (novice) follower are tightly coupled through MR and haptics for applications such as tele-ultrasound. In this paper, a communication system suitable for human teleoperation is presented and characterized in various network conditions, over Ethernet, Wi-Fi, 4G LTE, and 5G. To study all types of latency in the system, the human response time is additionally characterized through step response tests with 11 volunteers. The step responses were obtained by tracking the position and force of the human hand in response to a change in the MR target.</p> <p>The round-trip communication latency is 40+/-10 ms over 5G, and down to 1+/-0.6 ms over Ethernet for typical throughputs. The human response time to a step change in position depends on the step magnitude, but is 485-535 ms, while the reaction time for forces is 150-200 ms. Both lags are decreased when tracking smooth motions. Thus, we demonstrate that the system is network agnostic and can achieve good teleoperation performance and secure, fast communication in appropriate network conditions. The presented tools and concepts are applicable to any high-performance teleoperation system, for example for remote surgery.</p>
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 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 | 0,004 | 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 | 0,000 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».