Evaluation of Communication and Human Response Latency for (Human) Teleoperation
Notice bibliographique
Résumé
We previously introduced a novel mixed reality teleguidance system dubbed human teleoperation (David Black et al., 2023 and Black and Salcudean, 2023), in which a human (expert) leader and a human (novice) follower are tightly coupled through mixed reality and haptics. Our first evaluation of human teleoperation is in the context of tele ultrasound, in which a sonographer or radiologist’s gestures are copied by a remote novice to carry out an ultrasound examination. In this paper, a communication system suitable for implementation of human teleoperation is presented and characterized in various network conditions, over Ethernet, Wi-Fi, 4G LTE, and 5G. To obtain a full understanding of latency in the system, the human response time is additionally characterized through a series of step response tests with 11 volunteers. The step responses were obtained by tracking the position of, and force exerted by, the human hand in response to a change in the mixed reality target. Different rendering methods were evaluated. 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 between 485 to 535 ms, while the reaction time to a change in force is 150 to 200 ms. Both lag times are greatly decreased when tracking a smooth motion. Thus, we demonstrate that the system is network agnostic and can achieve good teleoperation performance and secure, low latency communication in appropriate network conditions. This brings the human teleoperation concept a step closer to human trials in a clinical environment, and the presented tools and concepts are applicable to any high-performance teleoperation system, and especially for mixed reality guidance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».