[論文レビュー] Towards 5G Enabled Tactile Robotic Telesurgery

Qi Zhang, Jianhui Liu+1 more|arXiv (Cornell University)|Mar 9, 2018

Wireless Body Area Networks参考文献 10被引用数 87

ひとこと要約

この論文はロボット手術の遠隔操作における多モーダルデータのQoS要件を分析し、超低遅延と信頼性ニーズを満たすための5G対応エッジクラウドアーキテクチャを提案します。MEC、ネットワークスライシング、AIを活用してハプティックフィードバックと3Dビデオを支えます。

ABSTRACT

Robotic telesurgery has a potential to provide extreme and urgent health care services and bring unprecedented opportunities to deliver highly specialized skills globally. It has a significant societal impact and is regarded as one of the appealing use cases of Tactile Internet and 5G applications. However, the performance of robotic telesurgery largely depends on the network performance in terms of latency, jitter and packet loss, especially when telesurgical system is equipped with haptic feedback. This imposes significant challenges to design a reliable and secure but cost-effective communication solution. This article aims to give a better understanding of the characteristics of robotic telesurgical system, and the limiting factors, the possible telesurgery services and the communication quality of service (QoS) requirements of the multi-modal sensory data. Based on this, a viable network architecture enabled by the converged edge and core cloud is presented and the relevant research challenges, open issues and enabling technologies in the 5G communication system are discussed.

研究の動機と目的

• 手術ロボットシステムの制約要因と多モーダル感覚データのQoSニーズを特定する。
• 遠隔手術サービスを分類し、開発ロードマップを概説する。
• 必要なQoSを支えるためにエッジとコアクラウドを統合するネットワークアーキテクチャを提案する。
• 課題に対処するための5G技術（MEC、ネットワークスライシング、SDN、AI）を強調する。
• オープンな研究課題と、費用対効果が高く安全な解決策の可能性を検討する。

提案手法

• 遠隔手術システムのアーキテクチャと多モーダルデータのQoS要件を調査する。
• D-RAN/C-RAN、SDN、MECを備えた統合エッジ-クラウドネットワークアーキテクチャを提示する。
• 感覚ストリームのデータ圧縮、スケーラブルコーディング、マルチプレックス化の手法を概説する。
• QoSを満たすための5G技術（PHY/無線インタフェース、MEC、ネットワークスライシング、AI）を議論する。

実験結果

リサーチクエスチョン

• RQ1 ロボット手術の多モーダル感覚データに対するQoS要件（遅延、ジッター、パケット損失、データレート）は何か？
• RQ2 これらのQoS要件を満たす5G対応環境のネットワークアーキテクチャは何か？
• RQ3 5G技術（MEC、ネットワークスライシング、SDN、AI）は触覚型手術の課題をどう解決できるか？
• RQ4 オープンな研究課題と広範な導入に対する潜在的なセキュリティ/コストの障壁は何か？

主な発見

Data types	Latency	Jitter	Packet Loss Rate	Data Rate	Ref
2D camera flow	<150 ms	3-30 ms	<10^-3	<10 Mbps	[4, 7]
3D camera flow	<150 ms	3-30 ms	<10^-3	137 Mbps - 1.6 Gbps	[4, 7]
Audio flow	<150 ms	<30 ms	<10^-2	22-200 Kbps	[8, 7]
Temperature	<250 ms	-	<10^-3	<10 kbps	[9]
Blood pressure	<250 ms	-	<10^-3	<10 kbps	[9]
Heart rate	<250 ms	-	<10^-3	<10 kbps	[9]
Respiration rate	<250 ms	-	<10^-3	<10 Kbps	[9]
ECG	<250 ms	-	<10^-3	72 kbps	[9]
EEG	<250 ms	-	<10^-3	86.4 kbps	[9]
EMG	<250 ms	-	<10^-3	1.536 Mbps	[9]
Force	3-10 ms	<2 ms	<10^-4	128-400 Kbps	[7, 8]
Haptic feedback (Vibration)	<5.5 ms	<2 ms	<10^-4	128-400 Kbps	[8, 7, 10]

• マルチモーダルデータは厳格な遅延、ジッター、信頼性を必要とする。2D/3Dビデオの典型的な目標は<150 ms遅延とビデオストリームの<10^-3のパケット損失。
• ハプティックデータは非常に低遅延(<10 ms)と超低損失(<10^-4)を要求し、データレートは128-400 Kbps。
• MECとSDN対応のネットワークスライシングを備えた統合エッジ-クラウドアーキテクチャは、異なるモダリティの多様なQoSを満たすことができる。
• 5G PHYの改善（TTI短縮、断片化サブフレーム）とMECはエンドツーエンド遅延を低減し、リアルタイムAI支援を可能にする。
• ネットワークスライシングとSDNは分離、動的リソース割り当てを可能にし、プライベートネットワークと比較してコスト削減の可能性を実現する。