[论文解读] 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 87

一句话总结

本文分析机器人远程手术中多模态数据的 QoS 要求，并提出一个基于 5G 的具备边缘云、MEC、网络切片和 AI 的架构，以满足触觉反馈和 3D 视频的超低时延与高可靠性需求。

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.

研究动机与目标

• 识别远程手术系统的限制因素与多模态感知数据的 QoS 需求。
• 对远程手术服务进行分类并勾勒开发路线图。
• 提出一个汇聚边缘与核心云的网络架构，以支持所需的 QoS。
• 强调实现 QoS 所需的 5G 技术（MEC、网络切片、SDN、AI）。
• 讨论开放的研究问题以及潜在的成本效益、安全可行的解决方案。

提出的方法

• 调研远程手术系统架构及多模态数据的 QoS 要求。
• 提出一个整合的边缘云网络架构，包含 D-RAN/C-RAN、SDN 和 MEC。
• 概述感知流的压缩、可扩展编码和复用方法。
• 讨论实现 QoS 的 5G 技术（PHY/空中接口、MEC、网络切片、AI）。

实验结果

研究问题

• RQ1 机器人远程手术中多模态感知数据的 QoS 要求（时延、抖动、丢包、数据速率）有哪些？
• RQ2 在 5G-enabled 环境中，哪些网络架构可以满足这些 QoS 要求？
• RQ3 5G 技术（MEC、网络切片、SDN、AI）如何应对触觉远程手术的挑战？
• RQ4 有哪些开放的研究问题以及广泛部署的潜在安全/成本障碍？

主要发现

• 多模态数据需要严格的时延、抖动和可靠性；典型目标包括 2D/3D 视频时延小于 <150 ms，视频流的丢包率小于 <10^-3。
• 触觉数据对极低时延（<10 ms）和超低丢包（<10^-4）的需求，数据速率在 128-400 Kbps。
• 具备 MEC 与 SDN 支持的网络切片的边缘云架构可以满足不同模态的多样化 QoS。
• 5G PHY 的改进（更短的 TTI、分段子帧）与 MEC 可以降低端到端时延并支持实时 AI 辅助。
• 网络切片和 SDN 能实现隔离、动态资源分配，并与私有网络相比潜在降低成本。