Результаты нашей первоначальной работы с РННН прогноз находится в приложении, где показан тест, содержащие около 40 мс латентности.
Мы использовали другое измерение погрешности, потому что индексирование частиц отличалось между реальными данными и прогнозом, когда используется ANN.
Измерение, используемое здесь, является следующим суммированием минимальных расстояний между частицами, каждая предсказанная точка указывает на любую из точек в реальных данных. Хотя это и не идеальное измерение (например, смещенные пальцы могут накладываться друг на друга, если вероятность ошибки высока), это дает ощущение разделения между предсказанной рукой и живой рука. Это измерение используется только для того, чтобы сравнить методы прогнозирования, а не для оценки снижения погрешностей ставки.
Можно увидеть, небольшие ошибки, когда рука замедляется до тех пор, пока изменяется направление. При использовании GRU шаблона выглядит следующим образом - инвертирован, с меньшей погрешностью при постоянном движении и более высокой погрешностью при изменении направления движения, аналогично что с линейным предиктором. Больше усилий в настройке должна несколько снизить линейное поведение сети.Наконец, полиномиальная регрессия и LSTM выполнили следующие действия примерно так же, хотя LSTM имел несколько более низкий показатель,средняя ошибка и регрессия имели более низкий стандарт отклонений. По сравнению с нашей регрессионной реализацией, нашей простой RNNN требовалось много времени на разработку. Тем не менее, в отличие от передовых АНН в других странах исследования, наша текущая RNN просто царапает поверхности потенциальных возможностей АНН.
Обсуждение
Далее мы изложили основные характеристики нашей компании, а именно метод и реализация прогностического моделирования для снижая эффект латентности.
Атрибуты:
Выгружает моделирование/окружение на сервер
Подводит пользователя как можно ближе к реальному взаимодействию с сервером.
Вычисляет обновления состояния среды на основе прогнозов
Сервер полностью контролирует окружающую среду: безопасность
Не выгружает рендеринг на сервер (если разгрузка происходит из-за масштаба).
Более подробная информация:
Не требует локальной симуляции, чтобы свести на нет латентность.
Может работать в больших динамических средах с легкими клиентами
Использование экстраполяции вместо интерполяции.
Объекты окружающей среды реагируют на будущие действия пользователя, поэтому состояние окружающей среды становится отображением будущего состояния. Однако, из-за задержки, состояние не достигает клиента до тех пор, пока время состояния среды не будет соответствовать времени реального клиента.
Клиент напрямую не вносит никаких изменений в свою среду, так как ему не дана возможность моделировать среду.Локальный рендеринг обеспечивает почти нулевое время ожидания при движении камеры.
Решающее значение для комфорта виртуальной реальности Высоко-динамичные сцены (частицы) плохо сжимаются, снижая преимущества рендеринга на стороне сервера благодаря VR HMD высокого разрешения.Обобщая вышеизложенное, можно сказать, что наш метод наиболее эффективен, когда применяемого в интерактивной среде, для которой вычисления должны быть выгружены. Причины разгрузки может включать в себя исполнение или безопасность. Предсказуемый симуляция необходима в таких случаях, потому что если все это вычислительная работа выгружается, то клиент не может предпринять шаги, чтобы свести на нет последствия задержки, так что... необходимо выполнить действия на сервере (сторона моделирования).
Предсказуемое моделирование, таким образом, может быть использовано для того, чтобы сохранить клиента и сервер синхронизированными путем удаления несоответствия между действиями клиента и результатом действия с сервера. Она также может быть использована для достижения положительных результатов в других ситуациях, которые не требуют полная разгрузка. Однако, другие методы, такие как смерть, в этих случаях будет также применим расчет.
Ниже приводятся более конкретные примеры:
Клиенты с низким энергопотреблением, объединенные в сеть с другими системами (ПК, сервер, облако)
- VR клиент/сервер
- Игры как услуга (GaaS)
Сетевое моделирование
- совместное внутреннее использование в организации
- Облако
- Моделирование как услуга (SaaS)
Сетевые игры с высокой динамикой условия
Думая дальше, чем эта конкретная работа, можно сказать есть потенциал для использования беспилотников (наземных, воздушных, морских, космических). Дроны часто работают в условиях высокой латентности, которые могут быть смоделированы с помощью различных сценических реконструкций.
Продолжение следует в следующей статье
