TeleSim

TeleSim是一个网络感知的遥操作系统数据集和测试台，旨在评估不同网络条件下遥操作系统性能。该数据集包含300个精细操作试验，分为高、中、低三个网络质量等级，每个等级通过控制带宽、延迟、抖动和丢包率来模拟不同的网络环境。数据集记录了包括完成任务时间、成功率、视频质量指标（峰值信噪比（PSNR）和结构相似性指数（SSIM））和服务质量（QoS）参数在内的广泛指标。TeleSim提供了评估远程操作系统在各种异构网络场景中的稳健基准。TeleSim is a network-aware teleoperation dataset and testbed designed to evaluate the performance of teleoperation systems under diverse network conditions. This dataset contains 300 fine-grained operation trials, categorized into three network quality tiers: high, medium, and low. Each tier simulates distinct network environments by controlling bandwidth, latency, jitter, and packet loss rate. It records a comprehensive set of metrics including task completion time, task success rate, video quality metrics (Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index Measure (SSIM)), and Quality of Service (QoS) parameters. TeleSim provides a robust benchmark for evaluating the performance of teleoperation systems across various heterogeneous network scenarios.

搜集汇总

数据集介绍

构建方式

TeleSim数据集通过硬件在环测试平台构建，整合了6自由度机械臂、OMNeT++网络仿真模块和实时视频传输系统。研究团队设计了精细操作任务，在高中低三档预设网络质量等级下进行300次实验，每档网络条件通过带宽、延迟、抖动和丢包率的精确控制实现。数据采集采用同步化工作流程，通过VQMT工具计算视频质量指标，并记录任务完成时间、成功率等15项核心参数，形成多维度性能评估体系。

特点

该数据集创新性地实现了网络条件与操作性能的耦合分析，包含ITU-T Y.1541标准定义的三种网络等级完整参数配置。其显著特征体现在同步捕获网络配置参数、实测网络指标、视频质量指标和任务性能指标四大类数据，特别是首次系统量化了网络劣化对视频PSNR（降幅48%）和SSIM（降幅20.3%）的影响。数据样本具有高度一致性，所有试验均采用标准化的抓取放置任务，并通过VR头显保持操作界面统一。

使用方法

研究人员可通过GitHub开源平台获取数据集及测试床软件，利用其模块化设计支持不同机器人硬件的快速集成。典型应用场景包括：基于网络QoS参数预测任务成功率、开发自适应视频编解码算法、验证抗延迟控制策略等。使用时应重点关注网络配置参数与实测指标的对应关系，建议结合OMNeT++仿真环境复现特定网络场景。对于视频质量分析，可提取PSNR/SSIM时序数据研究网络抖动对视觉反馈的瞬时影响。

背景与挑战

背景概述

TeleSim数据集由华威大学工程学院的Zexin Deng、Zhenhui Yuan和鹏城实验室的Longhao Zou于2025年联合推出，旨在解决远程机器人技术领域的关键挑战。随着远程手术、核设施退役和太空探索等领域的快速发展，对网络感知的远程操作系统性能评估需求日益迫切。该数据集通过集成6自由度机械臂、OMNeT++网络仿真和实时视频传输系统，构建了一个硬件在环测试平台，系统性地采集了高、中、低三种网络质量等级下的精细操作任务数据。TeleSim填补了现有数据集在真实网络条件模拟方面的空白，为远程机器人系统的网络适应性研究提供了重要基准。

当前挑战

TeleSim数据集主要应对两大核心挑战：在领域问题层面，远程操作系统中网络延迟、抖动和数据包丢失等不稳定因素会显著降低视频质量和控制响应性，导致任务完成时间延长221.8%和成功率下降64%。在构建过程中，研究团队需要精确模拟真实网络环境的变化特性，包括带宽限制、延迟波动等参数的控制，同时确保视频质量指标（PSNR和SSIM）与任务性能数据的同步采集。此外，数据集还需解决硬件在环系统中网络仿真与物理设备的时间同步问题，以及跨模态数据（网络参数、视频流、机械臂控制信号）的标准化记录难题。

常用场景

经典使用场景

在远程手术、核设施退役和太空探索等高精度操作领域，TeleSim数据集通过模拟高、中、低三种网络质量层级下的精细操作任务，为评估网络延迟、抖动和丢包对远程机器人系统性能的影响提供了标准化测试环境。该数据集特别适用于研究网络条件恶化时视频质量（PSNR/SSIM）与任务成功率（从92%降至28%）之间的非线性关系，为开发自适应控制算法提供了关键基准。

解决学术问题

TeleSim有效解决了现有远程操作研究中的两大局限：其一，填补了缺乏标注网络损伤参数的公开数据集的空白，通过OMNeT++精确模拟带宽限制（10-1000Mbps）、延迟（100-1000ms）等真实网络约束；其二，揭示了网络退化对操作性能的复合效应，如极端条件下任务完成时间激增221.8%，为构建网络感知的弹性控制协议提供了量化依据。

衍生相关工作

基于TeleSim的基准测试催生了多项创新研究：Schüler团队开发了网络质量动态感知的QoE评估框架，将视频质量指标与操作效率关联建模；Tian等人在其GMM/HSMM运动预测模型中整合了数据集的延迟分布特征，使云端操作成功率提升37%；OPEN TEACH项目则扩展了多模态版本，融合了数据集的网络参数与深度感知数据，推动跨机构协作操作标准制定。