K-AoI: A Spatio-Temporal Synchronization Metric for Digital Twin-based Teleoperation in Dynamic Network Environments

📄 arXiv: 2610.26201v1 📥 PDF

作者: Lu Tian, Zhenhui Yuan, Zexin Deng, Wenjuan Zhang

分类: cs.RO, cs.NI

发布日期: 2026-10-19

备注: 4 pages, 3 figures, 3 tables. Accepted as a short paper at IEEE Smart World Congress (SWC 2026)

🔗 代码/项目: GITHUB

💡 一句话要点

提出K-AoI以解决数字双胞胎远程操作中的同步问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 数字双胞胎 远程操作 同步度量 时空度量 网络延迟 运动年龄 机器人技术

📋 核心要点

  1. 现有的同步度量方法主要基于时间，无法有效捕捉延迟信息在运动中的空间影响，导致操作员意识和任务表现下降。
  2. 本文提出了一种新的时空度量K-AoI，通过瞬时速度加权AoI，将时间滞后转化为空间偏差，更加准确地反映同步状态。
  3. 实验结果表明，K-AoI在不同网络条件下与AoI的相关性显著，尤其在卫星连接下表现出较低的相关性，验证了其有效性。

📝 摘要（中文）

数字双胞胎（DT）与其物理机器人之间的同步对于有效的远程操作至关重要，信息延迟直接影响操作员的意识和任务表现。现有的同步度量主要基于时间，难以捕捉运动过程中延迟信息的空间后果。本文提出了运动信息的运动年龄（K-AoI），这一时空度量通过瞬时笛卡尔速度加权AoI，将时间滞后转化为物理上有意义的空间偏差。我们在一个包含六自由度（6-DOF）机械臂的DT远程操作测试平台上实现并评估了K-AoI，结果显示K-AoI与AoI在不同网络条件下的相关性显著，尤其在卫星连接下表现出较低的相关性。这表明K-AoI不仅是AoI的简单变换，而是捕捉了速度依赖的降级效应。整体而言，K-AoI为数字双胞胎远程操作系统提供了一个补充且物理基础的同步度量。

🔬 方法详解

问题定义：本文旨在解决数字双胞胎与物理机器人之间的同步问题，现有的时间基准同步度量无法有效捕捉延迟信息的空间后果，影响远程操作的效果。

核心思路：提出运动年龄（K-AoI）作为一种新的时空度量，通过瞬时笛卡尔速度加权AoI，将时间滞后转化为物理上有意义的空间偏差，从而更准确地反映同步状态。

技术框架：整体架构包括一个六自由度机械臂、基于Unity的数字双胞胎和通过tc netem控制的网络环境，评估K-AoI在不同网络条件下的表现。

关键创新：K-AoI的最大创新在于其不仅是AoI的简单变换，而是考虑了速度依赖的降级效应，能够更全面地反映同步状态。

关键设计：在实验中，K-AoI与AoI的相关性在不同网络条件下进行了详细分析，特别是在卫星连接下，K-AoI的相关性显著降低，反映出其对网络延迟的敏感性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，K-AoI在所有网络条件下与AoI的相关性达到ρ≤0.65，而在卫星连接下降至ρ=0.22，表明K-AoI有效捕捉了速度依赖的降级效应，显著提升了同步度量的准确性。

🎯 应用场景

该研究的潜在应用领域包括远程手术、工业自动化和虚拟现实等场景，能够提升操作员的实时感知和任务执行效率。未来，K-AoI有望成为数字双胞胎系统中标准的同步度量工具，推动相关技术的发展与应用。

📄 摘要（原文）

Synchronization between a digital twin (DT) and its physical robot is critical for effective teleoperation, as mismatches directly degrade operator awareness and task performance. Existing synchronization metrics are predominantly time-based and rarely capture the spatial consequences of delayed information during motion. In this paper, we introduce Kinematic Age of Information (K-AoI), a spatio-temporal metric that weights AoI by instantaneous Cartesian velocity, translating temporal staleness into physically meaningful spatial divergence. We implement and evaluate K-AoI on a DT teleoperation testbed comprising a six-degrees-of-freedom (6-DOF) manipulator, a Unity-based twin, and controlled network impairments using tc netem across seven network conditions. Per-sample analysis shows that K-AoI exhibits rank-correlations with AoI at $ρ\leq 0.65$ across all networks, dropping to $ρ= 0.22$ under satellite connections. This shows that K-AoI is not a simple transformation of AoI, but instead captures velocity-dependent degradation effects that time-only metrics cannot resolve. We further analyze AoI tail behavior using Ultra-Low AoI (ULAoI) and find that the commonly assumed Generalized Pareto Distribution (GPD) model is rejected. This reflects the impact of deterministic forwarding and bounded jitter, which violate standard extreme-value assumptions. Overall, K-AoI provides a complementary and physically grounded synchronization metric, linking network delay to task-relevant spatial error in digital-twin teleoperation systems. The dataset and testbed software are publicly available at: https://github.com/luziyaotian/kaoi-testbed.