基于Informer模型的远程机器人手术精确性提升的预测方法

本文解决了在触觉互联网环境下远程机器人手术中，机器人臂位置实时准确估计的挑战。通过基于Transformer的Informer框架，结合四态隐马尔可夫模型（4-State HMM），提出了一种新颖的方法，能够在网络延迟和数据包丢失情况下实现90%以上的预测准确率，显著提升了远程手术的可靠性和精确性。