في عصر تكنولوجيا القيادة الذاتية، تُعتبر أنظمة التحكم عن بعد (Teleoperation) الحل البديل عند الحاجة إلى التدخل البشري. ولكن، يعتمد نجاح هذه الأنظمة بشكل كبير على توفر موارد الشبكة المحمول اللازمة، وهو أمر غير مضمون دائمًا.

لذلك، ظهر مفهوم "التنبؤ بجودة الخدمة" (pQoS) كحل لتحسين مرونة هذه الأنظمة. في بحث جديد تم نشره، تم تقديم إطار عمل لتنبؤ اثنين من مؤشرات الأداء الرئيسية (KPIs) الهامة في أنظمة التحكم عن بعد: معدل البيانات المرفوعة (Uplink Data-Rate) و Latency أو زمن الاستجابة (Round-Trip Latency).

يسلط هذا الإطار الضوء على كيفية استخدام البيانات التاريخية لتخفيف تراجع أداء نماذج التنبؤ المعتمدة على التعلم الآلي (Machine Learning) أمام بيانات لم تُشاهد من قبل، من خلال دمج البيانات القديمة في عملية التنبؤ. هذا النهج لا يساعد فقط في تحسين دقة التنبؤات، بل يعزز أيضًا الاعتماد على أنظمة التحكم عن بعد في ظروف الشبكة المتغيرة.

كما تم تقديم مقياس جديد يسمى "كشف السيناريوهات الحرجة" (Critical Scenario Detection) لتقييم أداء التنبؤ، مما يجعله أداة قيمة في تحسين أداء التحكم عن بعد وتوفير تجربة محسنة للمستخدمين. من خلال هذا البحث، يمكننا أن نرى كيف يمكن للتكنولوجيا المتقدمة أن تجلب تغييرات جوهرية تخدم عالم النقل الذاتي.