面向实时镜像智能：Internet of Mirrors（IoM）中的系统级延迟与计算评估
网络与互联网体系结构
2026-03-10 v1 人机交互
摘要
Internet of Mirrors（IoM）是一种新兴的 IoT 生态系统，由相连的智能镜子组成，旨在跨越消费级、专业级和 hub 节点三个层级提供个性化服务。确定计算应驻留于 IoM 层级结构中的何处是一个关键设计挑战，因为安置决策直接影响端到端延迟、资源利用和用户体验。本文提出了首个针对 IoM 的物理测试床研究，评估了在实际 Wi-Fi 和 5G 网络条件下，跨 IoM 层级的四种计算安置策略。结果表明，卸载到高阶节点的分类任务可显著降低延迟和消费级资源负载，但随有效负载大小和跳数增加而引入网络开销。没有任何单一策略是通用最优的：最佳选择取决于可用网络、节点接近性和并发用户负载。这些发现经验性地描绘了 IoM 的计算-通信权衡空间，动机是需要一种智能、自适应的任务安置机制，能够响应应用需求和 IoM 生态系统的实际条件。
引用
@article{arxiv.2603.07408,
title = {Toward Real-Time Mirrors Intelligence: System-Level Latency and Computation Evaluation in Internet of Mirrors (IoM)},
author = {Haneen Fatima and Muhammad Ali Imran and Ahmad Taha and Lina Mohjazi},
journal= {arXiv preprint arXiv:2603.07408},
year = {2026}
}
备注
6 pages, 6 figures, conference