論文の概要: Data Science for Motion and Time Analysis with Modern Motion Sensor Data
- arxiv url: http://arxiv.org/abs/2008.10786v1
- Date: Tue, 25 Aug 2020 02:33:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 03:35:35.508605
- Title: Data Science for Motion and Time Analysis with Modern Motion Sensor Data
- Title(参考訳): 運動センサデータを用いた運動・時間解析のためのデータサイエンス
- Authors: Chiwoo Park, Sang Do Noh and Anuj Srivastava
- Abstract要約: モーション・アンド・タイム分析は、オペレーション・リサーチにおいて人気のある研究トピックである。
リーン製造とスマートファクトリのための継続的改善ツールとして、再び注目を集めています。
本稿では,作業動作のデータ駆動分析のためのフレームワークを開発し,作業速度や実行速度との関係について検討する。
- 参考スコア(独自算出の注目度): 14.105132549564873
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The motion-and-time analysis has been a popular research topic in operations
research, especially for analyzing work performances in manufacturing and
service operations. It is regaining attention as continuous improvement tools
for lean manufacturing and smart factory. This paper develops a framework for
data-driven analysis of work motions and studies their correlations to work
speeds or execution rates, using data collected from modern motion sensors. The
past analyses largely relied on manual steps involving time-consuming
stop-watching and video-taping, followed by manual data analysis. While modern
sensing devices have automated the collection of motion data, the motion
analytics that transform the new data into knowledge are largely
underdeveloped. Unsolved technical questions include: How the motion and time
information can be extracted from the motion sensor data, how work motions and
execution rates are statistically modeled and compared, and what are the
statistical correlations of motions to the rates? In this paper, we develop a
novel mathematical framework for motion and time analysis with motion sensor
data, by defining new mathematical representation spaces of human motions and
execution rates and by developing statistical tools on these new spaces. This
methodological research is demonstrated using five use cases applied to
manufacturing motion data.
- Abstract(参考訳): モーション・アンド・タイム分析は、特に製造業やサービス業における業務業績の分析において、オペレーション研究において一般的な研究テーマである。
リーン製造とスマートファクトリのための継続的改善ツールとして、再び注目を集めています。
本稿では,作業速度と実行速度との相関関係を,現代の動きセンサから収集したデータを用いて,データ駆動による作業動作解析のためのフレームワークを開発した。
過去の分析は、時間を要するストップウォッチングとビデオタップを含む手動のステップに大きく依存していた。
現代のセンシングデバイスはモーションデータの収集を自動化しているが、新しいデータを知識に変換するモーション分析はほとんど未開発である。
未解決の技術的問題として、モーションセンサデータから動きと時間情報を抽出する方法、作業動作と実行速度を統計的にモデル化して比較する方法、動きの統計的相関と速度との関係についてがある。
本稿では,人間の動きと実行率の新しい数学的表現空間を定義し,これらの新しい空間の統計ツールを開発することによって,モーションセンサデータを用いた動きと時間解析のための新しい数学的枠組みを開発する。
本手法は, 動作データの製造に応用した5つの応用事例を用いて実証する。
関連論文リスト
- Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.89014020303557]
HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。
従来の手法は手作りの機能と機械学習技術に依存している。
HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
論文 参考訳(メタデータ) (2023-08-02T12:04:28Z) - HabitatDyn Dataset: Dynamic Object Detection to Kinematics Estimation [16.36110033895749]
本稿では,合成RGBビデオ,セマンティックラベル,深度情報,および運動情報を含むデータセットHabitatDynを提案する。
HabitatDynは移動カメラを搭載した移動ロボットの視点で作られ、6種類の移動物体をさまざまな速度で撮影する30のシーンを含んでいる。
論文 参考訳(メタデータ) (2023-04-21T09:57:35Z) - Event-based Simultaneous Localization and Mapping: A Comprehensive
Survey [67.89650389832147]
ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。
Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
論文 参考訳(メタデータ) (2023-04-19T16:21:14Z) - Motion Capture Benchmark of Real Industrial Tasks and Traditional Crafts
for Human Movement Analysis [0.0]
本稿では,慣性に基づくモーションキャプチャを用いて記録した7つのデータセットについて述べる。
データセットには、産業従事者や熟練した職人が現場で行うプロのジェスチャーが含まれている。
論文 参考訳(メタデータ) (2023-04-03T10:29:24Z) - Movement Analytics: Current Status, Application to Manufacturing, and
Future Prospects from an AI Perspective [1.2908803492980705]
IoTベースのその他のオブジェクトトラッキングは、空間と時間のオブジェクト/エンティティの移動データを収集する新たなツールである。
ムーブメントデータは、プロセスのボトルネック、リソース利用、効果的な作業時間など、貴重な洞察を提供することができます。
論文 参考訳(メタデータ) (2022-10-04T03:27:17Z) - Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。
我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。
この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
論文 参考訳(メタデータ) (2021-09-09T16:04:14Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳(メタデータ) (2021-06-14T11:42:46Z) - Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。
本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文 参考訳(メタデータ) (2021-03-22T12:42:16Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳(メタデータ) (2020-11-17T22:24:26Z) - Recognition and Synthesis of Object Transport Motion [0.0]
このプロジェクトでは、小さなモーションキャプチャデータセット上で、特別なデータ拡張テクニックとともに、ディープ畳み込みネットワークをどのように使用できるかを説明します。
このプロジェクトは、運動合成のより複雑なタスクのために、これらの同じ拡張テクニックをどのようにスケールアップするかを示している。
近年のGAN(Generative Adversarial Models)の概念、特にWasserstein GAN(英語版)の展開を探求することにより、このプロジェクトは生命に似た物体の移動運動をうまく生成できるモデルの概要を述べる。
論文 参考訳(メタデータ) (2020-09-27T22:13:26Z) - Automated analysis of eye-tracker-based human-human interaction studies [2.433293618209319]
本稿では,移動眼球追跡データの自動解析に最先端のコンピュータビジョンアルゴリズムが用いられているかを検討する。
本稿では,人間の対面インタラクションにおける移動眼球追跡記録に焦点をあてる。
この単一パイプラインフレームワークを使用することで、現場での作業よりも正確かつ高速な結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-09T10:00:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。