論文の概要: Wheelchair Behavior Recognition for Visualizing Sidewalk Accessibility by Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2101.03724v1
• Date: Mon, 11 Jan 2021 06:41:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 14:36:45.601640
• Title: Wheelchair Behavior Recognition for Visualizing Sidewalk Accessibility by Deep Neural Networks
• Title（参考訳）: 深層ニューラルネットワークによる歩道アクセシビリティ可視化のための車椅子行動認識
• Authors: Takumi Watanabe, Hiroki Takahashi, Goh Sato, Yusuke Iwasawa, Yutaka Matsuo, Ikuko Eguchi Yairi
• Abstract要約: 本論文では,車いす座席下に設置したスマートフォンの3軸加速度計を用いて,車いすの動作から歩道のアクセシビリティを推定する手法を提案する。 本手法は,環境要因から歩道のアクセシビリティを認識する。 勾配、縁石、隙間。 本論文では,車椅子加速度から知識を抽出し,歩道のアクセシビリティ情報を可視化するプロトタイプシステムを開発した。
• 参考スコア（独自算出の注目度）: 19.671946716832203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces our methodology to estimate sidewalk accessibilities from wheelchair behavior via a triaxial accelerometer in a smartphone installed under a wheelchair seat. Our method recognizes sidewalk accessibilities from environmental factors, e.g. gradient, curbs, and gaps, which influence wheelchair bodies and become a burden for people with mobility difficulties. This paper developed and evaluated a prototype system that visualizes sidewalk accessibility information by extracting knowledge from wheelchair acceleration using deep neural networks. Firstly, we created a supervised convolutional neural network model to classify road surface conditions using wheelchair acceleration data. Secondly, we applied a weakly supervised method to extract representations of road surface conditions without manual annotations. Finally, we developed a self-supervised variational autoencoder to assess sidewalk barriers for wheelchair users. The results show that the proposed method estimates sidewalk accessibilities from wheelchair accelerations and extracts knowledge of accessibilities by weakly supervised and self-supervised approaches.
• Abstract（参考訳）: 本稿では,車いすシート下に設置したスマートフォンの3軸加速度計を用いて,車いすの挙動から歩道のアクセシビリティを推定する手法を提案する。 本手法は,環境要因から歩道のアクセシビリティを認識する。 勾配、縁石、隙間は車椅子の身体に影響を与え、移動が困難である人々の負担になる。 本稿では,深層ニューラルネットワークを用いて車椅子加速度から知識を抽出し,歩道のアクセシビリティ情報を可視化するプロトタイプシステムを開発した。 まず,車いす加速度データを用いて路面条件を分類するための教師付き畳み込みニューラルネットワークモデルを作成した。 第2に,手動アノテーションを使わずに路面条件の表現を抽出するために弱教師付き手法を適用した。 最後に,車椅子利用者の歩道障壁を評価する自己教師付き変分自動エンコーダを開発した。 提案手法は,車椅子のアクセシビリティから歩道のアクセシビリティを推定し,弱教師付きおよび自己教師型アプローチによりアクセシビリティの知識を抽出する。

関連論文リスト

• Pedestrian motion prediction evaluation for urban autonomous driving [0.0]
  我々は、従来の動き予測指標の妥当性を決定するために、提供されたオープンソースソリューションを用いて、選択した出版物を解析する。 この視点は、既存の最先端の歩行者運動予測問題の現実的なパフォーマンスを探している、自動運転やロボット工学の潜在的なエンジニアにとって価値があるだろう。
  論文  参考訳（メタデータ） (2024-10-22T10:06:50Z)
• WheelPoser: Sparse-IMU Based Body Pose Estimation for Wheelchair Users [7.5279679789210645]
  本稿では,車いす利用者を対象としたリアルタイムポーズ推定システムであるWheelPoserを紹介する。 我々のシステムは、ユーザの体と車椅子に4つの戦略的に配置されたIMUしか使用せず、カメラや高密度IMUアレイを使用した従来のシステムよりもはるかに実用的です。 WheelPoserは車椅子利用者のポーズを平均関節角度誤差14.30度、平均関節位置誤差6.74cmで追跡することができる。
  論文  参考訳（メタデータ） (2024-09-13T02:41:49Z)
• FastRLAP: A System for Learning High-Speed Driving via Deep RL and Autonomous Practicing [71.76084256567599]
  本稿では、自律型小型RCカーを強化学習(RL)を用いた視覚的観察から積極的に駆動するシステムを提案する。 我々のシステムであるFastRLAP (faster lap)は、人間の介入なしに、シミュレーションや専門家によるデモンストレーションを必要とせず、現実世界で自律的に訓練する。 結果として得られたポリシーは、タイミングブレーキや回転の加速度などの突発的な運転スキルを示し、ロボットの動きを妨げる領域を避け、トレーニングの途中で同様の1対1のインタフェースを使用して人間のドライバーのパフォーマンスにアプローチする。
  論文  参考訳（メタデータ） (2023-04-19T17:33:47Z)
• Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
  最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。 我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。 提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
  論文  参考訳（メタデータ） (2022-10-13T05:56:20Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Monocular Vision-based Prediction of Cut-in Maneuvers with LSTM Networks [0.0]
  本研究では,エゴレーンで発生する潜在的に危険なカットイン動作を予測する手法を提案する。 我々は、1台の車載RGBカメラのみを使用するコンピュータビジョンベースのアプローチに従う。 本アルゴリズムは,CNNに基づく車両検出・追跡ステップとLSTMに基づく操縦分類ステップから構成される。
  論文  参考訳（メタデータ） (2022-03-21T02:30:36Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• Driving-Signal Aware Full-Body Avatars [49.89791440532946]
  そこで本研究では,駆動信号を意識したフルボディアバターを構築するための学習ベース手法を提案する。 我々のモデルは条件付き変分オートエンコーダであり、不完全な駆動信号でアニメーションできる。 仮想テレプレゼンスのためのフルボディアニメーションの課題に対して,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-05-21T16:22:38Z)
• Open Area Path Finding to Improve Wheelchair Navigation [0.0]
  本稿では,経路のネットワークを持たないオープンエリアに対して,新しい経路探索アルゴリズムを提案し,実装する。 提案アルゴリズムは開放領域に新しいグラフを作成し,障害物や障壁を考慮し,経路を計算する。 実装とテストは、提案されたアルゴリズム出力と実際の車椅子利用者軌跡との少なくとも76.4%の類似性を示している。
  論文  参考訳（メタデータ） (2020-11-07T21:20:32Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)
• An Intelligent and Low-cost Eye-tracking System for Motorized Wheelchair Control [3.3003775275716376]
  本論文は、運動障害者が効果的かつ努力的に動く能力を回復させることで、運動障害者を支援するシステムを提案する。 システム入力は、視線方向を推定するために処理されたユーザの目の画像であり、車椅子はそれに応じて移動された。
  論文  参考訳（メタデータ） (2020-05-02T23:08:33Z)

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。