Fugu-MT 論文翻訳(概要): Classifying action correctness in physical rehabilitation exercises

論文の概要: Classifying action correctness in physical rehabilitation exercises

arxiv url: http://arxiv.org/abs/2108.01375v1
Date: Tue, 3 Aug 2021 09:00:05 GMT
ステータス: 処理完了
システム内更新日: 2021-08-04 18:40:02.282451
Title: Classifying action correctness in physical rehabilitation exercises
Title（参考訳）: 身体リハビリテーションにおける行動の正しさの分類
Authors: Alina Miron and Crina Grosan
Abstract要約: 本稿では,人間の動作や行動の正しさを評価する上で,機械学習が果たす役割に焦点を当てる。最近のデータセットでの一連の実験を通じて、機械学習アルゴリズムは特定のアクションに対して良い結果をもたらすことができるが、アクションの誤った実行を別のアクションの正しい実行として分類する罠に陥る可能性があることを実証する。
参考スコア（独自算出の注目度）: 2.0711789781518752
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The work in this paper focuses on the role of machine learning in assessing the correctness of a human motion or action. This task proves to be more challenging than the gesture and action recognition ones. We will demonstrate, through a set of experiments on a recent dataset, that machine learning algorithms can produce good results for certain actions, but can also fall into the trap of classifying an incorrect execution of an action as a correct execution of another action.
Abstract（参考訳）: 本稿では,人間の動作や行動の正しさを評価する上で,機械学習が果たす役割に焦点を当てる。このタスクはジェスチャーやアクション認識よりも難しいことが証明されている。最近のデータセットでの一連の実験を通じて、機械学習アルゴリズムは特定のアクションに対して良い結果をもたらすことができるが、アクションの誤った実行を別のアクションの正しい実行として分類する罠に陥る可能性があることを実証する。

関連論文リスト

Offline Imitation Learning Through Graph Search and Retrieval [57.57306578140857]
模倣学習は、ロボットが操作スキルを取得するための強力な機械学習アルゴリズムである。本稿では,グラフ検索と検索により,最適下実験から学習する,シンプルで効果的なアルゴリズムGSRを提案する。 GSRは、ベースラインに比べて10%から30%高い成功率、30%以上の熟練を達成できる。
論文参考訳（メタデータ） (2024-07-22T06:12:21Z)
Self-Explainable Affordance Learning with Embodied Caption [63.88435741872204]
具体的キャプションを具現化したSelf-Explainable Affordance Learning (SEA)を紹介する。 SEAは、ロボットが意図を明確に表現し、説明可能な視覚言語キャプションと視覚能力学習のギャップを埋めることを可能にする。本稿では, 簡便かつ効率的な方法で, 空き地と自己説明を効果的に組み合わせた新しいモデルを提案する。
論文参考訳（メタデータ） (2024-04-08T15:22:38Z)
Unsupervised Learning of Effective Actions in Robotics [0.9374652839580183]
ロボット工学における現在の最先端のアクション表現は、ロボットのアクションに対する適切な効果駆動学習を欠いている。連続運動空間の離散化と「アクションプロトタイプ」生成のための教師なしアルゴリズムを提案する。シミュレーションされた階段登上補強学習課題について,本手法の評価を行った。
論文参考訳（メタデータ） (2024-04-03T13:28:52Z)
CLIP-Motion: Learning Reward Functions for Robotic Actions Using Consecutive Observations [1.03590082373586]
本稿では,CLIPモデルを用いたロボット動作に対する報酬関数の学習手法を提案する。当社のアプローチでは,状態特徴と画像入力を効果的に処理するCLIPの機能を活用することで,この問題を回避することができる。
論文参考訳（メタデータ） (2023-11-06T19:48:03Z)
Music Instrument Classification Reprogrammed [79.68916470119743]
プログラム」とは、事前学習されたモデルの入力と出力の両方を修正・マッピングすることで、もともと異なるタスクをターゲットにした、事前学習された深層・複雑なニューラルネットワークを利用する手法である。本研究では,異なるタスクで学習した表現のパワーを効果的に活用できることを実証し,結果として得られた再プログラムシステムは,訓練パラメータのごく一部で,同等あるいはそれ以上の性能を持つシステムでも実行可能であることを実証する。
論文参考訳（メタデータ） (2022-11-15T18:26:01Z)
An Exploration of Data Efficiency in Intra-Dataset Task Transfer for Dialog Understanding [65.75873687351553]
本研究は,対話領域における逐次移動学習における目標タスク訓練データ量の影響について検討する。非意図的に、我々のデータでは、タスクトレーニングデータのサイズを目標とする場合、シーケンシャルトランスファーラーニングがトランスファーラーニングなしで同じモデルと比較した場合、最小限の効果が示される。
論文参考訳（メタデータ） (2022-10-21T04:36:46Z)
Understanding Physical Effects for Effective Tool-use [91.55810923916454]
本稿では,最小の協力力で効果的なツール利用戦略を創出するロボット学習計画フレームワークを提案する。 FEM(Finite Element Method)をベースとしたシミュレータを用いて,観測ツール使用時の細粒度,連続的な視覚的,身体的効果を再現する。シミュレーションでは,提案手法が2つのタスクで観測されたものとは大きく異なる,より効果的なツール利用戦略を実現できることを示す。
論文参考訳（メタデータ） (2022-06-30T03:13:38Z)
Utilizing Skipped Frames in Action Repeats via Pseudo-Actions [13.985534521589253]
多くの深層強化学習では、エージェントがアクションを取ると、次のアクション決定点まで状態を観察しずに、事前定義された回数で同じアクションを繰り返します。訓練データの量は、反復する行動の間隔に逆比例するので、トレーニングのサンプル効率に悪影響を及ぼす可能性がある。疑似アクションの概念を導入してこの問題を緩和する,シンプルだが効果的なアプローチを提案する。
論文参考訳（メタデータ） (2021-05-07T02:43:44Z)
Action similarity judgment based on kinematic primitives [48.99831733355487]
運動学に基づく計算モデルが動作類似性を決定する範囲について検討する。選択されたモデルは、発達ロボティクスにルーツを持ち、学習されたキネマティックプリミティブに基づいて行動分類を行う。その結果, 動作類似性タスクにおいて, モデルと人的性能の双方が, 運動レベルの特徴に基づく精度が高いことがわかった。
論文参考訳（メタデータ） (2020-08-30T13:58:47Z)
ConvGRU in Fine-grained Pitching Action Recognition for Action Outcome Prediction [4.073910992747716]
きめ細かい行動認識は、人間とロボットの相互作用、インテリジェントな交通管理、スポーツトレーニング、ヘルスケアなど、多くの分野において重要である。本稿では,畳み込みゲートリカレントユニット(ConvGRU)法の性能について検討する。人間の行動のRGB画像のシーケンスに基づいて、提案手法は79.17%の性能を達成した。
論文参考訳（メタデータ） (2020-08-18T09:27:17Z)

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。