論文の概要: Estimation and Prediction of Deterministic Human Intent Signal to
augment Haptic Glove aided Control of Robotic Hand
- arxiv url: http://arxiv.org/abs/2110.07953v1
- Date: Fri, 15 Oct 2021 09:12:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-18 14:45:48.938616
- Title: Estimation and Prediction of Deterministic Human Intent Signal to
augment Haptic Glove aided Control of Robotic Hand
- Title(参考訳): ロボットハンドの触覚グローブ制御強化のための決定論的人間の意図信号の推定と予測
- Authors: Rajesh Kumar, Pimmy Gandotra, Brejesh Lall, Arzad A. Kherani, Sudipto
Mukherjee
- Abstract要約: 本論文は,ロボットハンドの触覚グローブによる手動操作の制御に焦点を当てた。
制御アルゴリズムが提示され、RHは、ゴールポーズに保持されたオブジェクトを移動させる。
- 参考スコア(独自算出の注目度): 11.791020106482486
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The paper focuses on Haptic Glove (HG) based control of a Robotic Hand (RH)
executing in-hand manipulation. A control algorithm is presented to allow the
RH relocate the object held to a goal pose. The motion signals for both the HG
and the RH are high dimensional. The RH kinematics is usually different from
the HG kinematics. The variability of kinematics of the two devices, added with
the incomplete information about the human hand kinematics result in difficulty
in direct mapping of the high dimensional motion signal of the HG to the RH.
Hence, a method is proposed to estimate the human intent from the high
dimensional HG motion signal and reconstruct the signal at the RH to ensure
object relocation. It is also shown that the lag in synthesis of the motion
signal of the human hand added with the control latency of the RH leads to a
requirement of the prediction of the human intent signal. Then, a recurrent
neural network (RNN) is proposed to predict the human intent signal ahead of
time.
- Abstract(参考訳): 本論文は,ロボットハンド(RH)の触覚グローブ(HG)に基づく手動操作の制御に焦点を当てた。
制御アルゴリズムは、RHがゴールポーズに保持されたオブジェクトを移動できるようにする。
HGとRHの両方の動作信号は高次元である。
RHキネマティクスは通常、HGキネマティクスとは異なる。
人手キネマティクスに関する不完全情報を付加した2つの装置のキネマティクスの変動は、HGの高次元運動信号のRHへの直接マッピングが困難となる。
そこで,高次元HGモーション信号から人間の意図を推定し,RHでの信号再構成を行い,物体の移動を確実にする手法を提案する。
また、RHの制御遅延に付加された人間の手の動き信号の合成の遅れが、人間の意図信号の予測の要求につながることも示されている。
次に、人間の意図を事前に予測するために、リカレントニューラルネットワーク(RNN)を提案する。
関連論文リスト
- Full-Body Motion Reconstruction with Sparse Sensing from Graph
Perspective [22.761692765158646]
スパースセンサーデータから3Dフルボディのポーズを推定することは、拡張現実と仮想現実における現実的な人間の動きを再現するための重要な手法である。
人体を表すためにBPG(Body Pose Graph)を使用し、その課題をグラフ不足ノードの予測問題に変換する。
提案手法の有効性は,特に下肢動作において,他のベースライン法よりも高い精度で達成できることが証明されている。
論文 参考訳(メタデータ) (2024-01-22T09:29:42Z) - GRIP: Generating Interaction Poses Using Latent Consistency and Spatial
Cues [60.90013719118856]
手は器用で多用途なマニピュレータであり、人間が物体や環境とどのように相互作用するかの中心である。
現実的な手オブジェクトの相互作用をモデル化することは、コンピュータグラフィックス、コンピュータビジョン、混合現実の応用において重要である。
GRIPは、体と物体の3次元運動を入力として取り、物体の相互作用の前、中、後の両方の両手の現実的な動きを合成する学習ベースの手法である。
論文 参考訳(メタデータ) (2023-08-22T17:59:51Z) - Deep learning-based approaches for human motion decoding in smart
walkers for rehabilitation [3.8791511769387634]
スマートウォーカーは、できるだけ早く人間の動きとニーズをデコードできなければならない。
現在の歩行者はウェアラブルや組込みセンサーの情報を用いて動きの意図を復号する。
早期の動作認識・検出問題として人間の動作復号化に対処する非接触アプローチを提案する。
論文 参考訳(メタデータ) (2023-01-13T14:29:44Z) - HVS-Inspired Signal Degradation Network for Just Noticeable Difference
Estimation [69.49393407465456]
JND推定のためのHVSにインスパイアされた信号劣化ネットワークを提案する。
我々は,JND主観視におけるHVS知覚過程を分析し,関連する知見を得た。
提案手法は,HVSの冗長性を正確に推定するためのSOTA性能を実現する。
論文 参考訳(メタデータ) (2022-08-16T07:53:45Z) - Learning to estimate a surrogate respiratory signal from cardiac motion
by signal-to-signal translation [0.688204255655161]
我々は、SPECT画像のセグメント化から発生するノイズのある動き信号を高品質なサロゲート信号に変換するニューラルネットワークベースの手法を開発した。
この合成サロゲートは、EMTサロゲート信号のために開発された既存の動作補正手法の入力として使用される。
論文 参考訳(メタデータ) (2022-07-20T20:22:09Z) - GIMO: Gaze-Informed Human Motion Prediction in Context [75.52839760700833]
本研究では、高品質なボディポーズシーケンス、シーンスキャン、目視によるエゴ中心のビューを提供する大規模な人体動作データセットを提案する。
私たちのデータ収集は特定のシーンに縛られません。
視線の全可能性を実現するために,視線と運動枝の双方向通信を可能にする新しいネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-04-20T13:17:39Z) - Computational ergonomics for task delegation in Human-Robot
Collaboration: spatiotemporal adaptation of the robot to the human through
contactless gesture recognition [0.0]
本稿では,人間工学的に有効なタスクデリゲートとヒューマン・ヒューマン・コラボレーション(HRC)の2つの仮説を提案する。
第1の仮説では、縮小されたセンサー群からのモーションデータを用いて人間工学的なタスクを定量化することが可能である。
第2の仮説は、ジェスチャー認識と空間適応を含めることで、不要な動きを避けることで、HRCシナリオのエルゴノミクスを改善することができるというものである。
論文 参考訳(メタデータ) (2022-03-21T14:23:00Z) - Investigating Pose Representations and Motion Contexts Modeling for 3D
Motion Prediction [63.62263239934777]
歴史的ポーズシーケンスから人間の動きを予測することは、機械が人間と知的な相互作用を成功させるために不可欠である。
本研究では,様々なポーズ表現に関する詳細な研究を行い,その動作予測課題に対する効果に着目した。
AHMR(Attentive Hierarchical Motion Recurrent Network)と呼ばれる新しいRNNアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-12-30T10:45:22Z) - An Adversarial Human Pose Estimation Network Injected with Graph
Structure [75.08618278188209]
本稿では,いくつかの関節が見えない場合に,可視関節の局所化精度を向上させるために,新しいGAN(Generative Adversarial Network)を設計する。
ネットワークは、2つのシンプルで効率的なモジュール、カスケード機能ネットワーク(CFN)とグラフ構造ネットワーク(GSN)で構成されています。
論文 参考訳(メタデータ) (2021-03-29T12:07:08Z) - Continual Learning from Synthetic Data for a Humanoid Exercise Robot [15.297262564198972]
実用的なシナリオでは、理学療法士のような専門家が身体運動を行い、ペッパーのようなヒューマノイドロボットの基準として使用し、患者の同じ運動の実行に対するフィードバックを与える。
本稿では,視野の中心に関する翻訳と回転の許容性を実現するアーキテクチャを設計することで,第1の課題に挑戦する。
第2の課題は、GWRがインクリメンタルデータでオンラインで成長できるようにすることです。
評価のために,仮想アバターを用いた新しいエクササイズデータセット「virtual-squat dataset」を作成した。
論文 参考訳(メタデータ) (2021-02-19T17:05:25Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳(メタデータ) (2020-07-16T09:39:17Z)
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。
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。