論文の概要: Learning a Shared Model for Motorized Prosthetic Joints to Predict Ankle-Joint Motion

• arxiv url: http://arxiv.org/abs/2111.07419v1
• Date: Sun, 14 Nov 2021 19:02:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-16 17:30:52.237799
• Title: Learning a Shared Model for Motorized Prosthetic Joints to Predict Ankle-Joint Motion
• Title（参考訳）: 足関節運動予測のための運動人工関節の共有モデル学習
• Authors: Sharmita Dey, Sabri Boughorbel, Arndt F. Schilling
• Abstract要約: 異なる移動モードにおける足首関節運動を予測する学習ベース共有モデルを提案する。 共有モデルは,異なる移動モードの足首の角度やモーメントを,モードを明示的に分類することなく予測するのに適していることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Control strategies for active prostheses or orthoses use sensor inputs to recognize the user's locomotive intention and generate corresponding control commands for producing the desired locomotion. In this paper, we propose a learning-based shared model for predicting ankle-joint motion for different locomotion modes like level-ground walking, stair ascent, stair descent, slope ascent, and slope descent without the need to classify between them. Features extracted from hip and knee joint angular motion are used to continuously predict the ankle angles and moments using a Feed-Forward Neural Network-based shared model. We show that the shared model is adequate for predicting the ankle angles and moments for different locomotion modes without explicitly classifying between the modes. The proposed strategy shows the potential for devising a high-level controller for an intelligent prosthetic ankle that can adapt to different locomotion modes.
• Abstract（参考訳）: アクティブ義足や装具の制御戦略は、センサ入力を使用してユーザの機関車の意図を認識し、所望のロコモーションを生成するための対応する制御コマンドを生成する。 本稿では,歩行,階段上昇,階段降下,斜面上昇,斜面降下などの異なる歩行モードに対して,それらの分類を必要とせずに足首関節運動を予測するための学習に基づく共有モデルを提案する。 膝関節角運動から抽出された特徴は、フィードフォワードニューラルネットワークを用いた共有モデルを用いて足首角度とモーメントを連続的に予測する。 共有モデルは,異なる移動モードの足首の角度やモーメントを,モードを明示的に分類することなく予測するのに適していることを示す。 提案された戦略は、異なるロコモーションモードに適応可能なインテリジェントな義足用のハイレベルコントローラを開発する可能性を示している。

関連論文リスト

• Offline Adaptation of Quadruped Locomotion using Diffusion Models [59.882275766745295]
  本稿では,複数のスキル間の相互補間と学習の限界に同時に対処する,四足歩行への拡散に基づくアプローチを提案する。 これらの機能は、マルチスキルポリシーと互換性があり、ほとんど変更することなく、最小限の計算オーバーヘッドで適用可能であることを示す。 ANYmal四重奏プラットフォーム上でのハードウェア実験によるアプローチの有効性を検証する。
  論文  参考訳（メタデータ） (2024-11-13T18:12:15Z)
• Continual Imitation Learning for Prosthetic Limbs [0.7922558880545526]
  モーター付きバイオニック手足は約束を提供するが、その実用性は様々な環境での人間の運動の進化する相乗効果を模倣することに依存する。 本稿では, カメラを用いたモーションキャプチャとウェアラブルセンサデータを活用したバイオニック補綴用アプリケーションの新しいモデルを提案する。 本稿では,マルチタスク,継続的な適応,動きの予測,移動の洗練が可能なモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-02T09:22:54Z)
• InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
  関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。 そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-11-27T14:32:33Z)
• STMT: A Spatial-Temporal Mesh Transformer for MoCap-Based Action Recognition [50.064502884594376]
  本研究では、モーションキャプチャー(MoCap)シーケンスを用いた人間の行動認識の問題点について検討する。 メッシュシーケンスを直接モデル化する新しい時空間メッシュ変換器(STMT)を提案する。 提案手法は,スケルトンベースモデルやポイントクラウドベースモデルと比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-31T16:19:27Z)
• Learning Policies for Continuous Control via Transition Models [2.831332389089239]
  ロボット制御では、腕のエンドエフェクターを目標位置または目標軌道に沿って移動させるには、正確な前方および逆モデルが必要である。 相互作用から遷移(前方)モデルを学習することで、償却されたポリシーの学習を促進することができることを示す。
  論文  参考訳（メタデータ） (2022-09-16T16:23:48Z)
• Weakly-supervised Action Transition Learning for Stochastic Human Motion Prediction [81.94175022575966]
  動作駆動型人間の動作予測の課題について紹介する。 一連の動作ラベルと短い動作履歴から、複数の可算な将来の動作を予測することを目的としている。
  論文  参考訳（メタデータ） (2022-05-31T08:38:07Z)
• An Adaptable Approach to Learn Realistic Legged Locomotion without Examples [38.81854337592694]
  本研究は,バネ装荷逆振り子モデルを用いて学習プロセスを導くことで,移動における現実性を保証するための汎用的アプローチを提案する。 モデルのない設定であっても、2足歩行ロボットと4足歩行ロボットに対して、学習したポリシーが現実的でエネルギー効率のよい移動歩行を生成できることを示す実験結果を示す。
  論文  参考訳（メタデータ） (2021-10-28T10:14:47Z)
• GLiDE: Generalizable Quadrupedal Locomotion in Diverse Environments with a Centroidal Model [18.66472547798549]
  四足歩行のロバスト制御ポリシを生成するために,遠心モデルを用いてモデルフリー強化学習を効果的に利用できることを示す。 本手法は, ステップストーン移動, 2脚のインプレースバランス, バランスビーム移動, sim-to-real移動を, さらなる適応を伴わずに実現可能であることを示す。
  論文  参考訳（メタデータ） (2021-04-20T05:55:13Z)
• Bidirectional Interaction between Visual and Motor Generative Models using Predictive Coding and Active Inference [68.8204255655161]
  本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。 我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
  論文  参考訳（メタデータ） (2021-04-19T09:41:31Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)

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。