論文の概要: Optimization of Forcemyography Sensor Placement for Arm Movement Recognition

• arxiv url: http://arxiv.org/abs/2207.10915v1
• Date: Fri, 22 Jul 2022 07:37:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-25 13:51:43.043426
• Title: Optimization of Forcemyography Sensor Placement for Arm Movement Recognition
• Title（参考訳）: 腕運動認識のための力覚センサ配置の最適化
• Authors: Xiaohao Xu, Zihao Du, Huaxin Zhang, Ruichao Zhang, Zihan Hong, Qin Huang, Bin Han
• Abstract要約: 本稿では、腕の動き認識への応用において、アームバンドに対するフォースミノグラフィーセンサーの配置を最適化することに焦点を当てる。 我々のアルゴリズムは、すべてのセンサと同等の認識精度を維持するのに役立ちます。 この研究は、人間の生体信号収集や運動認識といった下流のタスクを考慮したウェアラブルデバイスの自動製造に光を当てたい。
• 参考スコア（独自算出の注目度）: 10.889386494753284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How to design an optimal wearable device for human movement recognition is vital to reliable and accurate human-machine collaboration. Previous works mainly fabricate wearable devices heuristically. Instead, this paper raises an academic question: can we design an optimization algorithm to optimize the fabrication of wearable devices such as figuring out the best sensor arrangement automatically? Specifically, this work focuses on optimizing the placement of Forcemyography (FMG) sensors for FMG armbands in the application of arm movement recognition. Firstly, based on graph theory, the armband is modeled considering sensors' signals and connectivity. Then, a Graph-based Armband Modeling Network (GAM-Net) is introduced for arm movement recognition. Afterward, the sensor placement optimization for FMG armbands is formulated and an optimization algorithm with greedy local search is proposed. To study the effectiveness of our optimization algorithm, a dataset for mechanical maintenance tasks using FMG armbands with 16 sensors is collected. Our experiments show that using only 4 sensors optimized with our algorithm can help maintain a comparable recognition accuracy to using all sensors. Finally, the optimized sensor placement result is verified from a physiological view. This work would like to shed light on the automatic fabrication of wearable devices considering downstream tasks, such as human biological signal collection and movement recognition. Our code and dataset are available at https://github.com/JerryX1110/IROS22-FMG-Sensor-Optimization
• Abstract（参考訳）: 人間の運動認識のための最適なウェアラブルデバイスを設計する方法は、信頼性と正確な人間と機械の協調に不可欠である。 従来は主にウェアラブルデバイスをヒューリスティックに製造していた。 そこで本研究では,センサの最適配置を自動決定するなど,ウェアラブルデバイスの製造を最適化するための最適化アルゴリズムを設計できるのか,という学術的な疑問を提起する。 特に本研究は,腕運動認識の応用において,fmgアームバンド用フォースミオグラフィー(fmg)センサの配置を最適化することに焦点を当てている。 まず、グラフ理論に基づいて、センサの信号と接続性を考慮してアームバンドをモデル化する。 次に、腕の動き認識のためのグラフベースアームバンドモデリングネットワーク(GAM-Net)を導入する。 その後、FMGアームバンドのセンサ配置最適化を定式化し、ゆるやかな局所探索による最適化アルゴリズムを提案する。 最適化アルゴリズムの有効性を検討するため,16個のセンサを用いたFMGアームバンドを用いた機械的メンテナンスタスクのデータセットを収集した。 実験の結果,アルゴリズムを最適化したセンサは4つに過ぎず,全センサと同等の認識精度を維持することができた。 最後に、生理的観点から最適化されたセンサ配置結果を検証する。 この研究は、人間の生体信号収集や運動認識といった下流のタスクを考慮したウェアラブルデバイスの自動製造に光を当てたい。 私たちのコードとデータセットはhttps://github.com/JerryX1110/IROS22-FMG-Sensor-Optimizationで公開されています。

関連論文リスト

• CoSS: Co-optimizing Sensor and Sampling Rate for Data-Efficient AI in Human Activity Recognition [5.215675032361843]
  ニューラルネットワークの最近の進歩は、複数の時系列センサーを用いた人間の活動認識を大幅に改善した。 高周波サンプリングレートの多数のセンサを用いることで結果が向上するが、多くの場合、データ非効率性とANNの不要な拡張につながる。 本稿では,HARタスクにおけるデータ効率向上のための実用的フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-03T22:04:40Z)
• DiffusionPoser: Real-time Human Motion Reconstruction From Arbitrary Sparse Sensors Using Autoregressive Diffusion [10.439802168557513]
  限られた数のボディウーンセンサーからのモーションキャプチャーは、健康、人間のパフォーマンス、エンターテイメントに重要な応用がある。 最近の研究は、6つのIMUを用いて、特定のセンサー構成から全身の動きを正確に再構築することに焦点を当てている。 センサの任意の組み合わせから人の動きをリアルタイムで再現する単一拡散モデルDiffusionPoserを提案する。
  論文  参考訳（メタデータ） (2023-08-31T12:36:50Z)
• Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a Light-Weight ToF Sensor [58.305341034419136]
  単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。 本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。 実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-08-28T07:56:13Z)
• Unsupervised machine-learning shock-capturing technique for high-order solvers [0.0]
  ガウス混合モデル(GMM)に基づく教師なし機械学習ショックキャプチャーアルゴリズムを提案する。 提案したGMMセンサは衝撃検出において顕著な精度を示し,パラメータチューニングを必要とせず,多種多様なテストケースに対して堅牢である。 本研究は,高度なCFD符号の堅牢性と効率を向上させるため,GMMセンサで実証した教師なし機械学習手法の可能性を明らかにする。
  論文  参考訳（メタデータ） (2023-07-28T10:33:12Z)
• Design Space Exploration on Efficient and Accurate Human Pose Estimation from Sparse IMU-Sensing [0.04594153909580514]
  HPE(Human Pose Estimation)は、スポーツ、リハビリテーション、仕事の安全などにおいて、個人データを損なうことなく正確な感覚を必要とする。 ハードウェアリソースの正確性と効率的な利用との間の中心的なトレードオフは、研究ではほとんど議論されない。 我々は、センサ構成の異なる公開ボディモデルデータセットからIMUデータを生成し、このデータでディープラーニングモデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-07-21T13:36:49Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
  化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。 本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。 本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
  論文  参考訳（メタデータ） (2023-06-19T11:00:54Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
  RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。 畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。 提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
  論文  参考訳（メタデータ） (2022-02-15T17:38:30Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)

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。