論文の概要: Semi-autonomous Prosthesis Control Using Minimal Depth Information and Vibrotactile Feedback

• arxiv url: http://arxiv.org/abs/2210.00541v2
• Date: Thu, 24 Jul 2025 22:01:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 18:17:32.679908
• Title: Semi-autonomous Prosthesis Control Using Minimal Depth Information and Vibrotactile Feedback
• Title（参考訳）: 最小深度情報と硝子体フィードバックを用いた半自律補綴制御
• Authors: Miguel Nobre Castro, Strahinja Dosen,
• Abstract要約: 本研究では,最小深度データから各種日常物体の形状を復元する手法を提案する。 レーザースキャナー4基の深度センサーを用いて制御プロトタイプが実装された。 10人の有能なボランティアは、新しいコントローラーを備えた義肢を使用して、様々な形状、大きさ、方向の10の物体を把握した。
• 参考スコア（独自算出の注目度）: 1.706550690361891
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semi-autonomous prosthesis controllers based on computer vision improve performance while reducing cognitive effort. However, controllers relying on full-depth data face challenges in being deployed as embedded prosthesis controllers due to the computational demands of processing point clouds. To address this, the present study proposes a method to reconstruct the shape of various daily objects from minimal depth data. This is achieved using four concurrent laser scanner lines instead of a full point cloud. These lines represent the partial contours of an object's cross-section, enabling its dimensions and orientation to be reconstructed using simple geometry. A control prototype was implemented using a depth sensor with four laser scanners. Vibrotactile feedback was also designed to help users to correctly aim the sensor at target objects. Ten able-bodied volunteers used a prosthesis equipped with the novel controller to grasp ten objects of varying shapes, sizes, and orientations. For comparison, they also tested an existing benchmark controller that used full-depth information. The results showed that the novel controller handled all objects and, while performance improved with training, it remained slightly below that of the benchmark. This marks an important step towards a compact vision-based system for embedded depth sensing in prosthesis grasping.
• Abstract（参考訳）: コンピュータビジョンに基づく半自律補綴制御装置は、認知的労力を減らしながら性能を向上させる。 しかし、完全深度データに依存するコントローラは、処理ポイントクラウドの計算要求のため、組み込みのプロテーゼコントローラとしてデプロイされる際の課題に直面している。 そこで本研究では,最小深度データから各種日常物体の形状を再構築する手法を提案する。 これはフルポイントクラウドの代わりに4つの同時レーザースキャナラインを使用して達成される。 これらの線は、物体の断面の部分的な輪郭を表し、その次元と向きを単純な幾何学を用いて再構成することができる。 レーザースキャナー4基の深度センサーを用いて制御プロトタイプが実装された。 Vibrotactileのフィードバックは、センサーがターゲットのオブジェクトを正しく狙うのに役立つように設計されている。 10人の有能なボランティアは、新しいコントローラーを備えた義肢を使用して、様々な形状、大きさ、方向の10の物体を把握した。 比較のために、彼らは全深度情報を使用した既存のベンチマークコントローラもテストした。 結果は、新しいコントローラが全てのオブジェクトを処理し、トレーニングによってパフォーマンスが向上したが、ベンチマークのそれよりわずかに低かったことを示している。 このことは、義足グルーピングにおける埋め込み深度センシングのための、コンパクトな視覚ベースシステムに向けた重要なステップである。

関連論文リスト

• Grasping Partially Occluded Objects Using Autoencoder-Based Point Cloud Inpainting [50.4653584592824]
  実世界のアプリケーションには、シミュレーションや実験室の設定でテストされたソリューションを把握できないような課題が伴うことが多い。 本稿では,欠落した情報を再構成するアルゴリズムを提案する。 本手法は,ロバストなオブジェクトマッチング手法を現実に活用し,点計算の把握に役立てる。
  論文  参考訳（メタデータ） (2025-03-16T15:38:08Z)
• PoseLess: Depth-Free Vision-to-Joint Control via Direct Image Mapping with VLM [0.0]
  PoseLessはロボットハンドコントロールのための新しいフレームワークで、投影された表現を用いて2D画像を関節角に直接マッピングすることで、明示的なポーズ推定を不要にする。 提案手法では,ランダムな関節構成によって生成された合成トレーニングデータを活用し,実世界のシナリオへのゼロショット一般化とロボットから人間の手へのクロスモルフォロジー移行を実現する。
  論文  参考訳（メタデータ） (2025-03-10T09:34:05Z)
• V-HOP: Visuo-Haptic 6D Object Pose Tracking [18.984396185797667]
  人間は自然に視覚と触覚を統合し、操作中に頑健な物体の知覚を行う。 事前のポーズ推定研究は視覚的・触覚的・触覚的フィードバックを組み合わせようと試みている。 視覚と触覚の入力をシームレスに統合する新しいビジュオ触覚変換器を用いたオブジェクトポーズトラッカーを提案する。
  論文  参考訳（メタデータ） (2025-02-24T18:59:50Z)
• FeelAnyForce: Estimating Contact Force Feedback from Tactile Sensation for Vision-Based Tactile Sensors [18.88211706267447]
  視覚に基づく触覚センサを用いて3次元接触力を推定する問題に対処する。 我々のゴールは、様々な視覚ベースの触覚センサーにまたがって、あらゆる物体の接触力(最大15N)を推定することである。
  論文  参考訳（メタデータ） (2024-10-02T21:28:19Z)
• HiRes-LLaVA: Restoring Fragmentation Input in High-Resolution Large Vision-Language Models [96.76995840807615]
  HiRes-LLaVAは、元の文脈情報や幾何学的情報を変更することなく、高解像度入力のサイズを処理するように設計された新しいフレームワークである。 HiRes-LLaVAは、2つの革新的なコンポーネントで構成されている: (i)スライスしたパッチを元の形式に再構築し、ダウンアップサンプリング層と畳み込み層を通じてグローバルとローカルの両方の特徴を効率的に抽出するSliceRestoreアダプタ、(ii)自分自身に基づいてビジョントークンを圧縮するセルフマイニングサンプリング。
  論文  参考訳（メタデータ） (2024-07-11T17:42:17Z)
• Zero123-6D: Zero-shot Novel View Synthesis for RGB Category-level 6D Pose Estimation [66.3814684757376]
  本研究は,RGB 6Dのカテゴリレベルでのポーズ推定を向上するための拡散モデルに基づく新規ビュー合成器の実用性を示す最初の研究であるZero123-6Dを示す。 本手法は,データ要求の低減,ゼロショットカテゴリレベルの6Dポーズ推定タスクにおける深度情報の必要性の除去,およびCO3Dデータセットの実験により定量的に示された性能の向上を示す。
  論文  参考訳（メタデータ） (2024-03-21T10:38:18Z)
• Bridging Dimensions: Confident Reachability for High-Dimensional Controllers [3.202200341692044]
  本稿では,高次元制御器と全閉ループ検証を接続するための一歩を踏み出した。 我々の重要な洞察は、高次元コントローラの挙動を複数の低次元コントローラで近似できるということである。 そして,低次元到達度を統計的近似誤差で改善し,高次元制御器に対する高信頼到達性保証を実現する。
  論文  参考訳（メタデータ） (2023-11-08T17:26:38Z)
• Self-Supervised Monocular Depth Estimation by Direction-aware Cumulative Convolution Network [80.19054069988559]
  自己教師付き単眼深度推定は, 方向感度と環境依存性を示す。 本稿では2つの側面において深度表現を改善する方向対応累積畳み込みネットワーク(DaCCN)を提案する。 実験の結果,提案手法は広く使用されている3つのベンチマークにおいて大幅な改善が得られた。
  論文  参考訳（メタデータ） (2023-08-10T14:32:18Z)
• Long Range Object-Level Monocular Depth Estimation for UAVs [0.0]
  本稿では,画像からモノクロ物体を長距離検出するための最先端手法の新たな拡張法を提案する。 まず、回帰タスクとして深度推定をモデル化する際、SigmoidおよびReLUライクエンコーディングを提案する。 次に,深度推定を分類問題とし,訓練損失の計算にソフトアルグマックス関数を導入する。
  論文  参考訳（メタデータ） (2023-02-17T15:26:04Z)
• ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
  本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。 中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。 直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
  論文  参考訳（メタデータ） (2022-12-12T13:10:19Z)
• OReX: Object Reconstruction from Planar Cross-sections Using Neural Fields [10.862993171454685]
  OReXはスライス単独で3次元形状を復元する手法であり、前者がニューラルネットワーク勾配である。 適度なニューラルネットワークは入力平面上でトレーニングされ、与えられた3D座標の内外推定を返却し、滑らかさと自己相似性を誘導する強力な先行を与える。 我々は、粗大な訓練を奨励する反復的な推定アーキテクチャと階層的な入力サンプリングスキームを提供し、訓練プロセスは後段の高周波に集中できるようにする。
  論文  参考訳（メタデータ） (2022-11-23T11:44:35Z)
• Towards Confidence-guided Shape Completion for Robotic Applications [6.940242990198]
  深層学習は、部分的な視覚データから完全な3Dオブジェクト表現を推測する効果的な方法として牽引され始めている。 本稿では,各再構成点に対する信頼度を示す暗黙の3次元表現に基づくオブジェクト形状完備化手法を提案する。 再構成された形状と地上の真実を比較し,ロボットの把握パイプラインに形状完了アルゴリズムを配置することにより,我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2022-09-09T13:48:24Z)
• AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
  ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。 我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
  論文  参考訳（メタデータ） (2022-08-24T16:54:38Z)
• FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
  ニューラルネットワークの高次元景観特性を探索する方法を示す。 我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。 インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
  論文  参考訳（メタデータ） (2022-04-09T16:41:53Z)
• Combining Local and Global Pose Estimation for Precise Tracking of Similar Objects [2.861848675707602]
  類似・非テクスチャオブジェクトに対する多目的6D検出・追跡パイプラインを提案する。 合成画像のみを訓練した新しいネットワークアーキテクチャは、複数のオブジェクトの同時ポーズ推定を可能にする。 建設現場における実際のAR支援アプリケーションにおいて,システムがどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2022-01-31T14:36:57Z)
• Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
  自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。 多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。 本稿では,SST(Single-stride Sparse Transformer)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T02:12:02Z)
• Learning Oriented Remote Sensing Object Detection via Naive Geometric Computing [38.508709334835316]
  本稿では,水平提案の回帰,オブジェクト指向提案,物体の回転角を一貫した方法で学習する機構を提案する。 提案するアイデアはシンプルで直感的であり、容易に実装できる。
  論文  参考訳（メタデータ） (2021-12-01T13:58:42Z)
• Learning suction graspability considering grasp quality and robot reachability for bin-picking [4.317666242093779]
  直感的な幾何学的解析に基づくグリップ品質評価指標を提案する。 さらに,到達可能性評価指標を取り入れた。 実験結果から,直感的に把握できる品質評価基準は,物理的に着想を得た指標と競合することがわかった。
  論文  参考訳（メタデータ） (2021-11-04T00:55:42Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• 3D Human Body Reshaping with Anthropometric Modeling [59.51820187982793]
  人間測定パラメータから正確で現実的な3D人体を再構築することは、個人識別、オンラインショッピング、仮想現実のための基本的な課題です。 このような3d形状を作る既存のアプローチは、レンジカメラやハイエンドスキャナーによる複雑な測定に苦しむことが多い。 本稿では,各ファセットに対する自動人為的パラメータモデリングを可能にする,特徴選択に基づく局所マッピング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T04:09:39Z)
• EDN: Salient Object Detection via Extremely-Downsampled Network [66.38046176176017]
  画像全体のグローバルビューを効果的に学ぶために、極端なダウンサンプリング技術を使用するExtremely-Downsampled Network(EDN)を紹介します。 実験は、ednがリアルタイム速度でsart性能を達成することを実証する。
  論文  参考訳（メタデータ） (2020-12-24T04:23:48Z)

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。