論文の概要: Ball-and-socket joint pose estimation using magnetic field

• arxiv url: http://arxiv.org/abs/2210.03984v1
• Date: Sat, 8 Oct 2022 09:49:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 19:23:33.770759
• Title: Ball-and-socket joint pose estimation using magnetic field
• Title（参考訳）: 磁場を用いたボール・ソケット関節ポーズ推定
• Authors: Tai Hoang, Alona Kharchenko, Simon Trendel, Rafael Hostettler
• Abstract要約: Roboy 3.0は、人体の筋骨格系を模倣するオープンソースの腱駆動型ヒューマノイドロボットである。 球とソケットの関節のポーズを推定するカスタムソリューションを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Roboy 3.0 is an open-source tendon-driven humanoid robot that mimics the musculoskeletal system of the human body. Roboy 3.0 is being developed as a remote robotic body - or a robotic avatar - for humans to achieve remote physical presence. Artificial muscles and tendons allow it to closely resemble human morphology with 3-DoF neck, shoulders and wrists. Roboy 3.0 3-DoF joints are implemented as ball-and-socket joints. While industry provides a clear solution for 1-DoF joint pose sensing, it is not the case for the ball-and-socket joint type. In this paper we present a custom solution to estimate the pose of a ball-and-socket joint. We embed an array of magnets into the ball and an array of 3D magnetic sensors into the socket. We then, based on the changes in the magnetic field as the joint rotates, are able to estimate the orientation of the joint. We evaluate the performance of two neural network approaches using the LSTM and Bayesian-filter like DVBF. Results show that in order to achieve the same mean square error (MSE) DVBFs require significantly more time training and hyperparameter tuning compared to LSTMs, while DVBF cope with sensor noise better. Both methods are capable of real-time joint pose estimation at 37 Hz with MSE of around 0.03 rad for all three degrees of freedom combined. The LSTM model is deployed and used for joint pose estimation of Roboy 3.0's shoulder and neck joints. The software implementation and PCB designs are open-sourced under https://github.com/Roboy/ball_and_socket_estimator
• Abstract（参考訳）: Roboy 3.0は、人体の筋骨格系を模倣するオープンソースの腱駆動型ヒューマノイドロボットである。 Roboy 3.0は、人間が遠隔での身体的プレゼンスを達成するための、リモートロボット体(またはロボットアバター)として開発されている。 人工筋肉と腱は、3自由度首、肩、手首の形状によく似ている。 Roboy 3.0 3DoFジョイントはボール・アンド・ソケットジョイントとして実装されている。 業界は1-DoFジョイントポーズセンシングの明確なソリューションを提供しているが、ボールとソケットのジョイントタイプには当てはまらない。 本稿では,ボール・ソケット接合部のポーズを推定するカスタムソリューションを提案する。 磁石の配列をボールに埋め込み、3d磁気センサの配列をソケットに埋め込む。 そして、関節回転に伴う磁場の変化に基づいて、関節の向きを推定することができる。 LSTMとDVBFのようなベイズフィルタを用いた2つのニューラルネットワーク手法の性能評価を行った。 その結果, 平均二乗誤差(MSE)を達成するためには, DVBFはLSTMよりも時間トレーニングやハイパーパラメータチューニングが有意に必要であり, DVBFはセンサノイズに対処できることがわかった。 どちらの手法も37Hzでリアルタイムに関節ポーズを推定でき、MSEは約0.03 radで3つの自由度を組み合わせられる。 LSTMモデルは、Roboy 3.0の肩関節と首関節の関節ポーズ推定に使用され、使用される。 ソフトウェア実装とPCB設計はhttps://github.com/Roboy/ball_and_socket_estimatorでオープンソース化されている。

関連論文リスト

• ARTS: Semi-Analytical Regressor using Disentangled Skeletal Representations for Human Mesh Recovery from Videos [18.685856290041283]
  ARTSは、一般的なベンチマークにおけるフレーム単位の精度と時間的一貫性の両方において、既存の最先端のビデオベースの手法を超越している。 ビデオから3Dスケルトンを推定するために,スケルトン推定およびアンタングルメントモジュールを提案する。 回帰器は、Temporal Inverse Kinematics (TIK), bone-guided Shape Fitting (BSF), Motion-Centric Refinement (MCR)の3つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2024-10-21T02:06:43Z)
• Exploring 3D Human Pose Estimation and Forecasting from the Robot's Perspective: The HARPER Dataset [52.22758311559]
  本研究では,ユーザとスポット間のダイアドインタラクションにおける3次元ポーズ推定と予測のための新しいデータセットであるHARPERを紹介する。 キーノーベルティは、ロボットの視点、すなわちロボットのセンサーが捉えたデータに焦点を当てることである。 HARPERの基盤となるシナリオには15のアクションが含まれており、そのうち10つはロボットとユーザの間の物理的接触を含んでいる。
  論文  参考訳（メタデータ） (2024-03-21T14:53:50Z)
• Proprioceptive External Torque Learning for Floating Base Robot and its Applications to Humanoid Locomotion [17.384713355349476]
  本稿では,浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点 実際のロボット実験では、ネットワークは外部トルクと接触レンチをはるかに小さな誤差で推定できることを示した。 また,ゼロモーメントポイント(ZMP)フィードバック制御において,推定した接触レンチが有効であることを示す。
  論文  参考訳（メタデータ） (2023-09-08T05:33:56Z)
• Diffusion-Based 3D Human Pose Estimation with Multi-Hypothesis Aggregation [64.874000550443]
  ジョイントワイズ・リジェクション・ベース・マルチハイブリッド・アグリゲーション(JPMA)を用いた拡散型3次元ポス推定法を提案する。 提案したJPMAは,D3DPが生成する複数の仮説を1つの3次元ポーズにまとめて実用的に利用する。 提案手法は, 最先端の決定論的アプローチと確率論的アプローチをそれぞれ1.5%, 8.9%上回った。
  論文  参考訳（メタデータ） (2023-03-21T04:00:47Z)
• KinePose: A temporally optimized inverse kinematics technique for 6DOF human pose estimation with biomechanical constraints [11.912058874826549]
  そこで本研究では,生体力学的情報および被験者特異的キネマティック・チェーン全体での関節配向を推定する手法を提案する。 境界条件におけるIKアプローチの一般精度と精度の両方を評価するために,3次元ポーズ動作シーケンスを生成する。 我々の時間的アルゴリズムは,MPJAS(Mean Per Joint Angular separation)誤差の低い6DOFポーズ推定を実現する。
  論文  参考訳（メタデータ） (2022-07-26T12:17:07Z)
• MixSTE: Seq2seq Mixed Spatio-Temporal Encoder for 3D Human Pose Estimation in Video [75.23812405203778]
  近年, 学習時間相関のため, 全フレームのボディジョイントを世界規模で考慮し, 2次元キーポイントシーケンスから3次元人間のポーズを推定する手法が提案されている。 本研究では,各関節の時間的動きを別々にモデル化する時間的変圧器ブロックと,関節間空間相関を有する変圧器ブロックを有するミキシングミキシングを提案する。 さらに、ネットワーク出力は、中央フレームから入力ビデオの全フレームに拡張され、入力と出力のベンチマーク間のコヒーレンスが改善される。
  論文  参考訳（メタデータ） (2022-03-02T04:20:59Z)
• HandsFormer: Keypoint Transformer for Monocular 3D Pose Estimation ofHands and Object in Interaction [33.661745138578596]
  単色画像からの密接な相互作用で両手の3次元ポーズを推定する頑健で正確な手法を提案する。 本手法は, 両手関節の電位2d位置をヒートマップの極値として抽出することから始まる。 これらの位置の外観と空間エンコーディングを変圧器への入力として使用し、注意メカニズムを利用して関節の正しい構成を整理します。
  論文  参考訳（メタデータ） (2021-04-29T20:19:20Z)
• Accurate 3D Hand Pose Estimation for Whole-Body 3D Human Mesh Estimation [70.23652933572647]
  全体3次元メッシュ推定は、3次元の人体、手、顔を同時に再構築することを目的としている。 我々はHand4Wholeを紹介します。 我々のHand4Wholeはエンドツーエンドで訓練されており、これまでの全身の3Dメッシュ推定方法よりもはるかに優れた3Dハンド結果を生成する。
  論文  参考訳（メタデータ） (2020-11-23T16:48:35Z)
• MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency [72.82534577726334]
  モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。 本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
  論文  参考訳（メタデータ） (2020-06-22T08:50:09Z)
• Fusing Wearable IMUs with Multi-View Images for Human Pose Estimation: A Geometric Approach [76.10879433430466]
  多視点画像と人手足に装着したIMUから3次元人間のポーズを推定する。 まず2つの信号から2Dのポーズを検出し、3D空間に持ち上げる。 単純な2段階のアプローチは、公開データセット上の大きなマージンによる最先端のエラーを低減する。
  論文  参考訳（メタデータ） (2020-03-25T00:26:54Z)

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。