論文の概要: Agent-based Modeling and Simulation of Human Muscle For Development of
Software to Analyze the Human Gait
- arxiv url: http://arxiv.org/abs/2212.12760v1
- Date: Sat, 24 Dec 2022 15:57:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 15:09:49.366924
- Title: Agent-based Modeling and Simulation of Human Muscle For Development of
Software to Analyze the Human Gait
- Title（参考訳）: エージェントによる人体筋のモデリングとシミュレーションによる歩行分析ソフトウェアの開発
- Authors: Sina Saadati, Mohammadreza Razzazi
- Abstract要約: 人体運動の分析に使用できる人体筋のエージェントモデルを提案する。
また、リバースエンジニアリングソリューションを用いて歩行周期における人間の筋肉の強度を計算する方法も考案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this research, we are about to present an agentbased model of human muscle
which can be used in analysis of human movement. As the model is designed based
on the physiological structure of the muscle, The simulation calculations would
be natural, and also, It can be possible to analyze human movement using
reverse engineering methods. The model is also a suitable choice to be used in
modern prostheses, because the calculation of the model is less than other
machine learning models such as artificial neural network algorithms and It
makes our algorithm battery-friendly. We will also devise a method that can
calculate the intensity of human muscle during gait cycle using a reverse
engineering solution. The algorithm called Boots is different from some
optimization methods, so It would be able to compute the activities of both
agonist and antagonist muscles in a joint. As a consequence, By having an
agent-based model of human muscle and Boots algorithm, We would be capable to
develop software that can calculate the nervous stimulation of human's lower
body muscle based on the angular displacement during gait cycle without using
painful methods like electromyography. By developing the application as
open-source software, We are hopeful to help researchers and physicians who are
studying in medical and biomechanical fields.
- Abstract（参考訳）: 本研究では,人間の運動の分析に使用できる筋のエージェントモデルを提案する。
このモデルは筋の生理学的構造に基づいて設計されているため、シミュレーション計算は自然であり、また逆工学的手法を用いて人間の運動を分析することも可能である。
モデルは、ニューラルネットワークアルゴリズムのような他の機械学習モデルよりも少ないので、現代の義肢で使用するのに適した選択であり、アルゴリズムがバッテリフレンドリーになる。
また、リバースエンジニアリングソリューションを用いて歩行周期における人間の筋肉の強度を計算する方法も考案する。
Bootsと呼ばれるアルゴリズムはいくつかの最適化方法とは異なるため、関節内のアゴニスト筋とアゴニスト筋の両方の活動を計算することができる。
その結果、人間の筋肉とブースのアルゴリズムをエージェントベースでモデル化することで、筋電図のような痛みを伴う手法を使わずに歩行周期中の角変位に基づいて人間の下肢筋の神経刺激を計算するソフトウェアを開発することができる。
このアプリケーションをオープンソースソフトウェアとして開発することで、医学やバイオメカニクスの分野で研究している研究者や医師を支援したいと考えています。
関連論文リスト
- Muscles in Time: Learning to Understand Human Motion by Simulating Muscle Activations [64.98299559470503]
マッスル・イン・タイム (MinT) は、大規模な人工筋肉活性化データセットである。
227名の被験者と402名の模擬筋骨格をカバーする9時間以上のシミュレーションデータを含んでいる。
ヒトのポーズ配列からニューラルネットワークを用いた筋活動量推定の結果を示す。
論文 参考訳（メタデータ） (2024-10-31T18:28:53Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - Self Model for Embodied Intelligence: Modeling Full-Body Human Musculoskeletal System and Locomotion Control with Hierarchical Low-Dimensional Representation [22.925312305575183]
筋骨格モデル(MS-Human-700)を90個の体節,206個の関節,700個の筋腱ユニットで構築した。
低次元表現と階層的深部強化学習を用いた新しいアルゴリズムを開発し、最先端のフルボディ制御を実現する。
論文 参考訳（メタデータ） (2023-12-09T05:42:32Z) - Muscles in Action [22.482090207522358]
筋活動を人間の動作表現に組み込むための新しいデータセットである筋行動データセット(MIA)を提示する。
我々は、ビデオから筋の活性化を予測する双方向表現を学び、逆に、筋の活性化から動きを再構築する。
筋肉をコンピュータービジョンシステムに組み込むことで、スポーツ、フィットネス、AR/VRといった仮想人間のよりリッチなモデルが可能になる。
論文 参考訳（メタデータ） (2022-12-05T16:47:09Z) - Skeleton2Humanoid: Animating Simulated Characters for
Physically-plausible Motion In-betweening [59.88594294676711]
現代の深層学習に基づく運動合成アプローチは、合成された運動の物理的妥当性をほとんど考慮していない。
テスト時に物理指向の動作補正を行うシステムSkeleton2Humanoid'を提案する。
挑戦的なLaFAN1データセットの実験は、物理的妥当性と精度の両方の観点から、我々のシステムが先行手法を著しく上回っていることを示している。
論文 参考訳（メタデータ） (2022-10-09T16:15:34Z) - Neural Language Models are not Born Equal to Fit Brain Data, but
Training Helps [75.84770193489639]
音声ブックを聴く被験者の機能的磁気共鳴イメージングの時間軸予測に及ぼすテスト損失,トレーニングコーパス,モデルアーキテクチャの影響について検討した。
各モデルの訓練されていないバージョンは、同じ単語をまたいだ脳反応の類似性を捉えることで、脳内のかなりの量のシグナルをすでに説明していることがわかりました。
ニューラル言語モデルを用いたヒューマン・ランゲージ・システムの説明を目的とした今後の研究の実践を提案する。
論文 参考訳（メタデータ） (2022-07-07T15:37:17Z) - From Motion to Muscle [0.0]
筋活動は, 位置, 速度, 加速度などの運動特徴に基づいて人工的に生成できることを示す。
このモデルは、以前に訓練された運動に対して顕著な精度を達成し、これまで訓練されていない新しい運動に対して非常に高い精度を維持している。
論文 参考訳（メタデータ） (2022-01-27T13:30:17Z) - LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human
Bodies [78.17425779503047]
本稿では,人体に対する新しい暗黙の表現法を提案する。
完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。
我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
論文 参考訳（メタデータ） (2021-11-30T04:10:57Z) - Learning Control Policies for Imitating Human Gaits [2.28438857884398]
人間はウォーキング、ランニング、ジャンプといった運動を最も効率的な方法で行っており、このプロジェクトの動機の源となっている。
骨格と筋骨格の人間モデルは,矢状面の運動に対して考慮された。
モデルフリー強化学習アルゴリズムは、逆ダイナミクス制御動作の最適化に用いられた。
論文 参考訳（メタデータ） (2021-05-15T16:33:24Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z) - Reinforcement Learning of Musculoskeletal Control from Functional
Simulations [3.94716580540538]
本研究は、深部強化学習(DRL)に基づく逆動力学制御器を用いて、人間の肩の生体力学的モデルによる筋活動の制御を訓練する。
その結果,無作為に発生する角軌道に追従する作業に対して,肩下降の単一軸運動制御を行うことができた。
論文 参考訳（メタデータ） (2020-07-13T20:20:01Z)
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。