論文の概要: Agent-based Modeling and Simulation of Human Muscle For Development of
Human Gait Analyzer Application
- arxiv url: http://arxiv.org/abs/2212.12760v2
- Date: Tue, 5 Mar 2024 14:26:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 04:10:20.506284
- Title: Agent-based Modeling and Simulation of Human Muscle For Development of
Human Gait Analyzer Application
- Title（参考訳）: エージェントを用いたヒト歩行分析装置の開発のための人筋のモデリングとシミュレーション
- Authors: Sina Saadati, Mohammadreza Razzazi
- Abstract要約: この応用は、臨床の専門家が健康な筋肉と不健康な筋肉を区別するために使用できる。
Bootsアルゴリズムは、人間の動作の逆ダイナミクスを行うために、人間の下半身の生体力学的モデルに基づいて設計されている。
- 参考スコア（独自算出の注目度）: 1.0878040851638
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Despite the fact that only a small portion of muscles are affected in motion
disease and disorders, medical therapies do not distinguish between healthy and
unhealthy muscles. In this paper, a method is devised in order to calculate the
neural stimuli of the lower body during gait cycle and check if any group of
muscles are not acting properly. For this reason, an agent-based model of human
muscle is proposed. The agent is able to convert neural stimuli to force
generated by the muscle and vice versa. It can be used in many researches
including medical education and research and prosthesis development. Then,
Boots algorithm is designed based on a biomechanical model of human lower body
to do a reverse dynamics of human motion by computing the forces generated by
each muscle group. Using the agent-driven model of human muscle and boots
algorithm, a user-friendly application is developed which can calculate the
number of neural stimuli received by each muscle during gait cycle. The
application can be used by clinical experts to distinguish between healthy and
unhealthy muscles.
- Abstract（参考訳）: 運動障害や障害の影響を受ける筋肉はごく一部に過ぎないが、健康な筋肉と不健康な筋肉は医療療法によって区別されない。
本稿では,歩行周期中に下肢の神経刺激を計算し,筋肉群が正常に動作していないかどうかを確認する方法を提案する。
このため,ヒト筋肉のエージェントモデルが提案されている。
この剤は、筋肉によって生じる力に神経刺激を変換することができ、その逆も可能である。
医学教育、研究、人工装具開発など多くの研究に利用することができる。
ブートスアルゴリズムは、人体の生体力学的モデルに基づいて設計され、各筋肉群によって生成された力を計算し、人間の運動の逆ダイナミクスを行う。
ヒトの筋肉・ブーツ・アルゴリズムのエージェント駆動モデルを用いて、歩行周期中に各筋が受ける神経刺激の数を算出できるユーザフレンドリーなアプリケーションを開発した。
この応用は臨床の専門家が健康な筋肉と不健康な筋肉を区別するために利用できる。
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。