論文の概要: Joint Action is a Framework for Understanding Partnerships Between
Humans and Upper Limb Prostheses
- arxiv url: http://arxiv.org/abs/2212.14124v1
- Date: Wed, 28 Dec 2022 23:27:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 17:25:17.382115
- Title: Joint Action is a Framework for Understanding Partnerships Between
Humans and Upper Limb Prostheses
- Title（参考訳）: 人間と上肢の人工装具の連携を理解するための共同行動フレームワーク
- Authors: Michael R. Dawson, Adam S. R. Parker, Heather E. Williams, Ahmed W.
Shehata, Jacqueline S. Hebert, Craig S. Chapman, Patrick M. Pilarski
- Abstract要約: 本研究は, 各種補綴器(逐次切替, パターン認識, 適応切換)を関節動作の指標として比較する。
比較の結果、既存の筋電系が相互にどのように関連しているかを理解するための新たな視点が導かれる。
- 参考スコア（独自算出の注目度）: 0.6649973446180738
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in upper limb prostheses have led to significant improvements
in the number of movements provided by the robotic limb. However, the method
for controlling multiple degrees of freedom via user-generated signals remains
challenging. To address this issue, various machine learning controllers have
been developed to better predict movement intent. As these controllers become
more intelligent and take on more autonomy in the system, the traditional
approach of representing the human-machine interface as a human controlling a
tool becomes limiting. One possible approach to improve the understanding of
these interfaces is to model them as collaborative, multi-agent systems through
the lens of joint action. The field of joint action has been commonly applied
to two human partners who are trying to work jointly together to achieve a
task, such as singing or moving a table together, by effecting coordinated
change in their shared environment. In this work, we compare different
prosthesis controllers (proportional electromyography with sequential
switching, pattern recognition, and adaptive switching) in terms of how they
present the hallmarks of joint action. The results of the comparison lead to a
new perspective for understanding how existing myoelectric systems relate to
each other, along with recommendations for how to improve these systems by
increasing the collaborative communication between each partner.
- Abstract（参考訳）: 近年, 上肢補綴の進歩により, ロボット義肢の運動量が大幅に改善した。
しかし,ユーザ生成信号による自由度制御は依然として困難である。
この問題に対処するために、動き意図を予測するために様々な機械学習コントローラが開発されている。
これらのコントローラがよりインテリジェントになり、システムの自律性が向上するにつれて、人間と機械のインターフェースをツールとして表現するという従来のアプローチは制限される。
これらのインタフェースの理解を改善するための1つの可能なアプローチは、ジョイントアクションのレンズを通して協調的なマルチエージェントシステムとしてモデル化することである。
共同行動の分野は、共通の環境における協調的な変化によって、歌唱やテーブルの移動といったタスクを達成するために共同作業を行っている2人の人間パートナーに広く適用されてきた。
そこで本研究では, 異なる人工装具制御器(筋電図, 逐次切替, パターン認識, 適応切替)を比較し, 関節動作の特徴を提示する方法について検討した。
比較の結果、既存の筋電システムの相互関係を理解するための新たな視点と、各パートナー間のコラボレーティブなコミュニケーションを増加させることで、これらのシステムを改善する方法についての提言が得られた。
関連論文リスト
- Two-Person Interaction Augmentation with Skeleton Priors [16.65884142618145]
本稿では,2体インタラクション運動増強のための新しい深層学習法を提案する。
我々のシステムは比較的少量のデータから効果的に学習でき、骨格サイズが大幅に異なるように一般化できる。
論文 参考訳（メタデータ） (2024-04-08T13:11:57Z) - Learning Mutual Excitation for Hand-to-Hand and Human-to-Human
Interaction Recognition [22.538114033191313]
相互励起グラフ畳み込み層を積み重ねた相互励起グラフ畳み込みネットワーク(me-GCN)を提案する。
Me-GCは各レイヤとグラフ畳み込み操作の各ステージで相互情報を学習する。
提案するme-GCは,最先端GCN法およびTransformer法より優れている。
論文 参考訳（メタデータ） (2024-02-04T10:00:00Z) - InterControl: Zero-shot Human Interaction Generation by Controlling Every Joint [67.6297384588837]
関節間の所望距離を維持するために,新しい制御可能な運動生成手法であるInterControlを導入する。
そこで本研究では,既成の大規模言語モデルを用いて,ヒューマンインタラクションのための結合ペア間の距離を生成できることを実証した。
論文 参考訳（メタデータ） (2023-11-27T14:32:33Z) - Persistent-Transient Duality: A Multi-mechanism Approach for Modeling
Human-Object Interaction [58.67761673662716]
人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。
人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。
本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
論文 参考訳（メタデータ） (2023-07-24T12:21:33Z) - InterGen: Diffusion-based Multi-human Motion Generation under Complex Interactions [49.097973114627344]
動作拡散プロセスに人間と人間の相互作用を組み込んだ効果的な拡散ベースアプローチであるInterGenを提案する。
我々はまず、InterHumanという名前のマルチモーダルデータセットをコントリビュートする。これは、様々な2人インタラクションのための約107Mフレームで構成され、正確な骨格運動と23,337の自然言語記述を持つ。
本稿では,世界規模での2人のパフォーマーのグローバルな関係を明示的に定式化した対話拡散モデルにおける動作入力の表現を提案する。
論文 参考訳（メタデータ） (2023-04-12T08:12:29Z) - Multi-robot Social-aware Cooperative Planning in Pedestrian Environments
Using Multi-agent Reinforcement Learning [2.7716102039510564]
我々は、非政治的マルチエージェント強化学習(MARL)に基づく、新しいマルチロボット・ソーシャル・アウェア・効率的な協調プランナーを提案する。
我々は、時間空間グラフ(TSG)に基づくソーシャルエンコーダを採用し、その視野における各ロボットと歩行者の社会的関係の重要性をよりよく抽出する。
論文 参考訳（メタデータ） (2022-11-29T03:38:47Z) - Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。
チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
論文 参考訳（メタデータ） (2022-10-17T07:16:44Z) - COUCH: Towards Controllable Human-Chair Interactions [44.66450508317131]
物体上の異なる接触位置を条件としたシーン相互作用の合成問題について検討する。
手の接触認識制御信号を予測して動きを先導する新しい合成フレームワークCOUCHを提案する。
本手法は,既存の人間と物体の相互作用法に比べて,定量的,定性的な改善を示す。
論文 参考訳（メタデータ） (2022-05-01T19:14:22Z) - Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。
入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。
実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
論文 参考訳（メタデータ） (2021-09-15T17:05:02Z)
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。