論文の概要: Ego-perspective enhanced fitness training experience of AR Try to Move
game
- arxiv url: http://arxiv.org/abs/2310.13698v1
- Date: Tue, 26 Sep 2023 08:34:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-29 16:13:40.436515
- Title: Ego-perspective enhanced fitness training experience of AR Try to Move
game
- Title(参考訳): AR Try to Moveゲームにおけるエゴ-パースペクティブ強化フィットネストレーニング体験
- Authors: Chongyu Zhang
- Abstract要約: この研究は、AR Try to Moveゲームと畳み込みニューラルネットワーク(CNN)を提供することを目的としている。
ユーザーは、より有効で便利な遠隔トレーニングを通じて、上肢筋システムを強化するインセンティブを得ている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: AR, a recent emerging technology, has been widely used in entertainment to
provide users with immersive, interactive, and, sometimes, engaging
experiences. The process of rehabilitation treatment and motor training process
is often boring, and it is well known that users' exercise efficiency is often
not as efficient as in a rehabilitation institution. Thus far, there is no
effective upper limb sports rehabilitation training game based on the
ego-perspective. Hence, with the objective of enhancing the enjoyment
experience in rehabilitation and more effective remote rehabilitation training,
this work aims to provide an AR Try to Move game and a convolutional neural
network (CNN) for identifying and classifying user gestures from a
self-collected AR multiple interactive gestures dataset. Utilizing an AR game
scoring system, users are incentivized to enhance their upper limb muscle
system through remote training with greater effectiveness and convenience.
- Abstract(参考訳): 最近の新興技術であるarは、エンタテインメントで広く使われ、没入型でインタラクティブで、時には魅力的な体験を提供する。
リハビリテーションのプロセスや運動訓練のプロセスは退屈なものが多く,運動効率はリハビリ施設ほど効率的ではないことがよく知られている。
これまでのところ、エゴ・パースペクティブに基づく上肢スポーツリハビリテーションの効果的なトレーニングゲームはない。
そこで本研究では,リハビリテーションにおける楽しみ体験の向上と,より効果的な遠隔リハビリテーショントレーニングを目的として,ゲームと畳み込みニューラルネットワーク(cnn)をarで提供し,ユーザジェスチャを自己収集したarマルチインタラクティブジェスチャデータセットから識別・分類することを目的としている。
arゲームスコアリングシステムを利用して、より有効性と利便性の高い遠隔トレーニングにより、ユーザは上肢筋システムを強化するインセンティブを与える。
関連論文リスト
- Cross-Modal Video to Body-joints Augmentation for Rehabilitation
Exercise Quality Assessment [3.544570529705401]
運動に基づくリハビリテーションプログラムは、生活の質を高め、死亡率と再入院を減らすことが示されている。
AIによる仮想リハビリテーションプログラムにより、患者は自宅で独立して運動を完了できる一方、AIアルゴリズムは運動データを分析して患者にフィードバックを与え、臨床医に進捗を報告することができる。
本稿では,RGBビデオを用いてリハビリテーション運動の質を評価するための新しいアプローチを提案する。また,連続したRGBビデオフレームから骨格体関節の配列を抽出し,多対一の連続ニューラルネットワークを用いて解析し,運動品質を評価する。
論文 参考訳(メタデータ) (2023-06-15T23:23:35Z) - Design, Development, and Evaluation of an Interactive Personalized
Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。
このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。
我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
論文 参考訳(メタデータ) (2023-05-12T17:37:04Z) - Neurorehab: An Interface for Rehabilitation [0.0]
反復運動は、脳の前頭前部認知制御系の頑健な可塑性のために運動障害のある人を助ける。
我々は,Kinect v2.0 と Unity 3D を用いた没入型ゲームデザインを用いて,脳コンピュータインタフェースの助けを借りて,神経リハビリテーションにおける反復的活動の役割について検討した。
論文 参考訳(メタデータ) (2023-01-26T06:28:45Z) - ReIL: A Framework for Reinforced Intervention-based Imitation Learning [3.0846824529023387]
Reinforced Intervention-based Learning (ReIL) は、一般的な介入に基づく学習アルゴリズムとマルチタスク模倣学習モデルからなるフレームワークである。
実世界の移動ロボットナビゲーションの課題による実験結果から、ReILは性能の劣化に悩まされることなく、緩やかな監督補正から素早く学習できることが示唆された。
論文 参考訳(メタデータ) (2022-03-29T09:30:26Z) - Advanced Skills through Multiple Adversarial Motion Priors in
Reinforcement Learning [10.445369597014533]
本稿では, 対向運動に基づく強化学習の概念を強化するためのアプローチを提案する。
複数のスタイルやスキルを,顕著なパフォーマンスの違いを伴わずに同時に学習できることが示される。
本手法は車輪付き四脚ロボットを用いた実世界実験で実証された。
論文 参考訳(メタデータ) (2022-03-23T09:24:06Z) - Improving Sample Efficiency of Value Based Models Using Attention and
Vision Transformers [52.30336730712544]
性能を犠牲にすることなくサンプル効率を向上させることを目的とした深層強化学習アーキテクチャを提案する。
状態表現の特徴マップ上の自己注意機構を変換器を用いて学習する視覚的注意モデルを提案する。
我々は,このアーキテクチャがいくつかのAtari環境におけるサンプルの複雑さを向上すると同時に,いくつかのゲームにおいて優れたパフォーマンスを実現することを実証的に実証した。
論文 参考訳(メタデータ) (2022-02-01T19:03:03Z) - Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy:
Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。
これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。
我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
論文 参考訳(メタデータ) (2021-06-15T22:06:39Z) - PEBBLE: Feedback-Efficient Interactive Reinforcement Learning via
Relabeling Experience and Unsupervised Pre-training [94.87393610927812]
我々は、フィードバックと非政治学習の両方の長所を生かした、非政治的、インタラクティブな強化学習アルゴリズムを提案する。
提案手法は,従来ヒト・イン・ザ・ループ法で検討されていたよりも複雑度の高いタスクを学習可能であることを実証する。
論文 参考訳(メタデータ) (2021-06-09T14:10:50Z) - UniCon: Universal Neural Controller For Physics-based Character Motion [70.45421551688332]
大規模動作データセットから学習することで,異なるスタイルで数千の動作を習得する物理ベースのユニバーサルニューラルコントローラ(UniCon)を提案する。
UniConは、キーボード駆動制御をサポートし、ロコモーションとアクロバティックスキルの大きなプールから引き出されたモーションシーケンスを作成し、ビデオで撮影した人を物理ベースの仮想アバターにテレポートする。
論文 参考訳(メタデータ) (2020-11-30T18:51:16Z) - Learning Agile Locomotion via Adversarial Training [59.03007947334165]
本稿では,四足歩行ロボット(主人公)が他のロボット(敵)を追いかけるのを学習し,後者が逃げることを学習するマルチエージェント学習システムを提案する。
この敵対的なトレーニングプロセスは、アジャイルの振る舞いを促進するだけでなく、退屈な環境設計の努力を効果的に軽減します。
1つの敵のみを使用した以前の作品とは対照的に、異なる逃走戦略を専門とする敵のアンサンブルを訓練することは、主人公がアジリティを習得するために不可欠である。
論文 参考訳(メタデータ) (2020-08-03T01:20:37Z)
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。