論文の概要: A Data-driven Recommendation Framework for Optimal Walker Designs
- arxiv url: http://arxiv.org/abs/2310.18772v1
- Date: Sat, 28 Oct 2023 18:04:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-31 16:44:49.005560
- Title: A Data-driven Recommendation Framework for Optimal Walker Designs
- Title（参考訳）: 最適歩行設計のためのデータ駆動型レコメンデーションフレームワーク
- Authors: Advaith Narayanan
- Abstract要約: 本稿では,統計モデルと機械学習を利用して医療用歩行器を最適化することに焦点を当てる。
歩行者の望ましい特性を達成するために,予測機械学習モデルを訓練し,パフォーマンス目標間のトレードオフを識別する。
本稿では,構造安定性と整合性を高めつつ,30%の質量減少を示す潜在的な歩行設計を提案する。
- 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: The rapidly advancing fields of statistical modeling and machine learning
have significantly enhanced data-driven design and optimization. This paper
focuses on leveraging these design algorithms to optimize a medical walker, an
integral part of gait rehabilitation and physiological therapy of the lower
extremities. To achieve the desirable qualities of a walker, we train a
predictive machine-learning model to identify trade-offs between performance
objectives, thus enabling the use of efficient optimization algorithms. To do
this, we use an Automated Machine Learning model utilizing a stacked-ensemble
approach shown to outperform traditional ML models. However, training a
predictive model requires vast amounts of data for accuracy. Due to limited
publicly available walker designs, this paper presents a dataset of more than
5,000 parametric walker designs with performance values to assess mass,
structural integrity, and stability. These performance values include
displacement vectors for the given load case, stress coefficients, mass, and
other physical properties. We also introduce a novel method of systematically
calculating the stability index of a walker. We use MultiObjective
Counterfactuals for Design (MCD), a novel genetic-based optimization algorithm,
to explore the diverse 16-dimensional design space and search for
high-performing designs based on numerous objectives. This paper presents
potential walker designs that demonstrate up to a 30% mass reduction while
increasing structural stability and integrity. This work takes a step toward
the improved development of assistive mobility devices.
- Abstract（参考訳）: 統計モデリングと機械学習の急速に進歩する分野は、データ駆動設計と最適化を大幅に強化した。
本稿では,下肢の歩行リハビリテーションと生理的治療の不可欠な部分であるメディカルウォーカーの最適化にこれらの設計アルゴリズムを活用することに焦点を当てる。
歩行者の望ましい特性を達成するため,性能目標間のトレードオフを特定するために予測機械学習モデルを訓練し,効率的な最適化アルゴリズムを実現する。
これを実現するために、従来のmlモデルよりも優れるスタックダンブルアプローチを利用した、自動化された機械学習モデルを使用する。
しかし、予測モデルのトレーニングには大量のデータが必要である。
公に利用可能なウォーカー設計のため、本論文は質量、構造的完全性、安定性を評価するための性能値を持つ5000以上のパラメトリックウォーカー設計のデータセットを提案する。
これらの性能値は、与えられた負荷ケースに対する変位ベクトル、応力係数、質量、その他の物理的性質を含む。
また,歩行者の安定性指標を体系的に計算する新しい手法を提案する。
我々は,新しい遺伝的アルゴリズムであるMultiObjective Counterfactuals for Design (MCD) を用いて,多様な16次元デザイン空間を探索し,多目的に基づく高性能デザインの探索を行う。
本稿では,構造安定性と整合性を高めつつ,30%の質量減少を示す潜在的な歩行設計を提案する。
この研究は、補助移動装置の開発改善に向けた一歩を踏み出した。
関連論文リスト
- Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
我々は、MBOタスクの構造を学習し、経験的に改良された設計につながるモデルを開発する。
我々はCliqueformerを、高次元のブラックボックス機能から、化学・遺伝設計の現実的なタスクまで、様々なタスクで評価する。
論文 参考訳（メタデータ） (2024-10-17T00:35:47Z) - Vehicle Suspension Recommendation System: Multi-Fidelity Neural Network-based Mechanism Design Optimization [4.038368925548051]
自動車のサスペンションは運転性能と乗り心地を改善するように設計されているが、環境によって異なる種類が利用できる。
従来の設計プロセスは多段階であり、設計候補の数を徐々に減らし、目標性能を満たすためにコスト分析を行う。
近年、AIモデルはFAAの計算コストの削減に利用されている。
論文 参考訳（メタデータ） (2024-10-03T23:54:03Z) - Efficient Human Pose Estimation: Leveraging Advanced Techniques with MediaPipe [5.439359582541082]
本研究では,MediaPipeフレームワークを用いた人間のポーズ推定の大幅な向上について述べる。
この研究は精度、計算効率、リアルタイム処理能力の改善に焦点を当てている。
この進歩は、拡張現実、スポーツ分析、ヘルスケアに幅広く応用されている。
論文 参考訳（メタデータ） (2024-06-21T21:00:45Z) - Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。
本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。
提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
論文 参考訳（メタデータ） (2024-03-20T00:41:12Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳（メタデータ） (2023-11-06T00:21:44Z) - Aligning Optimization Trajectories with Diffusion Models for Constrained
Design Generation [17.164961143132473]
本稿では,拡散モデルのサンプリング軌跡と従来の物理法に基づく最適化軌跡との整合性を示す学習フレームワークを提案する。
提案手法では,高コストプリプロセッシングや外部サロゲートモデル,ラベル付きデータの追加を必要とせずに,実用的で高性能な設計を2段階で生成することができる。
この結果から, TAは分布内構成における最先端の深層生成モデルより優れ, 推論計算コストを半減することがわかった。
論文 参考訳（メタデータ） (2023-05-29T09:16:07Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。
実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-10-07T02:12:34Z) - Conservative Objective Models for Effective Offline Model-Based
Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。
本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。
COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文 参考訳（メタデータ） (2021-07-14T17:55:28Z) - Sample-Efficient Optimization in the Latent Space of Deep Generative
Models via Weighted Retraining [1.5293427903448025]
深部生成モデルから学習した低次元連続潜伏多様体の最適化を行う,効率的なブラックボックス最適化のための改良手法を提案する。
最適化軌道に沿ってクエリされたデータポイントの生成モデルを定期的に再学習し、目的関数値に応じてこれらのデータポイントを重み付けすることで、これを実現する。
この重み付けされたリトレーニングは既存の手法で容易に実装でき、合成および実世界の最適化問題において、その効率と性能を著しく向上することが実証的に示されている。
論文 参考訳（メタデータ） (2020-06-16T14:34:40Z)
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。