論文の概要: Online Action Recognition for Human Risk Prediction with Anticipated Haptic Alert via Wearables

• arxiv url: http://arxiv.org/abs/2401.05365v1
• Date: Thu, 14 Dec 2023 14:53:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 08:57:25.901958
• Title: Online Action Recognition for Human Risk Prediction with Anticipated Haptic Alert via Wearables
• Title（参考訳）: ウェアラブルによるハプティックアラートによるリスク予測のためのオンライン行動認識
• Authors: Cheng Guo (1 and 2), Lorenzo Rapetti (1), Kourosh Darvish (3), Riccardo Grieco (1), Francesco Draicchio (4), Daniele Pucci (1 and 2) ((1) Istituto Italiano di Tecnologia, (2) University of Manchester, (3) University of Toronto, (4) INAIL)
• Abstract要約: 本稿では,オンライン状態推定,行動認識,行動予測を組み合わせたフレームワークを提案する。 ウェアラブルシステムに組み込まれた触覚アクチュエータは、潜在的なリスクを警告し、アクティブな予防装置として機能する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a framework that combines online human state estimation, action recognition and motion prediction to enable early assessment and prevention of worker biomechanical risk during lifting tasks. The framework leverages the NIOSH index to perform online risk assessment, thus fitting real-time applications. In particular, the human state is retrieved via inverse kinematics/dynamics algorithms from wearable sensor data. Human action recognition and motion prediction are achieved by implementing an LSTM-based Guided Mixture of Experts architecture, which is trained offline and inferred online. With the recognized actions, a single lifting activity is divided into a series of continuous movements and the Revised NIOSH Lifting Equation can be applied for risk assessment. Moreover, the predicted motions enable anticipation of future risks. A haptic actuator, embedded in the wearable system, can alert the subject of potential risk, acting as an active prevention device. The performance of the proposed framework is validated by executing real lifting tasks, while the subject is equipped with the iFeel wearable system.
• Abstract（参考訳）: 本稿では,作業中のバイオメカニカルリスクの早期評価と防止を可能にするために,オンライン人間状態推定,行動認識,行動予測を組み合わせたフレームワークを提案する。 このフレームワークはNIOSHインデックスを利用してオンラインリスク評価を行い、リアルタイムアプリケーションに適合する。 特に、人間の状態は、ウェアラブルセンサーデータから逆運動学/力学アルゴリズムによって検索される。 人間の行動認識と動作予測は、LSTMベースのガイドミキサー・オブ・エキスパートアーキテクチャを実装することで達成される。 認識された動作では、単一のリフト活動が一連の連続運動に分割され、修正NIOSHリフティング方程式がリスク評価に適用できる。 さらに、予測された動きは将来のリスクを予測できる。 ウェアラブルシステムに組み込まれた触覚アクチュエータは、潜在的なリスクを警告し、アクティブな予防装置として機能する。 提案フレームワークの性能は実際の昇降タスクの実行によって検証されるが, 被験者はifeelウェアラブルシステムを備えている。

関連論文リスト

• A Real-time Evaluation Framework for Pedestrian's Potential Risk at Non-Signalized Intersections Based on Predicted Post-Encroachment Time [1.0124625066746595]
  本研究では,歩行者の潜在的なリスクをリアルタイムに評価するために,コンピュータビジョン技術と予測モデルを用いたフレームワークを開発した。 P-PET(Predicted Post-Encroachment Time)は、交差点で歩行者や車両が到着する時刻を予測できるディープラーニングモデルから派生した、予測後時間(Predicted Post-Encroachment Time)である。
  論文  参考訳（メタデータ） (2024-04-24T04:10:05Z)
• Learning Risk-Aware Quadrupedal Locomotion using Distributional Reinforcement Learning [12.156082576280955]
  危険環境への展開には、ロボットが事故を防ぐための行動や動きに関連するリスクを理解する必要がある。 本稿では,分散強化学習を用いたリスクセンシティブな移動訓練手法を提案する。 シミュレーションおよび四足歩行ロボットANYmalにおいて,突発的リスクに敏感な移動行動を示す。
  論文  参考訳（メタデータ） (2023-09-25T16:05:32Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Automated Workers Ergonomic Risk Assessment in Manual Material Handling using sEMG Wearable Sensors and Machine Learning [0.0]
  本稿では, 表面筋電図(EMG)ベースのシステムと機械学習アルゴリズムを併用して, 物質処理時の筋肉を害する身体の動きを自動的に検出する能力について検討する。 NIOSHリフト方程式に基づいて計算されたリスク評価を分類するために、決定木、支援ベクトルマシン、K-Nearest Neighbor、ランダムフォレストという4つの異なる機械学習モデルを開発した。 その結果、決定木モデルはリスクレベルを99.35%の精度で予測できる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-09-27T22:54:35Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• Inter-Homines: Distance-Based Risk Estimation for Human Safety [44.266630835933434]
  本システムは,ビデオストリームの分析により,監視領域における感染リスクをリアルタイムに評価する。 3D空間の人々を特定でき、距離を計算し、リスクレベルを予測することができる。 インターホーマインは、屋内と屋外の両方で、公共と民間の混雑した地域で機能している。
  論文  参考訳（メタデータ） (2020-07-20T16:32:27Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。