論文の概要: Data-Driven Ergonomic Risk Assessment of Complex Hand-intensive
Manufacturing Processes
- arxiv url: http://arxiv.org/abs/2403.05591v1
- Date: Tue, 5 Mar 2024 23:32:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 13:09:56.185389
- Title: Data-Driven Ergonomic Risk Assessment of Complex Hand-intensive
Manufacturing Processes
- Title（参考訳）: 複雑な手強い製造プロセスにおけるデータ駆動型エルゴノミクスリスク評価
- Authors: Anand Krishnan, Xingjian Yang, Utsav Seth, Jonathan M. Jeyachandran,
Jonathan Y. Ahn, Richard Gardner, Samuel F. Pedigo, Adriana (Agnes)
Blom-Schieber, Ashis G. Banerjee, Krithika Manohar
- Abstract要約: 手強い製造プロセスは、タスクの複雑さに対処するために、人間の器用さをかなり必要とします。
これらの激しい手の動きは、しばしば筋骨格障害やリハビリテーション手術につながる。
我々は,手強い製造プロセスに関連する人間工学的問題を特定し,対処するためのデータ駆動型人間工学的リスクアセスメントシステムを開発した。
- 参考スコア（独自算出の注目度）: 1.5837588732514762
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hand-intensive manufacturing processes, such as composite layup and textile
draping, require significant human dexterity to accommodate task complexity.
These strenuous hand motions often lead to musculoskeletal disorders and
rehabilitation surgeries. We develop a data-driven ergonomic risk assessment
system with a special focus on hand and finger activity to better identify and
address ergonomic issues related to hand-intensive manufacturing processes. The
system comprises a multi-modal sensor testbed to collect and synchronize
operator upper body pose, hand pose and applied forces; a Biometric Assessment
of Complete Hand (BACH) formulation to measure high-fidelity hand and finger
risks; and industry-standard risk scores associated with upper body posture,
RULA, and hand activity, HAL. Our findings demonstrate that BACH captures
injurious activity with a higher granularity in comparison to the existing
metrics. Machine learning models are also used to automate RULA and HAL
scoring, and generalize well to unseen participants. Our assessment system,
therefore, provides ergonomic interpretability of the manufacturing processes
studied, and could be used to mitigate risks through minor workplace
optimization and posture corrections.
- Abstract（参考訳）: 複合的なレイアップや織物のドッピングのような手作業による製造プロセスは、作業の複雑さに対応するためにかなりの人為的なデキスタリティを必要とする。
これらの激しい手の動きは、しばしば筋骨格障害やリハビリテーション手術につながる。
本研究では,手指活動に特化したデータ駆動エルゴノミクスリスクアセスメントシステムを開発し,手指集中型製造プロセスに関連するエルゴノミクス問題を識別・対処する。
本システムは、操作者上半身ポーズ、手ポーズ、応用力の収集及び同期を行うマルチモーダルセンサーテストベッドと、高忠実度手指リスクを測定する完全手(BACH)のバイオメトリックアセスメントと、上半身姿勢、RULA、手の活動に関連する業界標準リスクスコアとを備える。
以上の結果より, BACHは既存の指標と比較して, より粒度の高い損傷活性を捉えていることが明らかとなった。
機械学習モデルは、RULAとHALスコアの自動化や、見えない参加者への一般化にも使用される。
したがって,本評価システムは,研究した製造工程の人間工学的解釈可能性を提供し,小規模作業場の最適化と姿勢調整によるリスク軽減に有用である。
関連論文リスト
- The Role of Functional Muscle Networks in Improving Hand Gesture Perception for Human-Machine Interfaces [2.367412330421982]
表面筋電図(sEMG)はその豊富な情報コンテキストとアクセシビリティのために研究されている。
本稿では,個々の筋活性化ではなく,筋同期の復号化を提案する。
85.1%の精度を実現し、既存の手法に比べて性能が向上した。
論文 参考訳（メタデータ） (2024-08-05T15:17:34Z) - Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
本稿では,人間とロボットの協調学習システムについて紹介する。
これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。
これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
論文 参考訳（メタデータ） (2024-06-29T03:37:29Z) - 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) - Offline Risk-sensitive RL with Partial Observability to Enhance
Performance in Human-Robot Teaming [1.3980986259786223]
本稿では,モデルの不確実性を取り入れ,リスクに敏感なシーケンシャルな意思決定を可能にする手法を提案する。
シミュレーションロボット遠隔操作環境において,26名の被験者を対象に実験を行った。
論文 参考訳（メタデータ） (2024-02-08T14:27:34Z) - Self-supervised Optimization of Hand Pose Estimation using Anatomical
Features and Iterative Learning [4.698846136465861]
本稿では,人的相互作用が最小限である特定のユースケースに手振り推定を適用するための自己教師付きパイプラインを提案する。
このパイプラインは、汎用データセットでトレーニングされた手振り推定のための一般的な機械学習モデルで構成されている。
パイプラインの有効性は、手動のアセンブリシナリオにおいて、下流タスクとしてアクティビティ認識をトレーニングすることで実証される。
論文 参考訳（メタデータ） (2023-07-06T14:13:11Z) - On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。
得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。
このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文 参考訳（メタデータ） (2022-09-20T11:23:51Z) - Computational ergonomics for task delegation in Human-Robot
Collaboration: spatiotemporal adaptation of the robot to the human through
contactless gesture recognition [0.0]
本稿では,人間工学的に有効なタスクデリゲートとヒューマン・ヒューマン・コラボレーション(HRC)の2つの仮説を提案する。
第1の仮説では、縮小されたセンサー群からのモーションデータを用いて人間工学的なタスクを定量化することが可能である。
第2の仮説は、ジェスチャー認識と空間適応を含めることで、不要な動きを避けることで、HRCシナリオのエルゴノミクスを改善することができるというものである。
論文 参考訳（メタデータ） (2022-03-21T14:23:00Z) - 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) - Interpretable Hyperspectral AI: When Non-Convex Modeling meets
Hyperspectral Remote Sensing [57.52865154829273]
ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。
過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。
このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
論文 参考訳（メタデータ） (2021-03-02T03:32:10Z) - Evaluating the Safety of Deep Reinforcement Learning Models using
Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。
本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。
提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文 参考訳（メタデータ） (2020-10-19T11:18:06Z) - Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。
このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-01T05:23:34Z)
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。