Fugu-MT 論文翻訳(概要): Continual Imitation Learning for Prosthetic Limbs

論文の概要: Continual Imitation Learning for Prosthetic Limbs

arxiv url: http://arxiv.org/abs/2405.01114v1
Date: Thu, 2 May 2024 09:22:54 GMT
ステータス: 処理完了
システム内更新日: 2024-05-03 17:13:51.753255
Title: Continual Imitation Learning for Prosthetic Limbs
Title（参考訳）: 義肢の連続的模倣学習
Authors: Sharmita Dey, Benjamin Paassen, Sarath Ravindran Nair, Sabri Boughorbel, Arndt F. Schilling,
Abstract要約: モーター付きバイオニック手足は約束を提供するが、その実用性は様々な環境での人間の運動の進化する相乗効果を模倣することに依存する。本稿では, カメラを用いたモーションキャプチャとウェアラブルセンサデータを活用したバイオニック補綴用アプリケーションの新しいモデルを提案する。本稿では,マルチタスク,継続的な適応,動きの予測,移動の洗練が可能なモデルを提案する。
参考スコア（独自算出の注目度）: 0.7922558880545526
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Lower limb amputations and neuromuscular impairments severely restrict mobility, necessitating advancements beyond conventional prosthetics. Motorized bionic limbs offer promise, but their utility depends on mimicking the evolving synergy of human movement in various settings. In this context, we present a novel model for bionic prostheses' application that leverages camera-based motion capture and wearable sensor data, to learn the synergistic coupling of the lower limbs during human locomotion, empowering it to infer the kinematic behavior of a missing lower limb across varied tasks, such as climbing inclines and stairs. We propose a model that can multitask, adapt continually, anticipate movements, and refine. The core of our method lies in an approach which we call -- multitask prospective rehearsal -- that anticipates and synthesizes future movements based on the previous prediction and employs a corrective mechanism for subsequent predictions. We design an evolving architecture that merges lightweight, task-specific modules on a shared backbone, ensuring both specificity and scalability. We empirically validate our model against various baselines using real-world human gait datasets, including experiments with transtibial amputees, which encompass a broad spectrum of locomotion tasks. The results show that our approach consistently outperforms baseline models, particularly under scenarios affected by distributional shifts, adversarial perturbations, and noise.
Abstract（参考訳）: 下肢切断と神経筋障害は運動性を著しく制限し、従来の義肢以上の進歩を必要とする。モーター付きバイオニック手足は約束を提供するが、その実用性は、様々な環境で人間の運動の進化する相乗効果を模倣することに依存する。そこで本研究では, カメラを用いたモーションキャプチャとウェアラブルセンサデータを活用するバイオニック義肢の新規な応用モデルを提案し, 人間の移動中の下肢の相乗的結合を学習し, 傾斜や階段を登るなどの様々な作業において, 下肢の運動的挙動を推測する能力を与える。本稿では,マルチタスク,継続的な適応,動きの予測,洗練が可能なモデルを提案する。提案手法のコアは,従来の予測に基づいて将来の動きを予測・合成し,その後の予測に補正機構を用いる,マルチタスク予測リハーサル(multitask prospective rehearsal)と呼ぶアプローチにある。私たちは、軽量でタスク固有のモジュールを共有バックボーンにマージし、特異性とスケーラビリティの両方を保証する進化したアーキテクチャを設計します。実世界の人間の歩行データを用いて,移動作業の幅広い範囲を網羅したトランスティバイアル・アンプを用いた実験を含む,様々なベースラインに対する我々のモデルの有効性を実証的に検証した。その結果,本手法はベースラインモデル,特に分布シフト,対向摂動,雑音の影響を受けやすいシナリオにおいて,一貫して性能が向上していることがわかった。

関連論文リスト

Enhancing Joint Motion Prediction for Individuals with Limb Loss Through Model Reprogramming [0.0]
手足の喪失による運動障害は、世界中の何百万人もの個人が直面している重要な課題である。人工装具などの高度な補助技術の開発は、切断者の生活の質を大幅に向上させる可能性がある。このような技術の設計において重要な要素は、行方不明肢の基準関節運動の正確な予測である。
論文参考訳（メタデータ） (2024-03-11T10:10:45Z)
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)
Learning Realistic Joint Space Boundaries for Range of Motion Analysis of Healthy and Impaired Human Arms [0.5530212768657544]
本研究では,現実的な解剖学的制約のある上層域の運動境界を,モーションキャプチャーデータから学習するためのデータ駆動手法を提案する。また,健常腕と障害腕の比較において,能力・障害の定量的評価を行う指標(II)を提案する。
論文参考訳（メタデータ） (2023-11-17T17:14:42Z)
TransFusion: A Practical and Effective Transformer-based Diffusion Model for 3D Human Motion Prediction [1.8923948104852863]
本研究では,3次元動作予測のための革新的で実用的な拡散モデルであるTransFusionを提案する。我々のモデルは、浅い層と深い層の間の長いスキップ接続を持つバックボーンとしてTransformerを活用している。クロスアテンションや適応層正規化のような余分なモジュールを利用する従来の拡散モデルとは対照的に、条件を含む全ての入力をトークンとして扱い、より軽量なモデルを作成する。
論文参考訳（メタデータ） (2023-07-30T01:52:07Z)
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)
Weakly-supervised Action Transition Learning for Stochastic Human Motion Prediction [81.94175022575966]
動作駆動型人間の動作予測の課題について紹介する。一連の動作ラベルと短い動作履歴から、複数の可算な将来の動作を予測することを目的としている。
論文参考訳（メタデータ） (2022-05-31T08:38:07Z)
Investigating Pose Representations and Motion Contexts Modeling for 3D Motion Prediction [63.62263239934777]
歴史的ポーズシーケンスから人間の動きを予測することは、機械が人間と知的な相互作用を成功させるために不可欠である。本研究では,様々なポーズ表現に関する詳細な研究を行い,その動作予測課題に対する効果に着目した。 AHMR(Attentive Hierarchical Motion Recurrent Network)と呼ばれる新しいRNNアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-12-30T10:45:22Z)
Learning a Shared Model for Motorized Prosthetic Joints to Predict Ankle-Joint Motion [0.0]
異なる移動モードにおける足首関節運動を予測する学習ベース共有モデルを提案する。共有モデルは,異なる移動モードの足首の角度やモーメントを,モードを明示的に分類することなく予測するのに適していることを示す。
論文参考訳（メタデータ） (2021-11-14T19:02:40Z)
Generating Smooth Pose Sequences for Diverse Human Motion Prediction [90.45823619796674]
本稿では,多様な動作予測と制御可能な動作予測のための統合された深部生成ネットワークを提案する。標準ベンチマークデータセットであるHuman3.6MとHumanEva-Iの2つの実験は、我々のアプローチがサンプルの多様性と精度の両方において最先端のベースラインより優れていることを示した。
論文参考訳（メタデータ） (2021-08-19T00:58:00Z)
Improving Human Motion Prediction Through Continual Learning [2.720960618356385]
人間の動作予測は、より緊密な人間とロボットのコラボレーションを可能にするために不可欠な要素である。人間の運動の変動は、人間のサイズの違いによる骨格レベルと、個々の動きの慣用性による運動レベルの両方で複合される。本稿では、エンドツーエンドのトレーニングを可能にすると同時に、微調整の柔軟性も備えたモジュール型シーケンス学習手法を提案する。
論文参考訳（メタデータ） (2021-07-01T15:34:41Z)
Social NCE: Contrastive Learning of Socially-aware Motion Representations [87.82126838588279]
実験結果から, 提案手法は最近の軌道予測, 行動クローニング, 強化学習アルゴリズムの衝突速度を劇的に低減することがわかった。本手法は,ニューラルネットワークの設計に関する仮定をほとんど示さないため,神経運動モデルのロバスト性を促進する汎用的手法として使用できる。
論文参考訳（メタデータ） (2020-12-21T22:25:06Z)

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。