論文の概要: Autonomous Quilt Spreading for Caregiving Robots

• arxiv url: http://arxiv.org/abs/2405.15373v1
• Date: Fri, 24 May 2024 09:11:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-27 15:11:32.801068
• Title: Autonomous Quilt Spreading for Caregiving Robots
• Title（参考訳）: 介護ロボットのための自律的なクイットスプレッド
• Authors: Yuchun Guo, Zhiqing Lu, Yanling Zhou, Xin Jiang,
• Abstract要約: 睡眠中のキルトを故意に消耗させる乳児を迅速かつ正確に再発見するための新しい戦略を提案する。 我々のアプローチは、干渉分解能とキルト拡散の2つのステップに定式化されている。
• 参考スコア（独自算出の注目度）: 13.312352507255781
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we propose a novel strategy to ensure infants, who inadvertently displace their quilts during sleep, are promptly and accurately re-covered. Our approach is formulated into two subsequent steps: interference resolution and quilt spreading. By leveraging the DWPose human skeletal detection and the Segment Anything instance segmentation models, the proposed method can accurately recognize the states of the infant and the quilt over her, which involves addressing the interferences resulted from an infant's limbs laid on part of the quilt. Building upon prior research, the EM*D deep learning model is employed to forecast quilt state transitions before and after quilt spreading actions. To improve the sensitivity of the network in distinguishing state variation of the handled quilt, we introduce an enhanced loss function that translates the voxelized quilt state into a more representative one. Both simulation and real-world experiments validate the efficacy of our method, in spreading and recover a quilt over an infant.
• Abstract（参考訳）: 本研究では,睡眠中のキルトを故意に消耗させる乳児の早期かつ正確に再発見を確実にするための新しい戦略を提案する。 我々のアプローチは、干渉分解能とキルト拡散の2つのステップに定式化されている。 提案手法は,DWPoseヒト骨格検出モデルとSegment Anythingインスタンスセグメンテーションモデルを利用して,乳児の状態を正確に認識し,乳児の手足から生じる干渉に対処する。 事前の研究に基づいて、EM*D深層学習モデルを用いて、キルト拡散動作前後のキルト状態遷移を予測する。 処理されたキルトの状態変化を識別する際のネットワークの感度を向上させるため,ボキセル化キルト状態をより代表的なものに変換する改良された損失関数を導入する。 シミュレーションと実世界の実験の両方で,幼児にキルトを拡散し,回復させる方法の有効性が検証された。

関連論文リスト

• A Single Channel-Based Neonatal Sleep-Wake Classification using Hjorth Parameters and Improved Gradient Boosting [1.4947932134830437]
  本稿では,Hjorth特徴を有する単一チャネル勾配促進アルゴリズムを用いた新生児睡眠ステージ分類への新しいアプローチを提案する。 勾配上昇パラメータはランダムな探索クロスバリデーションを用いて微調整され、新生児睡眠覚醒分類では82.35%の精度が達成される。
  論文  参考訳（メタデータ） (2024-08-15T04:38:24Z)
• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Kolmogorov-Smirnov GAN [52.36633001046723]
  我々は、KSGAN(Kolmogorov-Smirnov Generative Adversarial Network)という新しい深層生成モデルを提案する。 既存のアプローチとは異なり、KSGANはKS距離の最小化として学習プロセスを定式化している。
  論文  参考訳（メタデータ） (2024-06-28T14:30:14Z)
• Denoising as Adaptation: Noise-Space Domain Adaptation for Image Restoration [64.84134880709625]
  拡散モデルを用いて,雑音空間を介して領域適応を行うことが可能であることを示す。 特に、補助的な条件入力が多段階の復調過程にどのように影響するかというユニークな性質を活用することにより、有意義な拡散損失を導出する。 拡散モデルにおけるチャネルシャッフル層や残留スワッピング型コントラスト学習などの重要な戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-26T17:40:30Z)
• AiOS: All-in-One-Stage Expressive Human Pose and Shape Estimation [55.179287851188036]
  人間のポーズと形状の復元のための新しいオールインワンステージフレームワークであるAiOSを、追加の人間検出ステップなしで導入する。 まず、画像中の人間の位置を探索し、各インスタンスのグローバルな機能をエンコードするために、人間のトークンを使用します。 そして、画像中の人間の関節を探索し、きめ細かい局所的特徴を符号化するジョイント関連トークンを導入する。
  論文  参考訳（メタデータ） (2024-03-26T17:59:23Z)
• Cross-Age and Cross-Site Domain Shift Impacts on Deep Learning-Based White Matter Fiber Estimation in Newborn and Baby Brains [7.037994233245839]
  乳児の微形態的発達の変動は、新生児と比較して、深層学習モデルのクロスエイジング性能に直接影響を及ぼすことを示した。 少数の対象ドメインサンプルは、ドメインシフト問題を著しく軽減することができる。
  論文  参考訳（メタデータ） (2023-12-22T15:39:37Z)
• STAR Loss: Reducing Semantic Ambiguity in Facial Landmark Detection [80.04000067312428]
  本稿では,意味的あいまいさの特性を利用した自己適応型あいまいさ低減(STAR)の損失を提案する。 意味的あいまいさは異方性予測分布をもたらすことが分かり、予測分布を用いて意味的あいまいさを表現する。 また,分布の異常変化とモデルの初期収束を回避できる2種類の固有値制限法を提案する。
  論文  参考訳（メタデータ） (2023-06-05T10:33:25Z)
• BabyNet: A Lightweight Network for Infant Reaching Action Recognition in Unconstrained Environments to Support Future Pediatric Rehabilitation Applications [5.4771139749266435]
  動作認識は、ウェアラブルロボット外骨格のような物理的リハビリテーション装置の自律性を改善する重要な要素である。 本稿では,生体外静止カメラから幼児の到達行動を認識する軽量ネットワーク構造であるBabyNetを紹介する。
  論文  参考訳（メタデータ） (2022-08-09T07:38:36Z)
• SleepTransformer: Automatic Sleep Staging with Interpretability and Uncertainty Quantification [19.51641720686276]
  ブラックボックス懐疑論は、深層学習に基づく自動睡眠スコアが臨床環境で使用されることを妨げる主要な障害の1つである。 本研究は、シーケンシャル・ツー・シークエンス・スリープ・ステーティング・モデル、すなわちSleepTransformerを提案する。 これは、自己アテンションスコアが、エポックとシークエンスの両方のレベルでモデルの決定の解釈可能性を提供するトランスフォーマーバックボーンに基づいている。
  論文  参考訳（メタデータ） (2021-05-23T23:30:58Z)
• Learning Surrogates via Deep Embedding [35.09342657626646]
  本稿では,目標評価基準を近似した代理損失を最小限に抑え,ニューラルネットワークのトレーニング手法を提案する。 認識タスクでは、編集距離メートル法を近似したサロゲートを用いてモデルを調整し、編集距離の相対的な改善を39%以上達成する。 検出タスクでは、サロゲートは回転した有界箱のユニオン計量の交叉を近似し、F_1$スコアにおいて最大4.25%の相対的な改善をもたらす。
  論文  参考訳（メタデータ） (2020-07-01T22:55:41Z)
• Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
  我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。 ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。 我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
  論文  参考訳（メタデータ） (2020-06-19T12:00:05Z)

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。