Fugu-MT 論文翻訳(概要): Real-Time Posture Monitoring and Risk Assessment for Manual Lifting Tasks Using MediaPipe and LSTM

論文の概要: Real-Time Posture Monitoring and Risk Assessment for Manual Lifting Tasks Using MediaPipe and LSTM

arxiv url: http://arxiv.org/abs/2408.12796v1
Date: Fri, 23 Aug 2024 02:19:52 GMT
ステータス: 処理完了
システム内更新日: 2024-08-26 16:19:03.049491
Title: Real-Time Posture Monitoring and Risk Assessment for Manual Lifting Tasks Using MediaPipe and LSTM
Title（参考訳）: MediaPipe と LSTM を用いた手動リフティング作業のリアルタイム姿勢モニタリングとリスク評価
Authors: Ereena Bagga, Ang Yang,
Abstract要約: 筋骨格障害(英: Musculoskeletal disorders、MSD)は、手動浮揚に関わる労働者にとって重要な問題である。従来の姿勢補正法は、フィードバックの遅れやパーソナライズされた評価の欠如により、しばしば不十分である。提案手法は,AIによる姿勢検出,詳細なキーポイント分析,リスクレベル決定,ユーザフレンドリーなWebインターフェースによるリアルタイムフィードバックを統合した。
参考スコア（独自算出の注目度）: 1.675857332621569
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This research focuses on developing a real-time posture monitoring and risk assessment system for manual lifting tasks using advanced AI and computer vision technologies. Musculoskeletal disorders (MSDs) are a significant concern for workers involved in manual lifting, and traditional methods for posture correction are often inadequate due to delayed feedback and lack of personalized assessment. Our proposed solution integrates AI-driven posture detection, detailed keypoint analysis, risk level determination, and real-time feedback delivered through a user-friendly web interface. The system aims to improve posture, reduce the risk of MSDs, and enhance user engagement. The research involves comprehensive data collection, model training, and iterative development to ensure high accuracy and user satisfaction. The solution's effectiveness is evaluated against existing methodologies, demonstrating significant improvements in real-time feedback and risk assessment. This study contributes to the field by offering a novel approach to posture correction that addresses existing gaps and provides practical, immediate benefits to users.
Abstract（参考訳）: 本研究は,AIとコンピュータビジョン技術を用いた手動浮揚作業のためのリアルタイム姿勢監視・リスクアセスメントシステムの開発に焦点をあてる。筋骨格障害(MSD)は、手動浮揚に関わる作業者にとって重要な問題であり、伝統的な姿勢補正法は、遅延フィードバックとパーソナライズドアセスメントの欠如により、しばしば不十分である。提案手法は,AIによる姿勢検出,詳細なキーポイント分析,リスクレベル決定,ユーザフレンドリーなWebインターフェースによるリアルタイムフィードバックを統合した。このシステムは姿勢を改善し、MSDのリスクを低減し、ユーザのエンゲージメントを高めることを目的としている。この研究には、包括的なデータ収集、モデルトレーニング、そして高い精度とユーザの満足度を確保するための反復的な開発が含まれる。ソリューションの有効性は既存の方法論に対して評価され、リアルタイムフィードバックとリスクアセスメントの大幅な改善が示されている。本研究は、既存のギャップに対処し、ユーザに対して実用的な即時利益を提供する姿勢補正の新しいアプローチを提供することによって、この分野に寄与する。

関連論文リスト

SouLLMate: An Adaptive LLM-Driven System for Advanced Mental Health Support and Assessment, Based on a Systematic Application Survey [9.146311285410631]
メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。この研究は、最先端のAI技術を通じて、アクセス可能で、スティグマフリーで、パーソナライズされ、リアルタイムなメンタルヘルスサポートを提供することを目的としている。
論文参考訳（メタデータ） (2024-10-06T17:11:29Z)
InferAct: Inferring Safe Actions for LLM-Based Agents Through Preemptive Evaluation and Human Feedback [70.54226917774933]
本稿では,リスク行動が実行される前に,潜在的なエラーを積極的に検出する新しい手法であるInferActを紹介する。 InferActは人間のプロキシとして機能し、安全でないアクションを検出し、ユーザーの介入を警告する。広く使われている3つのタスクの実験は、InferActの有効性を示している。
論文参考訳（メタデータ） (2024-07-16T15:24:44Z)
Enhancing Performance and User Engagement in Everyday Stress Monitoring: A Context-Aware Active Reinforcement Learning Approach [4.132425356039815]
本稿では,スマートウォッチとスマートフォンのコンテキストデータを用いたストレス検出のための,新しい文脈認識型アクティブラーニング(RL)アルゴリズムを提案する。提案手法では,EMAの展開に最適な時刻を動的に選択し,ユーザの即時コンテキストを利用してラベルの精度を最大化し,侵入性を最小化する。この研究は、パーソナライズされたコンテキスト駆動のリアルタイムストレスモニタリング手法への大きな動きを示す。
論文参考訳（メタデータ） (2024-07-11T06:33:11Z)
RAPID: Robust APT Detection and Investigation Using Context-Aware Deep Learning [26.083244046813512]
本稿では,APT検出と調査のための新しい深層学習手法を提案する。自己教師付きシーケンス学習と反復的に学習した埋め込みを利用して,本手法は動的システムの挙動に効果的に適応する。実世界のシナリオにおけるRAPIDの有効性と計算効率を示す。
論文参考訳（メタデータ） (2024-06-08T05:39:24Z)
Analyzing Operator States and the Impact of AI-Enhanced Decision Support in Control Rooms: A Human-in-the-Loop Specialized Reinforcement Learning Framework for Intervention Strategies [0.9378955659006951]
複雑な産業・化学プロセス制御室では、安全性と効率性に効果的な意思決定が不可欠である。本稿では,AIに基づく意思決定支援システムが人間と機械のインタフェース改善に取り入れた影響と応用について検討する。
論文参考訳（メタデータ） (2024-02-20T18:31:27Z)
Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
論文参考訳（メタデータ） (2024-02-07T21:58:40Z)
U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文参考訳（メタデータ） (2023-06-07T08:27:36Z)
Towards an Improved Understanding of Software Vulnerability Assessment Using Data-Driven Approaches [0.0]
この論文は、ソフトウェア脆弱性評価のための知識と自動化のサポートを提供することによって、ソフトウェアセキュリティの分野を前進させる。主な貢献は、知識の体系化と、新しいデータ駆動技術群である。
論文参考訳（メタデータ） (2022-07-24T10:22:28Z)
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)
Accurate and Robust Feature Importance Estimation under Distribution Shifts [49.58991359544005]
PRoFILEは、新しい特徴重要度推定法である。忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
論文参考訳（メタデータ） (2020-09-30T05:29:01Z)
Interpretable Off-Policy Evaluation in Reinforcement Learning by Highlighting Influential Transitions [48.91284724066349]
強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
論文参考訳（メタデータ） (2020-02-10T00:26:43Z)

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。