論文の概要: Simultaneous Estimation of Manipulation Skill and Hand Grasp Force from Forearm Ultrasound Images
- arxiv url: http://arxiv.org/abs/2502.00275v1
- Date: Sat, 01 Feb 2025 02:23:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 14:53:10.481088
- Title: Simultaneous Estimation of Manipulation Skill and Hand Grasp Force from Forearm Ultrasound Images
- Title(参考訳): 前腕超音波画像からのマニピュレーションスキルと手指力の同時推定
- Authors: Keshav Bimbraw, Srikar Nekkanti, Daniel B. Tiller II, Mihir Deshmukh, Berk Calli, Robert D. Howe, Haichong K. Zhang,
- Abstract要約: 前腕超音波データを用いた操作スキルと手力の同時推定法を提案する。
我々のモデルでは、操作スキルの平均分類精度は94.87パーセント、操作スキルは10.16パーセント、根平均二乗誤差は0.51%、力推定では0.19ニュートンであった。
- 参考スコア(独自算出の注目度): 2.82697733014759
- License:
- Abstract: Accurate estimation of human hand configuration and the forces they exert is critical for effective teleoperation and skill transfer in robotic manipulation. A deeper understanding of human interactions with objects can further enhance teleoperation performance. To address this need, researchers have explored methods to capture and translate human manipulation skills and applied forces to robotic systems. Among these, biosignal-based approaches, particularly those using forearm ultrasound data, have shown significant potential for estimating hand movements and finger forces. In this study, we present a method for simultaneously estimating manipulation skills and applied hand force using forearm ultrasound data. Data collected from seven participants were used to train deep learning models for classifying manipulation skills and estimating grasp force. Our models achieved an average classification accuracy of 94.87 percent plus or minus 10.16 percent for manipulation skills and an average root mean square error (RMSE) of 0.51 plus or minus 0.19 Newtons for force estimation, as evaluated using five-fold cross-validation. These results highlight the effectiveness of forearm ultrasound in advancing human-machine interfacing and robotic teleoperation for complex manipulation tasks. This work enables new and effective possibilities for human-robot skill transfer and tele-manipulation, bridging the gap between human dexterity and robotic control.
- Abstract(参考訳): 人間の手の動きと力の正確な推定は、ロボット操作における効果的な遠隔操作と技術移転に不可欠である。
オブジェクトとのヒューマンインタラクションをより深く理解することで、遠隔操作のパフォーマンスをさらに向上させることができる。
このニーズに対処するために、研究者は人間の操作スキルとロボットシステムへの力の適用を捉え、翻訳する方法を模索してきた。
これらのうち、生体信号に基づくアプローチ、特に前腕超音波データを用いたアプローチは、手の動きや指の力の推定に有意な可能性を示唆している。
本研究では,前腕超音波データを用いた操作スキルと手力の同時推定手法を提案する。
7人の参加者から収集したデータは、操作スキルの分類と把握力の推定のための深層学習モデルの訓練に使用された。
我々のモデルでは、操作スキルの平均分類精度は94.87パーセント、操作スキルでは10.16パーセント、力推定では平均根平均二乗誤差(RMSE)が0.51%、または0.19ニュートンが0.19であった。
これらの結果から, 複雑な操作作業において, 前腕超音波が人間と機械の対面とロボットの遠隔操作に有効であることが示唆された。
この研究は、人間ロボットのスキル伝達と遠隔操作の新たな、効果的な可能性を可能にし、人間の器用さとロボット制御のギャップを埋める。
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) - Offline Imitation Learning Through Graph Search and Retrieval [57.57306578140857]
模倣学習は、ロボットが操作スキルを取得するための強力な機械学習アルゴリズムである。
本稿では,グラフ検索と検索により,最適下実験から学習する,シンプルで効果的なアルゴリズムGSRを提案する。
GSRは、ベースラインに比べて10%から30%高い成功率、30%以上の熟練を達成できる。
論文 参考訳(メタデータ) (2024-07-22T06:12:21Z) - 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) - Uncertainty-aware Self-supervised Learning for Cross-domain Technical
Skill Assessment in Robot-assisted Surgery [14.145726158070522]
本稿では,ラベル付きキネマティックデータから未ラベルデータへのドメイン知識の伝達によるスキル評価手法を提案する。
本手法は,ロボット支援手術における手動ラベル付けや手術訓練の事前知識を必要とせず,既存の作業に対して大きな優位性をもたらす。
論文 参考訳(メタデータ) (2023-04-28T01:52:18Z) - HERD: Continuous Human-to-Robot Evolution for Learning from Human
Demonstration [57.045140028275036]
本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。
本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-08T15:56:13Z) - Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot
Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。
本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文 参考訳(メタデータ) (2022-04-15T08:12:15Z) - Careful with That! Observation of Human Movements to Estimate Objects
Properties [106.925705883949]
我々は、物体の重さについての洞察を伝える人間の運動行動の特徴に焦点を当てる。
最後の目標は、ロボットがオブジェクトハンドリングに必要なケアの度合いを自律的に推測できるようにすることです。
論文 参考訳(メタデータ) (2021-03-02T08:14:56Z) - Human Grasp Classification for Reactive Human-to-Robot Handovers [50.91803283297065]
本稿では,ロボットが人間に遭遇するロボットのハンドオーバに対するアプローチを提案する。
対象物をさまざまな手形やポーズで保持する典型的な方法をカバーする,人間の把握データセットを収集する。
本稿では,検出した把握位置と手の位置に応じて人手から対象物を取り出す計画実行手法を提案する。
論文 参考訳(メタデータ) (2020-03-12T19:58:03Z) - Learn and Transfer Knowledge of Preferred Assistance Strategies in
Semi-autonomous Telemanipulation [16.28164706104047]
我々は、新しい嗜好認識型知識学習アプローチを開発する。
補助選好モデルは、人間が好む援助を学習する。
また,異なるロボットハンド構造間で好みの知識を伝達する知識伝達手法を開発した。
論文 参考訳(メタデータ) (2020-03-07T04:49:57Z) - Human-robot co-manipulation of extended objects: Data-driven models and
control from analysis of human-human dyads [2.7036498789349244]
我々は人間と人間のダイアド実験のデータを用いて、物理的な人間とロボットのコマニピュレーションタスクに使用する動きの意図を決定する。
我々は、過去の動きに基づく人間の意図を予測するために、人間と人間のトライアルの動作データに基づくディープニューラルネットワークを開発した。
論文 参考訳(メタデータ) (2020-01-03T21:23:12Z)
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。