論文の概要: A novel gesture interaction control method for rehabilitation lower extremity exoskeleton

• arxiv url: http://arxiv.org/abs/2504.01888v1
• Date: Wed, 02 Apr 2025 16:46:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:18:41.725211
• Title: A novel gesture interaction control method for rehabilitation lower extremity exoskeleton
• Title（参考訳）: 下肢外骨格再生のための新しいジェスチャーインタラクション制御法
• Authors: Shuang Qiu, Zhongcai Pei, Chen Wang, Jing Zhang, Zhiyong Tang,
• Abstract要約: 本稿では,RGB単眼カメラ深度推定に基づくRLEEXの非接触ジェスチャーインタラクション制御法を提案する。 その結果、RLEEXプラットフォームでのHRIにおいて、安楽さ、信頼性の低さ、高レイテンシといった問題に対して、このアプローチが実現可能な解決策となることが示唆された。
• 参考スコア（独自算出の注目度）: 10.72934606315443
• License:
• Abstract: With the rapid development of Rehabilitation Lower Extremity Robotic Exoskeletons (RLEEX) technology, significant advancements have been made in Human-Robot Interaction (HRI) methods. These include traditional physical HRI methods that are easily recognizable and various bio-electrical signal-based HRI methods that can visualize and predict actions. However, most of these HRI methods are contact-based, facing challenges such as operational complexity, sensitivity to interference, risks associated with implantable devices, and, most importantly, limitations in comfort. These challenges render the interaction less intuitive and natural, which can negatively impact patient motivation for rehabilitation. To address these issues, this paper proposes a novel non-contact gesture interaction control method for RLEEX, based on RGB monocular camera depth estimation. This method integrates three key steps: detecting keypoints, recognizing gestures, and assessing distance, thereby applying gesture information and augmented reality triggering technology to control gait movements of RLEEX. Results indicate that this approach provides a feasible solution to the problems of poor comfort, low reliability, and high latency in HRI for RLEEX platforms. Specifically, it achieves a gesture-controlled exoskeleton motion accuracy of 94.11\% and an average system response time of 0.615 seconds through non-contact HRI. The proposed non-contact HRI method represents a pioneering advancement in control interactions for RLEEX, paving the way for further exploration and development in this field.
• Abstract（参考訳）: Rehabilitation Lower Extremity Robotic Exoskeletons (RLEEX) 技術の急速な発展に伴い、人間-ロボットインタラクション(HRI)法において大きな進歩がなされた。 これには、容易に認識できる従来の物理HRI法や、行動の可視化と予測が可能な様々な生体電気信号ベースのHRI法が含まれる。 しかしながら、これらのHRI手法のほとんどはコンタクトベースであり、運用上の複雑さ、干渉に対する感受性、移植可能なデバイスに関連するリスク、そして最も重要なのは快適さの制限といった課題に直面している。 これらの課題は、相互作用を直感的で自然なものにし、患者のリハビリテーションへのモチベーションに悪影響を及ぼす可能性がある。 これらの問題に対処するために,RGB単眼カメラの深度推定に基づくRLEEXの非接触ジェスチャーインタラクション制御法を提案する。 本手法は,キーポイントの検出,ジェスチャー認識,距離評価という3つの重要なステップを統合し,RLEEXの歩行動作を制御するためにジェスチャー情報と拡張現実トリガ技術を適用した。 その結果、RLEEXプラットフォームでのHRIにおいて、安楽さ、信頼性の低さ、高レイテンシといった問題に対して、このアプローチが実現可能な解決策となることが示唆された。 具体的には、ジェスチャー制御された外骨格運動精度94.11\%、非接触HRIによる平均応答時間0.615秒を達成する。 提案した非接触型HRI法は,RLEEXの制御相互作用の先駆的発展を表現し,さらなる探査・開発への道を開いた。

関連論文リスト

• Safe Navigation for Robotic Digestive Endoscopy via Human Intervention-based Reinforcement Learning [5.520042381826271]
  既存の強化学習ナビゲーションアルゴリズムは、しばしば潜在的に危険な衝突を引き起こす。 RDEの安全性を高めるために専門家の知識を取り入れたHI-PPOと呼ばれるHuman Intervention(HI)ベースのプロキシポリシー最適化フレームワークを提案する。 その結果、HI-PPO は平均 ATE (8.02 textmm) とセキュリティスコア (0.862) を達成し、人間の専門家に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2024-09-24T03:01:30Z)
• Dynamic Gesture Recognition in Ultra-Range Distance for Effective Human-Robot Interaction [2.625826951636656]
  本稿では,人間-ロボットインタラクション(HRI)の課題を遠距離で解決する,超距離ジェスチャー認識のための新しいアプローチを提案する。 ビデオデータに人間のジェスチャーを活用することで,現在の手法の限界を超える時間時空間核融合ネットワーク(TSFN)モデルを提案する。 サービスロボット、捜索・救助活動、ドローンによるインタラクションの応用により、我々のアプローチは拡張環境におけるHRIを強化する。
  論文  参考訳（メタデータ） (2024-07-31T06:56:46Z)
• SAR-RARP50: Segmentation of surgical instrumentation and Action Recognition on Robot-Assisted Radical Prostatectomy Challenge [72.97934765570069]
  外科的動作認識と意味計測のセグメンテーションのための,最初のマルチモーダルなインビボデータセットを公開し,ロボット補助根治術(RARP)の50の縫合ビデオセグメントを収録した。 この課題の目的は、提供されたデータセットのスケールを活用し、外科領域における堅牢で高精度なシングルタスクアクション認識とツールセグメンテーションアプローチを開発することである。 合計12チームがこのチャレンジに参加し、7つのアクション認識方法、9つの計器のセグメンテーション手法、そしてアクション認識と計器のセグメンテーションを統合した4つのマルチタスクアプローチをコントリビュートした。
  論文  参考訳（メタデータ） (2023-12-31T13:32:18Z)
• Correlation-Distance Graph Learning for Treatment Response Prediction from rs-fMRI [8.734687343991366]
  相関と距離に基づく類似度を対照的な損失の下で統合することにより,包括的特徴を捉えるグラフ学習フレームワークを提案する。 慢性の痛みと脱人格化障害データセットに関する実験により,提案手法は様々なシナリオにおいて,現在の方法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-17T11:34:01Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• A practical model-based segmentation approach for improved activation detection in single-subject functional Magnetic Resonance Imaging studies [8.680676599607125]
  fMRI(Function Magnetic Resonance Imaging)は脳の活性化を刺激に応答してマッピングする。 活性検出は、実際には非常に少数のボクセルが本当に活性化されているという事実によって導かれる。 RパッケージMixfMRIに実装した,計算可能で方法論的な音響モデルに基づく手法を開発した。
  論文  参考訳（メタデータ） (2021-02-06T18:46:33Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。