論文の概要: Modeling Personalized Difficulty of Rehabilitation Exercises Using Causal Trees

• arxiv url: http://arxiv.org/abs/2505.04583v1
• Date: Wed, 07 May 2025 17:21:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.164057
• Title: Modeling Personalized Difficulty of Rehabilitation Exercises Using Causal Trees
• Title（参考訳）: 因果木を用いたリハビリテーション運動の個人化困難度モデリング
• Authors: Nathaniel Dennler, Zhonghao Shi, Uksang Yoo, Stefanos Nikolaidis, Maja Matarić,
• Abstract要約: リハビリテーションロボットは、リハビリテーション運動を完了させる人のモチベーションを高めるために、ゲームのような相互作用でしばしば使用される。 以前のアプローチでは、エクササイズはすべてのユーザに対して等しく適用される一般的な難易度値を持つと仮定されていた。 脳卒中患者の運動困難感は様々である。
• 参考スコア（独自算出の注目度）: 5.777143250918807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rehabilitation robots are often used in game-like interactions for rehabilitation to increase a person's motivation to complete rehabilitation exercises. By adjusting exercise difficulty for a specific user throughout the exercise interaction, robots can maximize both the user's rehabilitation outcomes and the their motivation throughout the exercise. Previous approaches have assumed exercises have generic difficulty values that apply to all users equally, however, we identified that stroke survivors have varied and unique perceptions of exercise difficulty. For example, some stroke survivors found reaching vertically more difficult than reaching farther but lower while others found reaching farther more challenging than reaching vertically. In this paper, we formulate a causal tree-based method to calculate exercise difficulty based on the user's performance. We find that this approach accurately models exercise difficulty and provides a readily interpretable model of why that exercise is difficult for both users and caretakers.
• Abstract（参考訳）: リハビリテーションロボットは、リハビリテーション運動を完了させる人のモチベーションを高めるために、ゲームのような相互作用でしばしば使用される。 運動相互作用を通じて特定のユーザの運動困難を調整することにより、ロボットは、運動を通して、ユーザのリハビリテーション結果とモチベーションの両方を最大化することができる。 従来,エクササイズは全ユーザに対して等しく適用される汎用的な難易度を持つと考えられてきたが,脳卒中生存者は運動難易度を多様かつ一意に認識していた。 例えば、ストロークの生存者の中には、より遠くに到達するよりも垂直に到達することが難しいものもあれば、垂直に到達するよりもはるかに難しいものもいる。 本稿では,ユーザのパフォーマンスに基づく運動困難度を計算するために,因果木に基づく手法を定式化する。 このアプローチは, 難易度を正確にモデル化し, 利用者と介護者の両方にとって困難である理由について, 容易に解釈可能なモデルを提供する。

関連論文リスト

• Skeleton-Based Transformer for Classification of Errors and Better Feedback in Low Back Pain Physical Rehabilitation Exercises [0.9094127664014627]
  近年,身体リハビリテーション運動の質評価が著しく進歩している。 それらのほとんどは、パフォーマンスが正しいか間違っている場合にのみバイナリ分類を提供し、いくつかは連続的なスコアを提供する。 本研究では,リハビリテーション演習の誤り分類アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-28T10:30:39Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Rehabilitation Exercise Quality Assessment through Supervised Contrastive Learning with Hard and Soft Negatives [2.166000001057538]
  運動ベースのリハビリテーションプログラムは、生活の質を高め、死亡率と再入院率を減らすのに有効であることが証明されている。 これらのプログラムは一般的に様々なエクササイズタイプを規定しており、リハビリテーションエクササイズアセスメントデータセットにおいて明確な課題となっている。 本稿では,すべての運動タイプに適用可能な単一モデルをトレーニングするための,硬質で軟質な負のサンプルを用いた教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-05T08:38:25Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• 3D Pose Based Feedback for Physical Exercises [87.35086507661227]
  ユーザが犯した誤りを識別する学習ベースのフレームワークを導入する。 私たちのフレームワークはハードコードされたルールに頼るのではなく、データからそれらを学ぶのです。 提案手法は90.9%の誤り識別精度を示し,94.2%の誤り訂正に成功した。
  論文  参考訳（メタデータ） (2022-08-05T16:15:02Z)
• Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy: Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
  人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。 これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。 我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
  論文  参考訳（メタデータ） (2021-06-15T22:06:39Z)
• Designing Personalized Interaction of a Socially Assistive Robot for Stroke Rehabilitation Therapy [64.52563354823711]
  社会支援ロボットの研究は、神経学的および筋骨格疾患の患者に対する理学療法セッションを増強し、支援する可能性がある。 本稿では,運動の質を予測するために,患者個別の運動の運動特性を動的に選択できる社会支援ロボットのインタラクティブなアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-13T16:12:05Z)

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。