論文の概要: UMotion: Uncertainty-driven Human Motion Estimation from Inertial and Ultra-wideband Units

• arxiv url: http://arxiv.org/abs/2505.09393v1
• Date: Wed, 14 May 2025 13:48:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.478737
• Title: UMotion: Uncertainty-driven Human Motion Estimation from Inertial and Ultra-wideband Units
• Title（参考訳）: UMotion:慣性ユニットと超広帯域ユニットによる不確実性駆動型人間の動作推定
• Authors: Huakun Liu, Hiroki Ota, Xin Wei, Yutaro Hirao, Monica Perusquia-Hernandez, Hideaki Uchiyama, Kiyoshi Kiyokawa,
• Abstract要約: UMotionは、不確実性駆動による3次元人間の形状とポーズ推定のためのオンラインハウジングオール状態推定フレームワークである。 ボディウーンのウルトラワイドバンド(UWB)距離センサーを6基搭載し、IMUを搭載。
• 参考スコア（独自算出の注目度）: 11.911147790899816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse wearable inertial measurement units (IMUs) have gained popularity for estimating 3D human motion. However, challenges such as pose ambiguity, data drift, and limited adaptability to diverse bodies persist. To address these issues, we propose UMotion, an uncertainty-driven, online fusing-all state estimation framework for 3D human shape and pose estimation, supported by six integrated, body-worn ultra-wideband (UWB) distance sensors with IMUs. UWB sensors measure inter-node distances to infer spatial relationships, aiding in resolving pose ambiguities and body shape variations when combined with anthropometric data. Unfortunately, IMUs are prone to drift, and UWB sensors are affected by body occlusions. Consequently, we develop a tightly coupled Unscented Kalman Filter (UKF) framework that fuses uncertainties from sensor data and estimated human motion based on individual body shape. The UKF iteratively refines IMU and UWB measurements by aligning them with uncertain human motion constraints in real-time, producing optimal estimates for each. Experiments on both synthetic and real-world datasets demonstrate the effectiveness of UMotion in stabilizing sensor data and the improvement over state of the art in pose accuracy.
• Abstract（参考訳）: スパースウェアラブル慣性測定ユニット(IMU)は、人間の3D動作を推定するために人気がある。 しかし、曖昧さやデータドリフト、多様な身体への適応性の制限といった課題が続いている。 これらの問題に対処するため、我々は、UMotionを提案する。UMotionは3次元人間の形状とポーズ推定のための不確実性駆動のオンライン・ハウジング・オール状態推定フレームワークであり、IMUを用いた6つの体輪超広帯域(UWB)距離センサによって支えられている。 UWBセンサーは、ノード間の距離を測定し、空間的関係を推測し、ポーズのあいまいさを解消し、人文計測データと組み合わせると体の形が変化する。 残念なことに、IMUはドリフトする傾向があり、UWBセンサーは身体の閉塞によって影響を受ける。 その結果,センサデータと人体形状に基づく推定動作から不確かさを解消する,密結合型アンセント・カルマンフィルタ(UKF)フレームワークを開発した。 UKFは、IMUとUWBの測定をリアルタイムで不確実な人間の動きの制約に合わせることで反復的に洗練し、それぞれに最適な見積もりを生成する。 合成データセットと実世界のデータセットの両方の実験では、センサデータの安定化におけるUMotionの有効性と、ポーズ精度における最先端の改善が示されている。

関連論文リスト

• Multimodal Active Measurement for Human Mesh Recovery in Close Proximity [13.265259738826302]
  物理的な人間とロボットの相互作用では、ロボットは対象者の正確な身体のポーズを推定する必要がある。 これらのpHRIシナリオでは、ロボットは物理的相互作用のためにロボットに近づかなければならないため、装備されたカメラで対象者の身体を完全に観察することはできない。 本稿では,2次元LiDARのような触覚センサを備えたカメラのアクティブな計測・センサ融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-12T08:17:57Z)
• Multi-Visual-Inertial System: Analysis, Calibration and Estimation [26.658649118048032]
  マルチビジュアル・慣性システム(MVIS)の状態を推定し,センサ融合アルゴリズムを開発した。 我々は、関連する視覚慣性センサーの完全な校正に興味を持っている。
  論文  参考訳（メタデータ） (2023-08-10T02:47:36Z)
• On the Importance of Accurate Geometry Data for Dense 3D Vision Tasks [61.74608497496841]
  不正確または破損したデータのトレーニングは、モデルバイアスとハマーズ一般化能力を誘導する。 本稿では,深度推定と再構成における高密度3次元視覚課題に対するセンサ誤差の影響について検討する。
  論文  参考訳（メタデータ） (2023-03-26T22:32:44Z)
• Pose-Oriented Transformer with Uncertainty-Guided Refinement for 2D-to-3D Human Pose Estimation [51.00725889172323]
  本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。 我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。 本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
  論文  参考訳（メタデータ） (2023-02-15T00:22:02Z)
• Transformer Inertial Poser: Attention-based Real-time Human Motion Reconstruction from Sparse IMUs [79.72586714047199]
  本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。 提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
  論文  参考訳（メタデータ） (2022-03-29T16:24:52Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• TLIO: Tight Learned Inertial Odometry [43.17991168599939]
  IMUのみの状態推定のための密結合拡張カルマンフィルタフレームワークを提案する。 ヘッドセットからの歩行者データでトレーニングされた我々のネットワークは、統計的に一貫した測定と不確実性を生み出すことができる。
  論文  参考訳（メタデータ） (2020-07-06T03:13:34Z)
• Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
  本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。 予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。 我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
  論文  参考訳（メタデータ） (2019-12-30T20:25:16Z)

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。