論文の概要: ExoGait-MS: Learning Periodic Dynamics with Multi-Scale Graph Network for Exoskeleton Gait Recognition

• arxiv url: http://arxiv.org/abs/2505.18018v1
• Date: Fri, 23 May 2025 15:24:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:34.189373
• Title: ExoGait-MS: Learning Periodic Dynamics with Multi-Scale Graph Network for Exoskeleton Gait Recognition
• Title（参考訳）: ExoGait-MS:マルチスケールグラフネットワークによる周期的ダイナミクスの学習
• Authors: Lijiang Liu, Junyu Shi, Yong Sun, Zhiyuan Zhang, Jinni Zhou, Shugen Ma, Qiang Nie,
• Abstract要約: 現在の外骨格制御法は、パーソナライズされた治療を提供する際の課題に直面していることが多い。 個人の歩行は、個々のユーザーの適応性、快適性、リハビリの成果に直接影響を与えるため、外骨格ロボットの有効性に不可欠である。 本稿では,空間領域におけるマルチスケールグローバルセンスグラフ畳み込みネットワーク(GCN)を用いて,潜在関節のシナジーパターンを同定する手法を提案する。 実験の結果,本手法の精度は94.34%であり,現在のSOTA(State-of-the-art)を3.77%上回る結果となった。
• 参考スコア（独自算出の注目度）: 20.076175885171413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current exoskeleton control methods often face challenges in delivering personalized treatment. Standardized walking gaits can lead to patient discomfort or even injury. Therefore, personalized gait is essential for the effectiveness of exoskeleton robots, as it directly impacts their adaptability, comfort, and rehabilitation outcomes for individual users. To enable personalized treatment in exoskeleton-assisted therapy and related applications, accurate recognition of personal gait is crucial for implementing tailored gait control. The key challenge in gait recognition lies in effectively capturing individual differences in subtle gait features caused by joint synergy, such as step frequency and step length. To tackle this issue, we propose a novel approach, which uses Multi-Scale Global Dense Graph Convolutional Networks (GCN) in the spatial domain to identify latent joint synergy patterns. Moreover, we propose a Gait Non-linear Periodic Dynamics Learning module to effectively capture the periodic characteristics of gait in the temporal domain. To support our individual gait recognition task, we have constructed a comprehensive gait dataset that ensures both completeness and reliability. Our experimental results demonstrate that our method achieves an impressive accuracy of 94.34% on this dataset, surpassing the current state-of-the-art (SOTA) by 3.77%. This advancement underscores the potential of our approach to enhance personalized gait control in exoskeleton-assisted therapy.
• Abstract（参考訳）: 現在の外骨格制御法は、パーソナライズされた治療を提供する際の課題に直面していることが多い。 標準化された歩行は、患者の不快感や怪我につながることがある。 したがって、個別の歩行は、個々のユーザの適応性、快適性、リハビリ結果に直接影響を与えるため、外骨格ロボットの有効性に欠かせない。 エキソスケルトン支援療法および関連する応用におけるパーソナライズされた治療を可能にするために、パーソナライズされた歩行制御を実装するためには、個人歩行の正確な認識が不可欠である。 歩行認識における鍵となる課題は、歩数や歩数などの関節のシナジーに起因する微妙な歩行特徴の個人差を効果的に捉えることである。 この問題に対処するために,空間領域におけるマルチスケールグローバルセンスグラフ畳み込みネットワーク(GCN)を用いて,潜在関節のシナジーパターンを同定する手法を提案する。 さらに,時間領域における歩行の周期的特性を効果的に捉えるために,歩行非線形周期的ダイナミクス学習モジュールを提案する。 個々の歩行認識タスクをサポートするために,完全性と信頼性を両立させる総合歩行データセットを構築した。 実験の結果,本手法の精度は94.34%であり,現在のSOTA(State-of-the-art)を3.77%上回る結果となった。 この進歩は、外骨格補充療法におけるパーソナライズされた歩行制御を強化するアプローチの可能性を示している。

関連論文リスト

• Beyond Role-Based Surgical Domain Modeling: Generalizable Re-Identification in the Operating Room [36.67627283629717]
  本稿では,各チームメンバーの独特の動きパターンと身体的特徴を特徴付ける,スタッフ中心のモデリング手法を提案する。 我々は3次元点雲の列を符号化して形状と各個人固有の動きパターンを抽出する一般化可能な再同定フレームワークを開発した。 本手法は, 現実的な臨床データに対して86.19%の精度を達成し, 異なる環境間での移動時の75.27%の精度を維持した。
  論文  参考訳（メタデータ） (2025-03-17T10:30:26Z)
• Deep-Learning Control of Lower-Limb Exoskeletons via simplified Therapist Input [0.0]
  部分補助性外骨格は歩行回復に有意な可能性を秘めている。 外骨格における相互作用トルクの制御は階層的な制御構造に依存している。 この研究は、外骨格における階層制御の限界に対処する3段階のデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-10T22:52:44Z)
• Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization [51.34904967046097]
  継続的な学習は、モデルが以前に学習した情報を忘れてしまう破滅的な忘れ込みの課題を克服しようとする。 本稿では,パラメータ成長の制約を緩和し,破滅的な忘れを減らし,新しい事前手法を提案する。 以上の結果から, BAdamは, 単頭クラスインクリメンタル実験に挑戦する先行手法に対して, 最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-09-15T17:10:51Z)
• Data-Driven Goal Recognition in Transhumeral Prostheses Using Process Mining Techniques [7.95507524742396]
  アクティブな義肢は、リアルに評価された連続的なセンサーデータを使用して、患者の標的のポーズや目標を認識し、人工肢を積極的に移動させる。 これまでの研究では、静止ポーズで収集されたデータが、時間ステップを考慮せずに、目標の識別にどの程度役立つかが研究されてきた。 我々のアプローチは、データを離散的なイベントに変換し、既存のプロセスマイニングベースのゴール認識システムを訓練することである。
  論文  参考訳（メタデータ） (2023-09-15T02:03:59Z)
• GLSFormer : Gated - Long, Short Sequence Transformer for Step Recognition in Surgical Videos [57.93194315839009]
  本稿では,シーケンスレベルのパッチから時間的特徴を直接学習するための視覚変換器に基づくアプローチを提案する。 本研究では,白内障手術用ビデオデータセットである白内障-101とD99に対するアプローチを広範に評価し,各種の最先端手法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-20T17:57:04Z)
• Improved Speech Emotion Recognition using Transfer Learning and Spectrogram Augmentation [56.264157127549446]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。 SERの主な課題の1つは、データの不足である。 本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-05T10:39:39Z)
• ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton Gait Preference Landscapes [64.87637128500889]
  興味あるアクティブラーニング(ROIAL)フレームワークの領域は、関心のある領域を通じて、各ユーザの基盤となるユーティリティ関数を積極的に学習する。 ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。 以上の結果から,限られた人為的試行から歩行実用景観を回復できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-09T22:45:58Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)

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。