論文の概要: Real-time Fall Prevention system for the Next-generation of Workers

• arxiv url: http://arxiv.org/abs/2505.24487v1
• Date: Fri, 30 May 2025 11:41:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.929406
• Title: Real-time Fall Prevention system for the Next-generation of Workers
• Title（参考訳）: 次世代労働者のリアルタイム転倒防止システム
• Authors: Nicholas Cartocci, Antonios E. Gkikakis, Darwin G. Caldwell, Jesús Ortiz,
• Abstract要約: この研究は倒立振子の動的モデルを用いて、深い学習フレームワークに供給される落下のシミュレーションを生成する。 出力は、被写体が害のリスクがある場合に、転倒軽減機構を活性化する信号である。 このアプローチは、被験者が初期設定を著しく変更することなく落下する特定の種類の転倒に適している。
• 参考スコア（独自算出の注目度）: 6.034419391633764
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Developing a general-purpose wearable real-time fall-detection system is still a challenging task, especially for healthy and strong subjects, such as industrial workers that work in harsh environments. In this work, we present a hybrid approach for fall detection and prevention, which uses the dynamic model of an inverted pendulum to generate simulations of falling that are then fed to a deep learning framework. The output is a signal to activate a fall mitigation mechanism when the subject is at risk of harm. The advantage of this approach is that abstracted models can be used to efficiently generate training data for thousands of different subjects with different falling initial conditions, something that is practically impossible with real experiments. This approach is suitable for a specific type of fall, where the subjects fall without changing their initial configuration significantly, and it is the first step toward a general-purpose wearable device, with the aim of reducing fall-associated injuries in industrial environments, which can improve the safety of workers.
• Abstract（参考訳）: 一般用途のウェアラブル・リアルタイム・フォール検知システムの開発は、特に厳しい環境で働く産業労働者のような健康で強い被験者にとって、依然として困難な課題である。 本研究では,倒立検出と防止のためのハイブリッド手法を提案する。これは倒立振子の動的モデルを用いて,深い学習フレームワークに供給される転倒のシミュレーションを生成する。 出力は、被写体が害のリスクがある場合に、転倒軽減機構を活性化する信号である。 このアプローチの利点は、抽象モデルを使用することで、実際の実験では事実上不可能な、落下初期条件が異なる何千もの異なる被験者のトレーニングデータを効率的に生成することができることである。 本手法は、被験者が初期構成を大きく変更することなく落下する特定の種類の転倒に適しており、産業環境における転倒に伴う損傷を低減し、労働者の安全を向上させることを目的とした、汎用ウェアラブルデバイスへの第一歩である。

関連論文リスト

• Causality can systematically address the monsters under the bench(marks) [64.36592889550431]
  ベンチマークはさまざまなバイアス、アーティファクト、リークに悩まされている。 モデルは、調査の不十分な障害モードのため、信頼できない振る舞いをする可能性がある。 因果関係はこれらの課題を体系的に解決するための 理想的な枠組みを提供します
  論文  参考訳（メタデータ） (2025-02-07T17:01:37Z)
• Navigation under uncertainty: Trajectory prediction and occlusion reasoning with switching dynamical systems [36.18758962312406]
  構造的確率的生成モデルに基づく軌道予測とオクルージョン推論を統一する概念的枠組みを提案する。 次に、オープンデータセットを使用して、その能力を示すいくつかの初期実験を示す。
  論文  参考訳（メタデータ） (2024-10-14T16:03:41Z)
• Condition Monitoring with Incomplete Data: An Integrated Variational Autoencoder and Distance Metric Framework [2.7898966850590625]
  本稿では,未確認データに対する故障検出と条件モニタリングのための新しい手法を提案する。 我々は変分オートエンコーダを用いて、以前に見られた新しい未知条件の確率分布をキャプチャする。 故障は、健康指標のしきい値を確立することで検出され、そのモデルが重大で見えない断層を高い精度で識別することができる。
  論文  参考訳（メタデータ） (2024-04-08T22:20:23Z)
• Endogenous Macrodynamics in Algorithmic Recourse [52.87956177581998]
  対実説明(CE)とアルゴリズム・リコース(AR)に関する既存の研究は、静的環境における個人に主に焦点を当ててきた。 既存の方法論の多くは、一般化されたフレームワークによってまとめて記述できることを示す。 次に、既存のフレームワークは、グループレベルでの言論の内在的ダイナミクスを研究する際にのみ明らかとなるような、隠された対外的関係のコストを考慮に入れていないと論じる。
  論文  参考訳（メタデータ） (2023-08-16T07:36:58Z)
• Distributional Instance Segmentation: Modeling Uncertainty and High Confidence Predictions with Latent-MaskRCNN [77.0623472106488]
  本稿では,潜在符号を用いた分散インスタンス分割モデルのクラスについて検討する。 ロボットピッキングへの応用として,高い精度を実現するための信頼性マスク手法を提案する。 本手法は,新たにリリースした曖昧なシーンのデータセットを含め,ロボットシステムにおける致命的なエラーを著しく低減できることを示す。
  論文  参考訳（メタデータ） (2023-05-03T05:57:29Z)
• On the Robustness of Random Forest Against Untargeted Data Poisoning: An Ensemble-Based Approach [42.81632484264218]
  機械学習モデルでは、トレーニングセット(中毒)の分画の摂動が、モデルの精度を著しく損なう可能性がある。 本研究の目的は、ランダムな森林を標的のない無作為な毒殺攻撃から保護する、新しいハッシュベースのアンサンブルアプローチを実現することである。
  論文  参考訳（メタデータ） (2022-09-28T11:41:38Z)
• Learning Robust Policy against Disturbance in Transition Dynamics via State-Conservative Policy Optimization [63.75188254377202]
  深層強化学習アルゴリズムは、ソースとターゲット環境の相違により、現実世界のタスクでは不十分な処理を行うことができる。 本研究では,前もって乱れをモデル化せずにロバストなポリシーを学習するための,モデルフリーなアクター批判アルゴリズムを提案する。 いくつかのロボット制御タスクの実験では、SCPOは遷移力学の乱れに対する堅牢なポリシーを学習している。
  論文  参考訳（メタデータ） (2021-12-20T13:13:05Z)
• Failure-averse Active Learning for Physics-constrained Systems [7.701064815584088]
  本研究では,システムを管理する暗黙の物理制約を考慮した,新しい能動的学習手法を開発した。 提案手法は, 対象モデルの分散を低減するために安全な領域を探索し, 制約の確率モデルを利用して探索可能な領域を拡張することを目的としている。 この方法は、Tsai-wu基準を用いた材料故障を考慮した複合胴体組立プロセスに適用され、明示的な故障領域の知識を必要とせず、ゼロフェイルを達成することができる。
  論文  参考訳（メタデータ） (2021-10-27T14:01:03Z)
• CausalAF: Causal Autoregressive Flow for Safety-Critical Driving Scenario Generation [34.45216283597149]
  フローベース生成フレームワークCausal Autoregressive Flow(CausalAF)を提案する。 CausalAFは生成モデルに対して、生成されたオブジェクト間の因果関係を発見し、追跡することを奨励する。 生成したシナリオを追加のトレーニングサンプルとして使用することで、自律運転アルゴリズムの堅牢性を実証的に改善することを示す。
  論文  参考訳（メタデータ） (2021-10-26T18:07:48Z)

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。