論文の概要: MagShield: Towards Better Robustness in Sparse Inertial Motion Capture Under Magnetic Disturbances

• arxiv url: http://arxiv.org/abs/2506.22907v1
• Date: Sat, 28 Jun 2025 14:42:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.626092
• Title: MagShield: Towards Better Robustness in Sparse Inertial Motion Capture Under Magnetic Disturbances
• Title（参考訳）: MagShield:磁気外乱下でのスパース慣性運動キャプチャのロバスト性向上を目指して
• Authors: Yunzhe Shao, Xinyu Yi, Lu Yin, Shihui Guo, Junhai Yong, Feng Xu,
• Abstract要約: MagShieldは、スパース慣性モーションキャプチャ(MoCap)システムにおける磁気干渉の問題に対処するために設計された。 マルチIMU関節分析により磁気障害を初めて検出し、人間の動き先を用いて方向誤差を補正する。
• 参考スコア（独自算出の注目度）: 13.892372294378282
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a novel method called MagShield, designed to address the issue of magnetic interference in sparse inertial motion capture (MoCap) systems. Existing Inertial Measurement Unit (IMU) systems are prone to orientation estimation errors in magnetically disturbed environments, limiting their practical application in real-world scenarios. To address this problem, MagShield employs a "detect-then-correct" strategy, first detecting magnetic disturbances through multi-IMU joint analysis, and then correcting orientation errors using human motion priors. MagShield can be integrated with most existing sparse inertial MoCap systems, improving their performance in magnetically disturbed environments. Experimental results demonstrate that MagShield significantly enhances the accuracy of motion capture under magnetic interference and exhibits good compatibility across different sparse inertial MoCap systems.
• Abstract（参考訳）: スパース慣性運動キャプチャ(MoCap)システムにおける磁気干渉問題に対処するために,MagShieldと呼ばれる新しい手法を提案する。 既存の慣性測定ユニット(IMU)システムでは、磁気的に乱された環境における推定誤差の配向が難しくなり、現実のシナリオにおける実際の応用が制限される。 この問題に対処するため、MagShieldは"detect-then-correct"戦略を採用し、まずはマルチIMU関節分析により磁気障害を検出し、次に人間の動きの先行値を用いて方向誤差を補正する。 MagShieldは既存のほとんどのスパース慣性MoCapシステムと統合することができ、磁気的に乱れた環境での性能を向上させることができる。 実験の結果,MagShieldは磁気干渉下でのモーションキャプチャの精度を著しく向上し,異なる慣性MoCap系との相性も良好であることがわかった。

関連論文リスト

• Machine learning assisted tracking of magnetic objects using quantum diamond magnetometry [33.7054351451505]
  リモート磁気センシングは、オブジェクトの位置をリアルタイムで監視するために使用することができる。 本研究では,実験データのみに基づいて学習可能な機械学習(ML)手法を実証する。 以上の結果から,このML法を磁気物体のリアルタイムモニタリングに応用する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-02-20T16:11:38Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• Enhancing Visual Inertial SLAM with Magnetic Measurements [2.663744975320783]
  本稿では,磁気センサの密結合融合による視覚慣性計測(VIO)の拡張について述べる。 提案するフレームワークは、主に屋外および水中で、遅い変化の磁場を持つ全環境で動作する。 我々は、特に水中洞窟において、狭い通路と乱流がループ閉鎖や局所化ドリフトのリセットを困難にしているため、水中領域に焦点を合わせてきた。
  論文  参考訳（メタデータ） (2024-09-16T00:15:59Z)
• Towards Scale-Aware, Robust, and Generalizable Unsupervised Monocular Depth Estimation by Integrating IMU Motion Dynamics [74.1720528573331]
  教師なし単眼深度と自我運動推定は近年広く研究されている。 我々は、視覚情報とIMUモーションダイナミクスを統合した新しいスケールアウェアフレームワークDynaDepthを提案する。 我々は、KITTIおよびMake3Dデータセット上で広範囲な実験とシミュレーションを行うことにより、DynaDepthの有効性を検証する。
  論文  参考訳（メタデータ） (2022-07-11T07:50:22Z)
• MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints [70.76761166614511]
  モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。 我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
  論文  参考訳（メタデータ） (2021-09-14T15:35:08Z)
• Surpassing the Energy Resolution Limit with ferromagnetic torque sensors [55.41644538483948]
  標準量子限界における熱力学ノイズと機械的検出ノイズを考慮した最適磁場分解能の評価を行った。 近年の文献で指摘されているエネルギー分解限界(ERL, Energy Resolution Limit)は, 桁違いに超えることがある。
  論文  参考訳（メタデータ） (2021-04-29T15:44:12Z)
• Semi-Supervised Learning with Variational Bayesian Inference and Maximum Uncertainty Regularization [62.21716612888669]
  半教師付き学習(SSL)を改善するための2つの一般的な方法を提案する。 第一に、重量摂動(WP)を既存のCR(Consistency regularization)ベースの手法に統合する。 第2の手法は「最大不確実性正規化(MUR)」と呼ばれる新しい整合性損失を提案する。
  論文  参考訳（メタデータ） (2020-12-03T09:49:35Z)

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。