論文の概要: Gait-Based Hand Load Estimation via Deep Latent Variable Models with Auxiliary Information

• arxiv url: http://arxiv.org/abs/2507.05544v1
• Date: Tue, 08 Jul 2025 00:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.455234
• Title: Gait-Based Hand Load Estimation via Deep Latent Variable Models with Auxiliary Information
• Title（参考訳）: 補助情報を用いた深潜時変動モデルによる歩行に基づく手負荷推定
• Authors: Jingyi Gao, Sol Lim, Seokhyun Chung,
• Abstract要約: 本研究では,無負荷歩行時および搬送時の歩行パターンを含む補助情報を組み込んだ負荷推定フレームワークを提案する。 提案モデルでは,深層潜伏変動モデルと時間畳み込みネットワークと双方向のクロスアテンションを統合して,歩行力学とヒューズ装荷および未装荷歩行パターンを捉える。 参加者に装着した慣性測定ユニットから収集した実世界のデータを用いた実験は、補助情報の導入によるかなりの精度の向上を示す。
• 参考スコア（独自算出の注目度）: 0.6554326244334868
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning methods are increasingly applied to ergonomic risk assessment in manual material handling, particularly for estimating carried load from gait motion data collected from wearable sensors. However, existing approaches often rely on direct mappings from loaded gait to hand load, limiting generalization and predictive accuracy. In this study, we propose an enhanced load estimation framework that incorporates auxiliary information, including baseline gait patterns during unloaded walking and carrying style. While baseline gait can be automatically captured by wearable sensors and is thus readily available at inference time, carrying style typically requires manual labeling and is often unavailable during deployment. Our model integrates deep latent variable modeling with temporal convolutional networks and bi-directional cross-attention to capture gait dynamics and fuse loaded and unloaded gait patterns. Guided by domain knowledge, the model is designed to estimate load magnitude conditioned on carrying style, while eliminating the need for carrying style labels at inference time. Experiments using real-world data collected from inertial measurement units attached to participants demonstrate substantial accuracy gains from incorporating auxiliary information and highlight the importance of explicit fusion mechanisms over naive feature concatenation.
• Abstract（参考訳）: 機械学習手法は、手動の材料ハンドリングにおける人間工学的リスクアセスメント、特にウェアラブルセンサーから収集した歩行運動データから搬送された負荷を推定するために、ますます応用されている。 しかし、既存のアプローチはしばしばロードされた歩行から手負荷への直接マッピングに依存し、一般化と予測精度を制限している。 本研究では,無負荷歩行および搬送時の基本歩行パターンを含む補助情報を組み込んだ負荷推定フレームワークを提案する。 ベースライン歩行はウェアラブルセンサーによって自動的にキャプチャされ、推論時に容易に利用できるようになるが、キャリングスタイルは手動のラベリングを必要とし、展開時にしばしば利用できない。 提案モデルでは,深層潜伏変動モデルと時間畳み込みネットワークと双方向のクロスアテンションを統合して,歩行力学とヒューズ装荷および未装荷歩行パターンを捉える。 ドメイン知識によってガイドされ、モデルは、推論時にスタイルラベルを運ぶ必要をなくしながら、搬送スタイルに条件付けられた負荷の大きさを推定するように設計されている。 参加者に装着した慣性測定ユニットから収集した実世界のデータを用いた実験は,補助情報の導入による精度の向上を示し,ナイーブな特徴結合に対する明示的な融合機構の重要性を強調した。

関連論文リスト

• maneuverRecognition -- A Python package for Timeseries Classification in the domain of Vehicle Telematics [0.0]
  maneuverRecognitionパッケージは、事前処理、モデリング、評価のための機能を提供する。 本パッケージの実装は,スマートフォンセンサを用いて記録された3人の実運転データを用いて実証した。
  論文  参考訳（メタデータ） (2025-06-29T08:56:19Z)
• PPT: Pretraining with Pseudo-Labeled Trajectories for Motion Forecasting [90.47748423913369]
  最先端のモーション予測モデルは、手動で注釈を付けたり、非常に後処理されたトラジェクトリを備えた、大規模なキュレートされたデータセットに依存している。 PWTはシンプルでスケーラブルな代替手段で、市販の3D検出器とトラッキングから自動生成される、未処理で多様な軌道を使用する。 標準ベンチマーク、特に低データのレシエーション、クロスドメイン、エンドツーエンド、マルチクラスの設定において、強力なパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-12-09T13:48:15Z)
• Pedestrian Volume Prediction Using a Diffusion Convolutional Gated Recurrent Unit Model [4.050741108304134]
  本研究では,Deffusion Convolutional Grated Recurrent Unit(DCGRU)の拡張として,Deffusion Convolutional Grated Recurrent Unit(DCGRU)の拡張モデルを提案する。 提案手法は,従来のベクトル自己回帰モデルと元のDCGRUとを,複数のモデル精度指標で比較した。
  論文  参考訳（メタデータ） (2024-11-05T02:40:43Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• Disentanglement via Latent Quantization [60.37109712033694]
  本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。 本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
  論文  参考訳（メタデータ） (2023-05-28T06:30:29Z)
• Towards better traffic volume estimation: Jointly addressing the underdetermination and nonequilibrium problems with correlation-adaptive GNNs [47.18837782862979]
  本稿では, 交通量推定に関する2つの重要な問題について考察する。(1) 未検出運動による交通流の過小評価, (2) 渋滞伝播による非平衡交通流。 上記の問題に対処するために,データ駆動型,モデルフリー,相関適応型アプローチをグラフベースで実現するディープラーニング手法を実証する。
  論文  参考訳（メタデータ） (2023-03-10T02:22:33Z)
• A System-driven Automatic Ground Truth Generation Method for DL Inner-City Driving Corridor Detectors [0.0]
  乾燥可能なエゴ回廊のセマンティックセグメンテーションのための自動ラベリング手法を提案する。 提案した全体論的アプローチは、自動データループで使用することができ、依存する知覚モジュールを継続的に改善することができる。
  論文  参考訳（メタデータ） (2022-07-20T12:55:16Z)
• CausalAgents: A Robustness Benchmark for Motion Forecasting using Causal Relationships [8.679073301435265]
  既存のデータに摂動を適用することにより、モデルロバスト性の評価と改善のための新しいベンチマークを構築する。 我々はこれらのラベルを使用して、現場から非因果的エージェントを削除することでデータを摂動する。 非因果摂動下では, minADE の相対的な変化は, 原型と比較して25$-$38%である。
  論文  参考訳（メタデータ） (2022-07-07T21:28:23Z)
• Grasp Pre-shape Selection by Synthetic Training: Eye-in-hand Shared Control on the Hannes Prosthesis [6.517935794312337]
  RGB 配列から手形前分類を行うための目印学習方式を提案する。 我々は、人間の腕の軌跡のモデルを用いて、眼球設定の特異性に取り組む。
  論文  参考訳（メタデータ） (2022-03-18T09:16:48Z)
• IntentNet: Learning to Predict Intention from Raw Sensor Data [86.74403297781039]
  本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。 当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
  論文  参考訳（メタデータ） (2021-01-20T00:31:52Z)
• Effective Distant Supervision for Temporal Relation Extraction [49.20329405920023]
  新しい領域における時間的関係抽出モデルを訓練するための主要な障壁は、多様で高品質な例がないことである。 本稿では,時間関係の遠隔管理例を自動的に収集する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-24T03:17:31Z)

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。