論文の概要: Reducing Robotic Upper-Limb Assessment Time While Maintaining Precision: A Time Series Foundation Model Approach

• arxiv url: http://arxiv.org/abs/2511.00193v1
• Date: Fri, 31 Oct 2025 18:50:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.664335
• Title: Reducing Robotic Upper-Limb Assessment Time While Maintaining Precision: A Time Series Foundation Model Approach
• Title（参考訳）: 精度を維持しながらロボット上肢評価時間を短縮する:時系列基礎モデルによるアプローチ
• Authors: Faranak Akbarifar, Nooshin Maghsoodi, Sean P Dukelow, Stephen Scott, Parvin Mousavi,
• Abstract要約: Kinarmロボットの視覚誘導リーチ(VGR)は、敏感なキネマティックバイオマーカーを生成するが、40-64のリーチを必要とする。 時系列基礎モデルが未記録の試行を早期に置き換えられるかどうかを評価する。
• 参考スコア（独自算出の注目度）: 0.9329978164030672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Visually Guided Reaching (VGR) on the Kinarm robot yields sensitive kinematic biomarkers but requires 40-64 reaches, imposing time and fatigue burdens. We evaluate whether time-series foundation models can replace unrecorded trials from an early subset of reaches while preserving the reliability of standard Kinarm parameters. Methods: We analyzed VGR speed signals from 461 stroke and 599 control participants across 4- and 8-target reaching protocols. We withheld all but the first 8 or 16 reaching trials and used ARIMA, MOMENT, and Chronos models, fine-tuned on 70 percent of subjects, to forecast synthetic trials. We recomputed four kinematic features of reaching (reaction time, movement time, posture speed, maximum speed) on combined recorded plus forecasted trials and compared them to full-length references using ICC(2,1). Results: Chronos forecasts restored ICC >= 0.90 for all parameters with only 8 recorded trials plus forecasts, matching the reliability of 24-28 recorded reaches (Delta ICC <= 0.07). MOMENT yielded intermediate gains, while ARIMA improvements were minimal. Across cohorts and protocols, synthetic trials replaced reaches without materially compromising feature reliability. Conclusion: Foundation-model forecasting can greatly shorten Kinarm VGR assessment time. For the most impaired stroke survivors, sessions drop from 4-5 minutes to about 1 minute while preserving kinematic precision. This forecast-augmented paradigm promises efficient robotic evaluations for assessing motor impairments following stroke.
• Abstract（参考訳）: 目的:Kinarmロボットの視覚誘導リーチ(VGR)は、敏感なキネマティックバイオマーカーを出力するが、40～64のリーチが必要であり、時間と疲労の負担がかかる。 我々は,標準Kinarmパラメータの信頼性を保ちながら,未記録の試行を到達範囲の早期サブセットから置き換えることができるかどうかを評価する。 方法】461ストロークのVGR速度信号と599の制御参加者を4～8ターゲット到達プロトコルで解析した。 ARIMA、MOMENT、Chronosのモデルを使って、被験者の70%を微調整し、人工的な臨床試験を予測しました。 ICC(2,1)を用いて,4つの運動特性(反応時間,運動時間,姿勢速度,最大速度)を比較検討した。 結果: クロノス予測はICC >= 0.90 であり, 8 回の治験+予測値のみであり,24～28 回の到達率(Delta ICC <= 0.07)と一致した。 MOMENTは中間利得を得たが、ARIMAの改善は最小限であった。 コホートとプロトコル全体で、置換された合成試薬は、機能の信頼性を著しく損なうことなく到達する。 結論: 基礎モデル予測はKinarm VGRアセスメント時間を大幅に短縮することができる。 最も障害のある脳卒中生存者の場合、セッションは体操精度を維持しながら4-5分から約1分に低下する。 この予測強化パラダイムは、脳卒中後の運動障害を評価するための効率的なロボット評価を約束する。

関連論文リスト

• A Comprehensive Forecasting-Based Framework for Time Series Anomaly Detection: Benchmarking on the Numenta Anomaly Benchmark (NAB) [0.0]
  時系列異常検出は、現代のデジタルインフラにとって重要である。 本稿では,従来の手法をディープラーニングアーキテクチャと統合した予測ベースのフレームワークを提案する。 Numenta Anomaly Benchmark の最初の完全評価を行う。
  論文  参考訳（メタデータ） (2025-10-13T08:31:42Z)
• Swift: An Autoregressive Consistency Model for Efficient Weather Forecasting [0.8503925197267593]
  我々は,確率フローモデルの自己回帰微調整を可能にする単一ステップ一貫性モデルであるSwiftを紹介する。 結果から、Swiftは75日間にわたって安定し、最先端の拡散ベースラインよりも39時間以上高速に動作する、熟練した6時間の予測を生成する。
  論文  参考訳（メタデータ） (2025-09-30T00:54:24Z)
• Towards Low-Latency Event-based Obstacle Avoidance on a FPGA-Drone [6.515830463304737]
  本研究は,FPGA加速器における衝突回避行動予測のための従来のRGBモデルに対して,イベントベースビジョンシステム(EVS)の性能を定量的に評価する。 EVSモデルは、RGBモデルと比較して、はるかに高い有効フレームレート(1kHz)、低時間時間(-20ms)、空間予測誤差(-20mm)を達成する。 これらの結果は、リアルタイム衝突回避のためのイベントベースのビジョンの利点を浮き彫りにして、リソース制約のある環境に展開する可能性を示している。
  論文  参考訳（メタデータ） (2025-04-14T16:51:10Z)
• Benchmarking Reasoning Robustness in Large Language Models [76.79744000300363]
  新規データや不完全データでは,性能が著しく低下することがわかった。 これらの結果は、厳密な論理的推論に対するリコールへの依存を浮き彫りにした。 本稿では,情報不足によって引き起こされる幻覚を利用して推論ギャップを明らかにする,Math-RoBと呼ばれる新しいベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-03-06T15:36:06Z)
• RULSurv: A probabilistic survival-based method for early censoring-aware prediction of remaining useful life in ball bearings [39.58317527488534]
  Kullback-Leibler分散とRUL推定を用いた早期故障検出のための新しいフレキシブルな手法を提案する。 我々は,XJTU-SYデータセットにおいて,3つの異なる操作条件にまたがる5倍のクロスバリデーション戦略を用いてアプローチを実証する。 提案手法は,最大荷重下での5軸受の平均累積相対精度(CRA)を0.7586で達成し,複数の最先端ベースラインを改良する。
  論文  参考訳（メタデータ） (2024-05-02T16:17:29Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)

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。