論文の概要: Ground Compliance Improves Retention of Visual Feedback-Based Propulsion Training for Gait Rehabilitation

• arxiv url: http://arxiv.org/abs/2512.06897v1
• Date: Sun, 07 Dec 2025 15:48:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.188166
• Title: Ground Compliance Improves Retention of Visual Feedback-Based Propulsion Training for Gait Rehabilitation
• Title（参考訳）: 歩行リハビリテーションのための視覚フィードバック型推進訓練の維持性向上
• Authors: Bradley Hobbs, Panagiotis Artemiadis,
• Abstract要約: 10人の健康な参加者がカスタムスプリットベルトトレッドミルを歩いた。 全参加者は、地上反応力からリアルタイムで視覚フィードバックを受けた。 あるグループは地上コンプライアンスの変更を経験し、あるグループは視覚的フィードバックのみを受け取りました。 推進型地中反応力(POF)の意図的増加が達成され, 持続した。
• 参考スコア（独自算出の注目度）: 2.9005223064604078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study investigates whether adding ground compliance to visual feedback (VF) gait training is more effective at increasing push-off force (POF) compared to using VF alone, with implications for gait rehabilitation. Ten healthy participants walked on a custom split-belt treadmill. All participants received real-time visual feedback of their ground reaction forces. One group also experienced changes in ground compliance, while a control group received only visual feedback. Intentional increases in propulsive ground reaction forces (POF) were successfully achieved and sustained post-intervention, especially in the group that experienced ground compliance. This group also demonstrated lasting after-effects in muscle activity and joint kinematics, indicating a more robust learning of natural strategies to increase propulsion. This work demonstrates how visual and proprioceptive systems coordinate during gait adaptation. It uniquely shows that combining ground compliance with visual feedback enhances the learning of propulsive forces, supporting the potential use of compliant terrain in long-term rehabilitation targeting propulsion deficits, such as those following a stroke.
• Abstract（参考訳）: 本研究は,視覚フィードバック(VF)歩行トレーニングに地面コンプライアンスを加えることで,VF単独の使用よりもプッシュオフ力(POF)を高めることができるか,歩行リハビリテーションに影響を及ぼすかを検討する。 10人の健康な参加者がカスタムスプリットベルトトレッドミルを歩いた。 全参加者は、地上反応力からリアルタイムで視覚フィードバックを受けた。 あるグループは地上コンプライアンスの変更を経験し、あるグループは視覚的フィードバックのみを受け取りました。 推進的地中反応力(POF)の意図的増加は,特に地中コンプライアンスを経験した群で達成され,介入後も維持された。 このグループはまた、筋肉活動と関節キネマティクスの持続的な後効効果を示し、推進力を高めるための自然な戦略のより堅牢な学習を示している。 この研究は、歩行適応中に視覚系と視受容系がどのように協調するかを示す。 視覚的フィードバックと地上コンプライアンスを組み合わせることで、推進力の学習が促進され、脳卒中などの推進障害を標的とした長期リハビリテーションにおける適合した地形の潜在的利用が支援される。

関連論文リスト

• Gym-V: A Unified Vision Environment System for Agentic Vision Research [51.62136909074774]
  Gym-Vは、手続き的に生成された10ドメインにわたる179の視覚環境の統一プラットフォームであり、制御が難しい。 我々は,RLアルゴリズムの選択よりも,観測足場がトレーニングの成功に決定的であることを見出した。 クロスドメイン転送実験は、多様なタスクのトレーニングが広範囲に一般化され、狭いトレーニングが負の転送を引き起こすことを示している。
  論文  参考訳（メタデータ） (2026-03-16T15:37:07Z)
• From Vision to Assistance: Gaze and Vision-Enabled Adaptive Control for a Back-Support Exoskeleton [42.24099624713759]
  活動性腰部職業性外骨格に対する視覚制御フレームワークを提案する。 提案システムは,一対一の YOLO に基づく知覚システムからリアルタイムの把握検出を統合する。 ユーザスタディでは、視覚刺激による補助が身体的需要を著しく減少させることが示された。
  論文  参考訳（メタデータ） (2026-02-04T15:23:42Z)
• ReViP: Reducing False Completion in Vision-Language-Action Models with Vision-Proprioception Rebalance [50.05984919728878]
  本稿では、視覚的接地と摂動下での堅牢性を高めるために、視覚-受容器リバランスを備えた新しいVLAフレームワークReViPを提案する。 具体的には、タスクステージオブザーバとして外部VLMを使用して、視覚的な観察からリアルタイムなタスク中心の視覚的手がかりを抽出する。 本稿では,オブジェクトドロップのような制御された設定を持つLIBERO上に構築された最初のFalse-Completion Benchmark Suiteを提案する。
  論文  参考訳（メタデータ） (2026-01-23T11:31:07Z)
• Compensation Effect Amplification Control (CEAC): A movement-based approach for coordinated position and velocity control of the elbow of upper-limb prostheses [2.8360662552057314]
  補償効果増幅制御(英: Compensation Effect Amplification Control、CEAC)は、運動に基づく制御パラダイムである。 CEACは、制御遅延を導入しながら、トランクと補綴の自然な結合を増幅する。 その結果,自然腕の動きに匹敵するタスク性能が得られた。
  論文  参考訳（メタデータ） (2026-01-08T16:18:10Z)
• Accelerating Reinforcement Learning via Error-Related Human Brain Signals [0.43012765978447565]
  本研究では、複雑なロボット操作設定において、暗黙のニューラルフィードバックが強化学習を加速させる方法について検討する。 オフライン学習された脳波分類器からデコードされたエラー関連電位を報酬形成に統合し、フィードバック重み付けの効果を評価する。 本研究は,脳波を用いた強化学習が運動課題を超えて拡張可能であることを示す。
  論文  参考訳（メタデータ） (2025-11-24T08:33:47Z)
• Improving Fast Adversarial Training Paradigm: An Example Taxonomy Perspective [61.38753850236804]
  高速対人訓練 (FAT) は, 効率的な訓練を行うために提案され, 熱い研究課題となっている。 FATは破滅的なオーバーフィッティングに悩まされ、多段階の逆行訓練と比較してパフォーマンスが低下する。 本稿では, FATにおける内的最適化と外的最適化のバランスが不均衡であることから, 破滅的なオーバーフィッティングが原因であることが確認された FAT の分類例を示す。
  論文  参考訳（メタデータ） (2024-07-22T03:56:27Z)
• Brain-like Flexible Visual Inference by Harnessing Feedback-Feedforward Alignment [2.8749107965043286]
  自然視では、フィードバック接続は万能な視覚推論機能をサポートする。 本稿では,フィードバックとフィードフォワード経路を相互信頼割当計算グラフとして活用する学習アルゴリズムであるFeedback-Feedforward Alignment(FFA)を紹介する。 本研究では,広く使用されているMNISTデータセットとCIFAR10データセットに対する分類と再構成タスクの協調最適化におけるFFAの有効性を示す。
  論文  参考訳（メタデータ） (2023-10-31T16:35:27Z)
• Ego-perspective enhanced fitness training experience of AR Try to Move game [0.0]
  この研究は、AR Try to Moveゲームと畳み込みニューラルネットワーク(CNN)を提供することを目的としている。 ユーザーは、より有効で便利な遠隔トレーニングを通じて、上肢筋システムを強化するインセンティブを得ている。
  論文  参考訳（メタデータ） (2023-09-26T08:34:27Z)
• Minimizing Control for Credit Assignment with Strong Feedback [65.59995261310529]
  ディープニューラルネットワークにおける勾配に基づくクレジット割り当ての現在の手法は、無限小のフィードバック信号を必要とする。 我々は、神経活動に対する強いフィードバックと勾配に基づく学習を組み合わせることで、ニューラルネットワークの最適化に関する新たな視点を自然に導き出すことを示す。 DFCにおける強いフィードバックを用いることで、空間と時間において完全に局所的な学習規則を用いることで、前向きとフィードバックの接続を同時に学習できることを示す。
  論文  参考訳（メタデータ） (2022-04-14T22:06:21Z)
• Adversarial Weight Perturbation Helps Robust Generalization [65.68598525492666]
  敵のトレーニングは、敵の例に対するディープニューラルネットワークの堅牢性を改善する最も有望な方法である。 本研究は, 対人訓練において, 広く使用されている減量景観(重量に対する空間変化)が果たす効果を示す。 本稿では, 重量減少景観の平坦性を明確に調整するための, 単純かつ効果的な対向重み摂動(AWP)を提案する。
  論文  参考訳（メタデータ） (2020-04-13T12:05:01Z)
• Facial Feedback for Reinforcement Learning: A Case Study and Offline Analysis Using the TAMER Framework [51.237191651923666]
  訓練者の表情からエージェント学習の可能性について,評価フィードバックとして解釈することで検討した。 設計したCNN-RNNモデルを用いて,学習者に対して表情とコンペティションの使用を指示することで,肯定的および否定的なフィードバックを推定する精度を向上させることができることを示す。 シミュレーション実験の結果,表情に基づく予測フィードバックのみから学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-23T17:50:57Z)

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。