論文の概要: Mesquite MoCap: Democratizing Real-Time Motion Capture with Affordable, Bodyworn IoT Sensors and WebXR SLAM

• arxiv url: http://arxiv.org/abs/2512.22690v1
• Date: Sat, 27 Dec 2025 19:39:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.179364
• Title: Mesquite MoCap: Democratizing Real-Time Motion Capture with Affordable, Bodyworn IoT Sensors and WebXR SLAM
• Title（参考訳）: Mesquite MoCap: Affordable, Bodyworn IoT Sensors and WebXR SLAMによるリアルタイムモーションキャプチャの民主化
• Authors: Poojan Vanani, Darsh Patel, Danyal Khorami, Siva Munaganuru, Pavan Reddy, Varun Reddy, Bhargav Raghunath, Ishrat Lallmamode, Romir Patel, Assegid Kidané, Tejaswi Gowda,
• Abstract要約: Mesquiteはオープンソースの低コストな慣性モーションキャプチャシステムである。 15のIMUセンサーノードと、位置追跡用のヒップウーンのAndroidスマートフォンを組み合わせたものだ。 我々は,オープンソースライセンス(GNU)の下でハードウェア設計,ファームウェア,ソフトウェアをリリースする。
• 参考スコア（独自算出の注目度）: 0.509152775326595
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motion capture remains costly and complex to deploy, limiting use outside specialized laboratories. We present Mesquite, an open-source, low-cost inertial motion-capture system that combines a body-worn network of 15 IMU sensor nodes with a hip-worn Android smartphone for position tracking. A low-power wireless link streams quaternion orientations to a central USB dongle and a browser-based application for real-time visualization and recording. Built on modern web technologies -- WebGL for rendering, WebXR for SLAM, WebSerial and WebSockets for device and network I/O, and Progressive Web Apps for packaging -- the system runs cross-platform entirely in the browser. In benchmarks against a commercial optical system, Mesquite achieves mean joint-angle error of 2-5 degrees while operating at approximately 5% of the cost. The system sustains 30 frames per second with end-to-end latency under 15ms and a packet delivery rate of at least 99.7% in standard indoor environments. By leveraging IoT principles, edge processing, and a web-native stack, Mesquite lowers the barrier to motion capture for applications in entertainment, biomechanics, healthcare monitoring, human-computer interaction, and virtual reality. We release hardware designs, firmware, and software under an open-source license (GNU GPL).
• Abstract（参考訳）: モーションキャプチャーは、展開するのに費用がかかり複雑であり、特別な実験室の外での使用を制限する。 We present Mesquite, a open-source, low-cost inertial motion-capture system that a body-worn network of 15 IMU sensor node with a hip-worn Android smartphone for position tracking。 低消費電力の無線リンクは、四元方向を中央のUSBドングルとリアルタイムの可視化と記録のためのブラウザベースのアプリケーションにストリームする。 最新のWebテクノロジ – レンダリング用のWebGL,SLAM用のWebXR,デバイスおよびネットワークI/O用のWebSerialとWebSocket,パッケージング用のProgressive Web Apps – をベースとして,完全にブラウザ上でクロスプラットフォームで動作する。 商用光学システムに対するベンチマークでは、Mesquiteは平均関節角度誤差を約5%で操作しながら平均2-5度を達成する。 このシステムは毎秒30フレームを保ち、15ms以下のエンドツーエンドのレイテンシと、標準屋内環境でのパケット配信率は99.7%である。 IoTの原則やエッジ処理,Webネイティブスタックを活用することで,エンタテイメントやバイオメカニクス,ヘルスケア監視,ヒューマンコンピュータインタラクション,仮想現実といった分野における,モーションキャプチャの障壁を低くする。 ハードウェア設計、ファームウェア、ソフトウェアをオープンソースライセンス(GNU GPL)でリリースします。

関連論文リスト

• Realizing Fully-Integrated, Low-Power, Event-Based Pupil Tracking with Neuromorphic Hardware [2.2940141855172036]
  本報告では,デバイス上での完全統合による,電池駆動型ウェアラブル型瞳孔追跡システムについて紹介する。 我々のソリューションは、厳密なメモリと帯域幅の制約に最適化されたゲート時間デコーディングを備えた、新しい不確実性量子化スパイクニューラルネットワークを備えている。 我々の研究は、エンド・ツー・エンドのニューロモルフィック・コンピューティングが、次世代のエネルギー効率の高いウェアラブルシステムに対して実用的で常に目の動きを追跡することを実証している。
  論文  参考訳（メタデータ） (2025-11-25T10:58:23Z)
• Design, Implementation and Evaluation of a Real-Time Remote Photoplethysmography (rPPG) Acquisition System for Non-Invasive Vital Sign Monitoring [10.154892578360151]
  本稿では,低消費電力デバイスに最適化されたリアルタイムリモート光胸腺撮影(rthy)システムを提案する。 顔の映像ストリームから心拍数(HR)、呼吸速度(RR)、酸素飽和などの生理的シグナルを抽出するように設計されている。
  論文  参考訳（メタデータ） (2025-08-26T08:12:57Z)
• Enabling Deep Visibility into VxWorks-Based Embedded Controllers in Cyber-Physical Systems for Anomaly Detection [20.062428504673225]
  DIVER(Defensive implant for Visibility to Embedded Run-times)は、サイバー物理システムにおける組み込み制御デバイスをリアルタイムで可視化するためのフレームワークである。 Dimerは,VxWorksリアルタイムオペレーティングシステム(RTOS)を実行するデバイスを対象とした,異常のランタイム検出を可能にする Dimerには2つのコンポーネントがある: VxWorksカーネルに組み込み、実行時の計測を収集し、TCP/IP上で対話的/ストリーミングインターフェースを提供する。
  論文  参考訳（メタデータ） (2025-04-24T18:26:10Z)
• FLEdge: Benchmarking Federated Machine Learning Applications in Edge Computing Systems [61.335229621081346]
  フェデレートラーニング(FL)は,ネットワークエッジ上での分散ディープラーニングのプライバシ強化を実現する上で,有効なテクニックとなっている。 本稿では,既存のFLベンチマークを補完するFLEdgeを提案する。
  論文  参考訳（メタデータ） (2023-06-08T13:11:20Z)
• MAPLE-Edge: A Runtime Latency Predictor for Edge Devices [80.01591186546793]
  汎用ハードウェアの最先端遅延予測器であるMAPLEのエッジデバイス指向拡張であるMAPLE-Edgeを提案する。 MAPLEと比較して、MAPLE-Edgeはより小さなCPUパフォーマンスカウンタを使用して、ランタイムとターゲットデバイスプラットフォームを記述することができる。 また、共通ランタイムを共有するデバイスプール上でトレーニングを行うMAPLEとは異なり、MAPLE-Edgeは実行時に効果的に一般化できることを示す。
  論文  参考訳（メタデータ） (2022-04-27T14:00:48Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• An Efficient Video Streaming Architecture with QoS Control for Virtual Desktop Infrastructure in Cloud Computing [1.8839378985061936]
  仮想デスクトップインフラ(VDI)環境では、リモートディスプレイプロトコルは、データセンターがホストするデスクトップからエンドポイントにビデオデータを送信する大きな責任を持つ。 本稿では,ユーザエクスペリエンス(QoE)を改善するためのフレキシブルな制御を含むアーキテクチャを提案する。 このアーキテクチャには、2D画像の新たな圧縮が含まれており、最高の画質を保証し、ビデオ遅延を低減するように設計されている。
  論文  参考訳（メタデータ） (2022-03-11T03:22:11Z)
• FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
  本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。 この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。 分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
  論文  参考訳（メタデータ） (2022-01-18T13:59:22Z)
• PhiNets: a scalable backbone for low-power AI at the edge [2.7910505923792646]
  PhiNetsは、リソース制約のあるプラットフォーム上でのディープラーニングベースの画像処理に最適化された、スケーラブルなバックボーンである。 PhiNetは計算コスト、動作メモリ、パラメータメモリを分離するために特別に設計された逆残差ブロックに基づいている。 STM32H743マイクロコントローラをベースとしたプロトタイプノードへのアプローチを実証する。
  論文  参考訳（メタデータ） (2021-10-01T12:03:25Z)
• Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian Detection [99.94079901071163]
  本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。 我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。 我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
  論文  参考訳（メタデータ） (2020-04-03T17:36:26Z)

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。