論文の概要: Advancing Assistive Robotics: Multi-Modal Navigation and Biophysical Monitoring for Next-Generation Wheelchairs

• arxiv url: http://arxiv.org/abs/2601.02766v1
• Date: Tue, 06 Jan 2026 06:58:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.653868
• Title: Advancing Assistive Robotics: Multi-Modal Navigation and Biophysical Monitoring for Next-Generation Wheelchairs
• Title（参考訳）: 補助ロボットの進化:次世代車椅子のマルチモーダルナビゲーションと生体物理モニタリング
• Authors: Md. Anowar Hossain, Mohd. Ehsanul Hoque,
• Abstract要約: 本研究は, 患者のニーズを優先し, 制御モードの切り替えを可能とした, マルチモーダルEPW制御システムを提案する。 ジョイスティック, 音声, 手のジェスチャー, 筋電図 (EOG) の4つの相補的インタフェースを, 連続的なバイタルサインモニタリングフレームワークに統合する。 この組み合わせにより、患者の自立性が向上し、介護者がリアルタイムの監視と早期介入能力を維持することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Assistive electric-powered wheelchairs (EPWs) have become essential mobility aids for people with disabilities such as amyotrophic lateral sclerosis (ALS), post-stroke hemiplegia, and dementia-related mobility impairment. This work presents a novel multi-modal EPW control system designed to prioritize patient needs while allowing seamless switching between control modes. Four complementary interfaces, namely joystick, speech, hand gesture, and electrooculography (EOG), are integrated with a continuous vital sign monitoring framework measuring heart rate variability, oxygen saturation (SpO2), and skin temperature. This combination enables greater patient independence while allowing caregivers to maintain real-time supervision and early intervention capability. Two-point calibration of the biophysical sensors against clinical reference devices resulted in root mean square errors of at most 2 bpm for heart rate, 0.5 degree Celsius for skin temperature, and 1 percent for SpO2. Experimental evaluation involved twenty participants with mobility impairments executing a total of 500 indoor navigation commands. The achieved command recognition accuracies were 99 percent for joystick control, 97 percent plus or minus 2 percent for speech, and 95 percent plus or minus 3 percent for hand gesture, with an average closed-loop latency of 20 plus or minus 0.5 milliseconds. Caregivers receive real-time alerts through an Android application following encrypted cloud transmission of physiological data. By integrating multi-modal mobility control with cloud-enabled health monitoring and reporting latency and energy budgets, the proposed prototype addresses key challenges in assistive robotics, contributes toward compliance with ISO 7176-31 and IEC 80601-2-78 safety standards, and establishes a foundation for future adaptive machine learning enhancements.
• Abstract（参考訳）: 補助電動車椅子(EPW)は筋萎縮性側索硬化症(ALS)、脳卒中後片麻痺、認知症関連モビリティ障害などの障害者に必須の移動補助具となっている。 本研究は,コントロールモード間のシームレスな切り替えを可能にしつつ,患者のニーズを優先する新しいマルチモーダルEPW制御システムを提案する。 ジョイスティック,音声,手ジェスチャー,筋電図(EOG)の4つの相補的インターフェースは,心拍変動,酸素飽和(SpO2),皮膚温度を測定する連続的なバイタルサインモニタリングフレームワークと統合されている。 この組み合わせにより、患者の自立性が向上し、介護者がリアルタイムの監視と早期介入能力を維持することができる。 臨床基準装置に対する生体物理センサーの2点校正は、心拍数で最低2bpm、皮膚温度で0.5°C、SpO2で1%の根平均二乗誤差をもたらす。 実験では、計500の屋内ナビゲーションコマンドを実行するモビリティ障害患者20名を対象に実験を行った。 コマンド認識の精度は、ジョイスティックコントロールの99%、スピーチの97%プラスまたは2%、手ジェスチャーの95%プラスまたは3%、クローズドループのレイテンシの平均は20プラス0.5ミリ秒だった。 キャリアは、生理的データの暗号化クラウド送信に続いて、Androidアプリケーションを通じてリアルタイムアラートを受け取る。 マルチモーダルモビリティコントロールとクラウド対応の健康モニタリングとレポートのレイテンシとエネルギー予算を統合することで、提案されたプロトタイプは、アシストロボティクスにおける重要な課題に対処し、ISO 7176-31とIEC 80601-2-78の安全標準への準拠、将来の適応機械学習強化の基礎を確立する。

関連論文リスト

• EgoPoseFormer v2: Accurate Egocentric Human Motion Estimation for AR/VR [43.739084350055435]
  本稿では,時間的一貫した空間的ボディーポーズ推定のためのトランスフォーマーモデルを提案する。 また,大規模な未ラベルデータセットをトレーニングに利用するための自動ラベルシステムを提案する。 EgoBody3Mベンチマークでは、GPUの0.8msレイテンシで、2つの最先端メソッドを12.2%、19.4%精度で上回り、時間ジッタを22.2%、51.7%削減しています。
  論文  参考訳（メタデータ） (2026-03-04T14:01:16Z)
• An AI-IoT Based Smart Wheelchair with Gesture-Controlled Mobility, Deep Learning-Based Obstacle Detection, Multi-Sensor Health Monitoring, and Emergency Alert System [0.6465251961564605]
  そこで我々は,手動ナビゲーションのための手袋によるジェスチャー制御,障害物回避のための聴覚フィードバックを備えたYOLOv8を用いたリアルタイム物体検出,即時衝突回避のための超音波を含む,AI-IoTベースのスマート車椅子システムを提案する。 モジュラーで低コストなアーキテクチャをベースとしたジェスチャー制御は95.5%の成功率、超音波障害物検出は94%の精度、YOLOv8ベースの物体検出は91.5%の精度、90.2%のリコール、90.8%のF1スコアを記録した。
  論文  参考訳（メタデータ） (2026-01-17T09:37:11Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Neurotremor: A wearable Supportive Device for Supporting Upper Limb Muscle Function [0.0]
  上肢機能のためのセンサフューズ型ウェアラブル支援プロトタイプ(トリペスブラキイと伸展性花粉)を提示する。 この装置は、表面筋電図(sEMG)、慣性測定ユニット(IMU)、およびM5StickCとESP32-S3計算ハブのフレキシブル/フォースセンサーを統合する。 コントロールは、コントロールバリア機能付き安全封筒によってバウンドされ、軽量なパーソナライゼーションを備えたゲームベースのタスク内に配信される。
  論文  参考訳（メタデータ） (2025-10-02T00:07:09Z)
• Autonomous Multi-Robot Infrastructure for AI-Enabled Healthcare Delivery and Diagnostics [0.0]
  本研究では、ウェアラブルヘルスセンサ、RFベースのコミュニケーション、AIによる意思決定支援を取り入れた医療用マルチロボットシステムを提案する。 シミュレーションされた病院環境内では、患者監視、医療提供、緊急支援を行うためにリーダー・フォロワー・スワム構成を採用する。
  論文  参考訳（メタデータ） (2025-09-30T11:27:33Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• MELON: Multimodal Mixture-of-Experts with Spectral-Temporal Fusion for Long-Term Mobility Estimation in Critical Care [1.5237145555729716]
  MELONは、医療現場における12時間移動状態を予測するための新しいフレームワークである。 フロリダ州ゲインズビルにあるフロリダ・ヘルス・サンズ病院の9つの集中治療室を受診した126名の患者を対象に,MELONモデルを訓練・評価した。 その結果、MELONは従来の12時間移動状態推定手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-03-10T19:47:46Z)
• The Potential of Wearable Sensors for Assessing Patient Acuity in Intensive Care Unit (ICU) [12.359907390320453]
  エクイティアセスメントは、タイムリーな介入と公平なリソース割り当てを提供するために、重要なケア設定において不可欠である。 従来のAcuityスコアには、ICUの回復や劣化を示す、患者のモビリティレベルなどの詳細な情報が含まれていない。 本研究では,手首の加速度計から収集したモビリティデータとEHRから得られた臨床データとを統合してAIによる明度評価スコアを作成することによる影響について検討した。
  論文  参考訳（メタデータ） (2023-11-03T21:52:05Z)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。