論文の概要: HERMES: A Unified Open-Source Framework for Realtime Multimodal Physiological Sensing, Edge AI, and Intervention in Closed-Loop Smart Healthcare Applications

• arxiv url: http://arxiv.org/abs/2601.12610v1
• Date: Sun, 18 Jan 2026 22:54:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.699638
• Title: HERMES: A Unified Open-Source Framework for Realtime Multimodal Physiological Sensing, Edge AI, and Intervention in Closed-Loop Smart Healthcare Applications
• Title（参考訳）: HERMES: クローズドループスマートヘルスケアアプリケーションにおけるリアルタイムマルチモーダル生理学的センシング、エッジAI、介入のための統一オープンソースフレームワーク
• Authors: Maxim Yudayev, Juha Carlon, Diwas Lamsal, Vayalet Stefanova, Benjamin Filtjens,
• Abstract要約: HERMESはオープンソースの高性能Pythonフレームワークで、エッジで連続的なマルチモーダルセンシングとAI処理を行う。 これは、同期データ収集と、ユーザのPyTorchモデルによるリアルタイムストリーミング推論を可能にする。 HERMESは、商用およびカスタムの分散センサーの固定版および自由生活環境に適用できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent assistive technologies are increasingly recognized as critical daily-use enablers for people with disabilities and age-related functional decline. Longitudinal studies, curation of quality datasets, live monitoring in activities of daily living, and intelligent intervention devices, share the largely unsolved need in reliable high-throughput multimodal sensing and processing. Streaming large heterogeneous data from distributed sensors, historically closed-source environments, and limited prior works on realtime closed-loop AI methodologies, inhibit such applications. To accelerate the emergence of clinical deployments, we deliver HERMES - an open-source high-performance Python framework for continuous multimodal sensing and AI processing at the edge. It enables synchronized data collection, and realtime streaming inference with user PyTorch models, on commodity computing devices. HERMES is applicable to fixed-lab and free-living environments, of distributed commercial and custom sensors. It is the first work to offer a holistic methodology that bridges cross-disciplinary gaps in real-world implementation strategies, and guides downstream AI model development. Its application on the closed-loop intelligent prosthesis use case illustrates the process of suitable AI model development from the generated constraints and trade-offs. Validation on the use case, with 4 synchronized hosts cooperatively capturing 18 wearable and off-body modalities, demonstrates performance and relevance of HERMES to the trajectory of the intelligent healthcare domain.
• Abstract（参考訳）: 知的補助技術は、障害のある人や年齢に関連する機能低下者にとって、日常的に利用される重要なイネーブラーとして、ますます認識されている。 縦断的研究、品質データセットのキュレーション、日常生活の活動のライブモニタリング、インテリジェントな介入デバイスは、信頼性の高い高スループットマルチモーダルセンシングと処理において、ほとんど解決されていないニーズを共有している。 分散センサー、歴史的にクローズドソース環境、およびリアルタイムクローズドループAI方法論に関する制限された事前作業から、大規模な異種データをストリームすることで、そのような応用を阻害する。 HERMESはオープンソースの高性能なPythonフレームワークで、連続的なマルチモーダルセンシングとAI処理をエッジで実現する。 これは、コモディティコンピューティングデバイス上で、同期データ収集とユーザPyTorchモデルとのリアルタイムストリーミング推論を可能にする。 HERMESは、分散商用およびカスタムセンサーの固定版および自由生活環境に適用できる。 現実世界の実装戦略における学際的なギャップを埋め、下流のAIモデル開発をガイドする、包括的な方法論を提供する最初の作業である。 クローズドループのインテリジェントな義肢のユースケースに対するその応用は、生成された制約とトレードオフから適切なAIモデルの開発プロセスを示している。 ユースケースの検証では、4つの同期ホストが18のウェアラブルとオフボディのモダリティを協調的に捕捉し、インテリジェントヘルスケアドメインの軌道に対するHERMESの性能と関連性を実証している。

関連論文リスト

• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey [11.537225726120495]
  ファンデーションモデルは、断片化されたアーキテクチャをマルチモーダル推論とコンテキスト適応を備えたスケーラブルなバックボーンに統一することで、AIを再構築した。 FMを認知のコアとして、エージェントは自律性、一般化、自己回帰を達成するためにルールベースの振る舞いを超越する。 この調査は、適応的でリソース効率の良いエージェントAIシステムの、最初の体系的な特徴を提供する。
  論文  参考訳（メタデータ） (2025-09-30T02:37:52Z)
• Learning Multimodal AI Algorithms for Amplifying Limited User Input into High-dimensional Control Space [7.504214864070018]
  現在の侵襲的補助技術は、重度麻痺患者の高次元運動制御信号を推定するために設計されている。 非侵襲的な代替手段は、しばしばアーティファクトを起こしやすい信号に依存し、長いユーザートレーニングを必要とし、厳密なタスクに対して堅牢な高次元制御を提供するのに苦労する。 本研究では、失われた運動機能に対するインテリジェント補償機構として、人間中心型マルチモーダルAIアプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-16T15:31:40Z)
• KAITIAN: A Unified Communication Framework for Enabling Efficient Collaboration Across Heterogeneous Accelerators in Embodied AI Systems [5.241889216655924]
  KAITIANは、AIワークロードのための新しい分散通信フレームワークである。 ベンダー最適化されたグループ内効率のための通信ライブラリとグループ間相互運用性のための汎用通信プロトコルを統合する。 ベースラインの均質システムと比較してトレーニング時間を最大42%短縮することができる。
  論文  参考訳（メタデータ） (2025-05-15T11:29:43Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• An AI-Driven Multimodal Smart Home Platform for Continuous Monitoring and Assistance in Post-Stroke Motor Impairment [23.865199757677036]
  術後患者の在宅リハビリテーションを継続するためのスマートホームプラットフォームを提案する。 プランタ圧インソールは、最大94%の精度で、ユーザーを運動回復段階に分類する。 カメラやマイクなどの環境センサーとともに、オプションのヘッドマウントアイトラッキングモジュールは、家庭用デバイスのシームレスなハンズフリーコントロールをサポートする。
  論文  参考訳（メタデータ） (2024-11-28T09:04:39Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)

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。