論文の概要: ME-WARD: A multimodal ergonomic analysis tool for musculoskeletal risk assessment from inertial and video data in working plac
- arxiv url: http://arxiv.org/abs/2601.17571v1
- Date: Sat, 24 Jan 2026 19:50:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:07.996154
- Title: ME-WARD: A multimodal ergonomic analysis tool for musculoskeletal risk assessment from inertial and video data in working plac
- Title（参考訳）: ME-WARD-作業プラックにおける慣性・ビデオデータを用いた筋骨格リスク評価のためのマルチモーダルエルゴノミクス解析ツール
- Authors: Javier González-Alonso, Paula Martín-Tapia, David González-Ortega, Míriam Antón-Rodríguez, Francisco Javier Díaz-Pernas, Mario Martínez-Zarzuela,
- Abstract要約: ME-WARDはモーションキャプチャシステムからの関節角データを処理するように設計されている。
このツールの柔軟性は、関節角を確実に測定できるあらゆるシステムを用いた人間工学的リスク評価を可能にする。
実験では、最先端のモノクル3Dポーズ推定システムとともに、金標準IMUシステムを利用した。
- 参考スコア（独自算出の注目度）: 2.7708222692419735
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study presents ME-WARD (Multimodal Ergonomic Workplace Assessment and Risk from Data), a novel system for ergonomic assessment and musculoskeletal risk evaluation that implements the Rapid Upper Limb Assessment (RULA) method. ME-WARD is designed to process joint angle data from motion capture systems, including inertial measurement unit (IMU)-based setups, and deep learning human body pose tracking models. The tool's flexibility enables ergonomic risk assessment using any system capable of reliably measuring joint angles, extending the applicability of RULA beyond proprietary setups. To validate its performance, the tool was tested in an industrial setting during the assembly of conveyor belts, which involved high-risk tasks such as inserting rods and pushing conveyor belt components. The experiments leveraged gold standard IMU systems alongside a state-of-the-art monocular 3D pose estimation system. The results confirmed that ME-WARD produces reliable RULA scores that closely align with IMU-derived metrics for flexion-dominated movements and comparable performance with the monocular system, despite limitations in tracking lateral and rotational motions. This work highlights the potential of integrating multiple motion capture technologies into a unified and accessible ergonomic assessment pipeline. By supporting diverse input sources, including low-cost video-based systems, the proposed multimodal approach offers a scalable, cost-effective solution for ergonomic assessments, paving the way for broader adoption in resource-constrained industrial environments.
- Abstract（参考訳）: 本研究では, 早期上肢評価法(RULA)を実装したエルゴノミックアセスメントと筋骨格リスク評価の新しいシステムであるME-WARDを提案する。
ME-WARDは、慣性計測ユニット(IMU)ベースの設定、深層学習人体ポーズ追跡モデルなど、モーションキャプチャシステムからの関節角データを処理するように設計されている。
このツールの柔軟性は、関節角を確実に測定できるあらゆるシステムを用いて人間工学的リスク評価を可能にし、RULAの適用性はプロプライエタリな設定を超えて拡張する。
その性能を検証するため、このツールはコンベヤベルトの組立中に工業的にテストされ、ロッドの挿入やコンベヤベルトの部品の押圧といったリスクの高い作業が行われた。
実験では、最先端のモノクル3Dポーズ推定システムとともに、金標準IMUシステムを利用した。
その結果、ME-WARDは、横運動や回転運動の追跡に制限があるにもかかわらず、IMU由来の反射支配運動の指標と同等の性能で信頼性の高いRULAスコアを生成することを確認した。
この研究は、複数のモーションキャプチャ技術を統合され、アクセス可能なエルゴノミクスアセスメントパイプラインに統合する可能性を強調している。
低コストなビデオベースシステムを含む多様な入力源をサポートすることで、提案されたマルチモーダルアプローチは、エルゴノミクス評価のためのスケーラブルで費用対効果の高いソリューションを提供し、資源に制約のある産業環境に広く採用する道を開く。
関連論文リスト
- MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。
フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。
生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
論文 参考訳（メタデータ） (2025-08-04T03:07:54Z) - Intelligent Framework for Human-Robot Collaboration: Dynamic Ergonomics and Adaptive Decision-Making [16.96010830093366]
本稿では,高度な視覚認識,連続的エルゴノミクスモニタリング,適応的行動木決定を統合化するための革新的なフレームワークを提案する。
我々のアプローチは、ディープラーニングモデル、高度な追跡アルゴリズム、動的エルゴノミクスアセスメントをモジュラーでスケーラブルで適応的なシステムに合成する。
論文 参考訳（メタデータ） (2025-03-10T22:43:07Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - Leveraging Digital Perceptual Technologies for Remote Perception and Analysis of Human Biomechanical Processes: A Contactless Approach for Workload and Joint Force Assessment [4.96669107440958]
本研究では,産業環境下での人間の動きの分析を目的とした,革新的なコンピュータビジョンフレームワークを提案する。
このフレームワークは、人間の動作の包括的な精査を可能にし、運動パターンや運動データに関する貴重な洞察を提供する。
論文 参考訳（メタデータ） (2024-04-02T02:12:00Z) - Data-Driven Ergonomic Risk Assessment of Complex Hand-intensive
Manufacturing Processes [1.5837588732514762]
手強い製造プロセスは、タスクの複雑さに対処するために、人間の器用さをかなり必要とします。
これらの激しい手の動きは、しばしば筋骨格障害やリハビリテーション手術につながる。
我々は,手強い製造プロセスに関連する人間工学的問題を特定し,対処するためのデータ駆動型人間工学的リスクアセスメントシステムを開発した。
論文 参考訳（メタデータ） (2024-03-05T23:32:45Z) - A webcam-based machine learning approach for three-dimensional range of
motion evaluation [5.520419627866446]
関節可動域(ROM)は理学療法において重要な定量的指標である。
この研究は、ウェブカメラを介してリモートでアクセス可能な機械学習ベースのROM評価手法を提示し、評価する。
論文 参考訳（メタデータ） (2023-10-11T09:12:42Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - Automated Workers Ergonomic Risk Assessment in Manual Material Handling
using sEMG Wearable Sensors and Machine Learning [0.0]
本稿では, 表面筋電図(EMG)ベースのシステムと機械学習アルゴリズムを併用して, 物質処理時の筋肉を害する身体の動きを自動的に検出する能力について検討する。
NIOSHリフト方程式に基づいて計算されたリスク評価を分類するために、決定木、支援ベクトルマシン、K-Nearest Neighbor、ランダムフォレストという4つの異なる機械学習モデルを開発した。
その結果、決定木モデルはリスクレベルを99.35%の精度で予測できる可能性が示唆された。
論文 参考訳（メタデータ） (2021-09-27T22:54:35Z) - Risk-Sensitive Sequential Action Control with Multi-Modal Human
Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。
私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。
シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
論文 参考訳（メタデータ） (2020-09-12T02:02:52Z) - SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。
我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。
アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
論文 参考訳（メタデータ） (2020-06-12T10:40:46Z)
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。