論文の概要: Neuromorphic BrailleNet: Accurate and Generalizable Braille Reading Beyond Single Characters through Event-Based Optical Tactile Sensing
- arxiv url: http://arxiv.org/abs/2601.19079v1
- Date: Tue, 27 Jan 2026 01:33:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 05:42:37.565325
- Title: Neuromorphic BrailleNet: Accurate and Generalizable Braille Reading Beyond Single Characters through Event-Based Optical Tactile Sensing
- Title（参考訳）: ニューロモルフィック点字ネット:イベントベースの光学触覚センシングによる単一文字を超える正確で一般化可能な点字読解
- Authors: Naqash Afzal, Niklas Funk, Erik Helmut, Jan Peters, Benjamin Ward-Cherrier,
- Abstract要約: Evetac を用いた連続点字認識のための高精度リアルタイムパイプラインを提案する。
フレームベースの視覚システムとは異なり、ニューロモルフィック触覚モダリティは連続的なスライディング中に動的接触イベントを直接符号化する。
提案システムは,標準深度でほぼ完全な精度 (>=98%) を達成し,複数の点字板レイアウトを一般化し,高速走査下での強い性能を維持する。
- 参考スコア（独自算出の注目度）: 15.272279362550806
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Conventional robotic Braille readers typically rely on discrete, character-by-character scanning, limiting reading speed and disrupting natural flow. Vision-based alternatives often require substantial computation, introduce latency, and degrade in real-world conditions. In this work, we present a high accuracy, real-time pipeline for continuous Braille recognition using Evetac, an open-source neuromorphic event-based tactile sensor. Unlike frame-based vision systems, the neuromorphic tactile modality directly encodes dynamic contact events during continuous sliding, closely emulating human finger-scanning strategies. Our approach combines spatiotemporal segmentation with a lightweight ResNet-based classifier to process sparse event streams, enabling robust character recognition across varying indentation depths and scanning speeds. The proposed system achieves near-perfect accuracy (>=98%) at standard depths, generalizes across multiple Braille board layouts, and maintains strong performance under fast scanning. On a physical Braille board containing daily-living vocabulary, the system attains over 90% word-level accuracy, demonstrating robustness to temporal compression effects that challenge conventional methods. These results position neuromorphic tactile sensing as a scalable, low latency solution for robotic Braille reading, with broader implications for tactile perception in assistive and robotic applications.
- Abstract（参考訳）: 従来のロボット点字リーダーは通常、個別の文字ごとのスキャン、読み出し速度の制限、自然の流れの破壊に頼っている。
視覚ベースの代替手段は、多くの場合、相当な計算を必要とし、遅延を導入し、現実世界の条件で分解する。
本研究では,オープンソースのニューロモーフィックイベントベース触覚センサであるEvetacを用いて,連続点字認識のための高精度リアルタイムパイプラインを提案する。
フレームベースの視覚システムとは異なり、ニューロモルフィックの触覚モダリティは、連続的なスライディング中の動的接触イベントを直接エンコードし、人間の指スキャン戦略を密にエミュレートする。
提案手法では,時空間分割と軽量なResNetに基づく分類器を併用してスパースイベントストリームを処理し,様々なインデンテーション深さと走査速度にまたがるロバストな文字認識を実現する。
提案システムは,標準深度でほぼ完全な精度 (>=98%) を達成し,複数の点字板レイアウトを一般化し,高速走査下での強い性能を維持する。
日常的な語彙を含む物理点字板では、90%以上の単語レベルの精度が達成され、従来の手法に挑戦する時間圧縮効果に対する堅牢性を示す。
これらの結果は、ロボット点字読解のためのスケーラブルで低レイテンシなソリューションとしてニューロモルフィックな触覚センシングを位置づけ、補助的およびロボット的応用における触覚知覚の幅広い意味を持つ。
関連論文リスト
- STEMNIST: Spiking Tactile Extended MNIST Neuromorphic Dataset [6.8584962606447535]
STEMNISTは、ST-MNISTを10桁から35の英数字クラスに拡張した大規模なニューロモルフィックな触覚データセットである。
このデータセットは、34人の参加者から収集された7700個のサンプルで構成され、120Hzで動作するカスタム触覚センサーアレイを使用している。
論文 参考訳（メタデータ） (2026-01-04T20:26:55Z) - Diversity Boosts AI-Generated Text Detection [51.56484100374058]
DivEyeは、予備的な機能を使って、予測不可能がテキスト間でどのように変動するかをキャプチャする、新しいフレームワークである。
提案手法は、既存のゼロショット検出器を最大33.2%向上させ、微調整ベースラインとの競合性能を達成する。
論文 参考訳（メタデータ） (2025-09-23T10:21:22Z) - Towards Generalization of Tactile Image Generation: Reference-Free Evaluation in a Leakage-Free Setting [25.355424080824996]
触覚は人間の知覚に重要であり、コンピュータビジョン、ロボティクス、マルチモーダル学習の応用を支えている。
触覚データは入手が困難でコストがかかることが多いため、合成触覚画像の生成は、実世界の測定を拡大するためのスケーラブルなソリューションを提供する。
一般的なデータセットにおける重なり合うトレーニングとテストサンプルは、パフォーマンス指標を増大させ、触覚モデルの真の一般化可能性を見極めることを実証する。
論文 参考訳（メタデータ） (2025-03-10T02:37:22Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern
Recognition on Neuromorphic Hardware [50.380319968947035]
近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。
文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。
フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。
LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
論文 参考訳（メタデータ） (2022-05-30T14:30:45Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - Learning to Detect Slip with Barometric Tactile Sensors and a Temporal
Convolutional Neural Network [7.346580429118843]
本研究では,バロメトリック・触覚センサを用いたスリップ検出手法を提案する。
我々は、スリップを検出するために時間畳み込みニューラルネットワークを訓練し、高い検出精度を実現する。
データ駆動学習と組み合わせたバロメトリック触覚センシング技術は,スリップ補償などの操作作業に適している,と我々は主張する。
論文 参考訳（メタデータ） (2022-02-19T08:21:56Z) - Deep Metric Learning with Locality Sensitive Angular Loss for
Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。
本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。
このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文 参考訳（メタデータ） (2021-10-13T21:51:56Z) - Optical Braille Recognition using Circular Hough Transform [0.0]
本研究の目的は、盲目の学生の個人文書を翻訳することで、学術機関におけるコミュニケーションギャップを強化することである。
ハフ変換に基づくドット検出機構を提案する。
検出されたドットは、距離ベースのクラスタリングアルゴリズムを使用して点字セルにクラスタリングされる。
54点字スクリプトのデータセットに対するこの手法の包括的な評価は、98.71%の精度で行われている。
論文 参考訳（メタデータ） (2021-07-02T12:15:24Z)
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。