論文の概要: Wearable environmental sensing to forecast how legged systems will interact with upcoming terrain
- arxiv url: http://arxiv.org/abs/2602.09209v1
- Date: Mon, 09 Feb 2026 21:22:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-11 20:17:43.254295
- Title: Wearable environmental sensing to forecast how legged systems will interact with upcoming terrain
- Title（参考訳）: ウェアラブル環境センサは、脚のついたシステムが今後の地形とどのように相互作用するかを予測する
- Authors: Michael D. Murray, James Tung, Richard W. Nuckols,
- Abstract要約: 足がどのように変化する環境に接触するかを予測する能力は、あまり探索されていない。
床上から階段上への遷移において,足底前足圧中心(COP)と歩行時間(TOI)の予測が可能かを検討した。
- 参考スコア（独自算出の注目度）: 0.11470070927586014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-vision (CV) has been used for environmental classification during gait and is often used to inform control in assistive systems; however, the ability to predict how the foot will contact a changing environment is underexplored. We evaluated the feasibility of forecasting the anterior-posterior (AP) foot center-of-pressure (COP) and time-of-impact (TOI) prior to foot-strike on a level-ground to stair-ascent transition. Eight subjects wore an RGB-D camera on their right shank and instrumented insoles while performing the task of stepping onto the stairs. We trained a CNN-RNN to forecast the COP and TOI continuously within a 250ms window prior to foot-strike, termed the forecast horizon (FH). The COP mean-absolute-error (MAE) at 150, 100, and 50ms FH was 29.42mm, 26.82, and 23.72mm respectively. The TOI MAE was 21.14, 20.08, and 17.73ms for 150, 100, and 50ms respectively. While torso velocity had no effect on the error in either task, faster toe-swing speeds prior to foot-strike were found to improve the prediction accuracy in the COP case, however, was insignificant in the TOI case. Further, more anterior foot-strikes were found to reduce COP prediction accuracy but did not affect the TOI prediction accuracy. We also found that our lightweight model was capable at running at 60 FPS on either a consumer grade laptop or an edge computing device. This study demonstrates that forecasting COP and TOI from visual data was feasible using a lightweight model, which may have important implications for anticipatory control in assistive systems.
- Abstract（参考訳）: コンピュータビジョン(CV)は歩行中の環境分類に使われており、しばしば補助システムの制御に使用されるが、足が変化する環境にどのように接触するかを予測する能力は過小評価されている。
上段から上段への遷移において,足底前足部(AP)圧中心(COP)と着床前時間(TOI)の予測が可能か検討した。
8名の被験者が右シャンクにRGB-Dカメラを装着し、階段に足を踏み入れながらインソールを装着した。
我々はCNN-RNNを訓練し,フットストライク前の250ms窓内でCOPとTOIを連続的に予測し,予測地平線(FH)と呼んだ。
COP平均絶対誤差(MAE)は150、100、50ms FHはそれぞれ29.42mm、26.82、23.72mmである。
TOI MAEは21.14、20.08、および17.73msでそれぞれ150、100、50msであった。
いずれの課題においても胴体速度は誤差には影響しなかったが, COP症例では, より高速な足指縫合速度が予測精度の向上に寄与することが判明したが, TOI症例では重要ではなかった。
さらに、より前方の足跡はCOP予測精度を低下させるが、TOI予測精度には影響しないことがわかった。
また、私たちの軽量モデルは、コンシューマグレードのラップトップまたはエッジコンピューティングデバイスで60FPSで動作可能であることもわかりました。
本研究では,視覚データからのCOPとTOIの予測が,補助システムにおける予測制御に重要な意味を持つであろう軽量モデルを用いて実現可能であることを示す。
関連論文リスト
- Efficient Generative AI Boosts Probabilistic Forecasting of Sudden Stratospheric Warmings [11.259108118025736]
急激な成層圏温暖化(SSWs)は、季節的な予測可能性の主要な源であり、極端な冬の天候の要因である。
本稿では,フローマッチングに基づく生成AIモデル(FM-Cast)を開発した。
FM-Castは10イベントの開始、強度、形態を20日前に正確に予測し、50%以上のアンサンブル精度を達成する。
論文 参考訳（メタデータ） (2025-10-30T11:16:22Z) - Huracan: A skillful end-to-end data-driven system for ensemble data assimilation and weather prediction [13.276021120809508]
Huracanは、アンサンブルデータ同化モデルと予測モデルを組み合わせた観測駆動の天気予報システムである。
最先端のNWP競合であるECMWF ENSに匹敵する精度を達成した最初のエンドツーエンドシステムである。
我々の研究は、エンドツーエンドのデータ駆動天気予報の大きな一歩であり、運用天気予報をさらに改善し、革新する機会を開く。
論文 参考訳（メタデータ） (2025-08-25T20:55:46Z) - Hybrid Forecasting of Geopolitical Events [71.73737011120103]
SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。
このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。
機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
論文 参考訳（メタデータ） (2024-12-14T22:09:45Z) - Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。
私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。
私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
論文 参考訳（メタデータ） (2024-06-12T11:50:51Z) - GenCast: Diffusion-based ensemble forecasting for medium-range weather [10.845679586464026]
我々は,世界最上位の中距離気象予測よりも高い技術と速度を持つ確率的気象モデルであるGenCastを紹介する。
GenCastは、12時間のステップと0.25度の緯度で、80以上の地表と大気の変数を8分で15日間のグローバルな予測のアンサンブルを生成する。
評価した1320の目標の97.4%よりも高いスキルを持ち、極端な天候、熱帯のサイクロン、風力発電を予測できる。
論文 参考訳（メタデータ） (2023-12-25T19:30:06Z) - Predicting Continuous Locomotion Modes via Multidimensional Feature
Learning from sEMG [5.9001351774968835]
本研究では,表面筋電図(SEMG)信号から特徴抽出を統合的に行うために設計された,エンドツーエンドの深層学習モデルであるDeep-STFを提案する。
本モデルでは,9つの移動モードと15の遷移を,100msから500msの範囲で精度よく連続的に予測することができる。
論文 参考訳（メタデータ） (2023-11-13T15:23:26Z) - FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond
10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。
FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。
その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文 参考訳（メタデータ） (2023-04-06T09:16:39Z) - Ultra-low Power Deep Learning-based Monocular Relative Localization
Onboard Nano-quadrotors [64.68349896377629]
この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。
超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。
実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
論文 参考訳（メタデータ） (2023-03-03T14:14:08Z) - GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。
全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。
我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-12-24T18:15:39Z) - Forecasting Significant Wave Heights in Oceanic Waters [0.0]
まず,様々なパラメータをキャスティングし,30分間隔で予測した。
提案アルゴリズムは,Scatter Index (SI), Bias, Correlation Coefficient, Root Mean Squared Error (RMSE) の0.130, -0.002, 0.97, 0.14を1日先立って予測する。
提案アルゴリズムは,1日先進予測のための有意な波高予測に一般的に使用される最先端手法よりも,はるかに優れた性能を示す。
論文 参考訳（メタデータ） (2021-05-18T15:12:11Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳（メタデータ） (2020-06-13T20:53:17Z)
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。