論文の概要: Sense4HRI: A ROS 2 HRI Framework for Physiological Sensor Integration and Synchronized Logging

• arxiv url: http://arxiv.org/abs/2603.19914v1
• Date: Fri, 20 Mar 2026 12:52:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.140975
• Title: Sense4HRI: A ROS 2 HRI Framework for Physiological Sensor Integration and Synchronized Logging
• Title（参考訳）: Sense4HRI: 生理的センサ統合と同期ログのためのROS 2 HRIフレームワーク
• Authors: Manuel Scheibl, Julian Leichert, Sinem Görmez, Britta Wrede,
• Abstract要約: Sense4HRIは、ROS 2.0における人間とロボットの相互作用に適応したフレームワークである。 生理的測定とユーザー状態の指標を統合している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Physiological signals are increasingly relevant to estimate the mental states of users in human-robot interaction (HRI), yet ROS 2-based HRI frameworks still lack reusable support to integrate such data streams in a standardized way. Therefore, we propose Sense4HRI, an adapted framework for human-robot interaction in ROS 2 that integrates physiological measurements and derived user-state indicators. The framework is designed to be extensible, allowing the integration of additional physiological sensors, their interpretation, and multimodal fusion to provide a robust assessment of the mental states of users. In addition, it introduces reusable interfaces for timestamped physiological time-series data and supports synchronized logging of physiological signals together with experiment context, enabling interoperable and traceable multimodal analysis within ROS 2-based HRI systems.
• Abstract（参考訳）: ヒューマン・ロボット・インタラクション(HRI)におけるユーザのメンタル状態の推定には生理的シグナルがますます関係しているが、ROS 2ベースのHRIフレームワークは、そのようなデータストリームを標準化された方法で統合するための再利用可能なサポートを欠いている。 そこで本研究では,ROS 2における人間とロボットの相互作用に適応したフレームワークであるSense4HRIを提案する。 このフレームワークは拡張可能で、追加の生理的センサー、解釈、マルチモーダル融合を統合し、ユーザーの精神状態の堅牢な評価を可能にするように設計されている。 さらに、タイムスタンプされた生理的時系列データのための再利用可能なインタフェースを導入し、実験コンテキストとともに生理的信号の同期ロギングをサポートし、ROS 2ベースのHRIシステム内で相互運用可能でトレース可能なマルチモーダル分析を可能にする。

関連論文リスト

• A Platform-Agnostic Multimodal Digital Human Modelling Framework: Neurophysiological Sensing in Game-Based Interaction [2.835421685630534]
  本稿では,AI対応マルチモーダルインタラクション研究を支援するプラットフォームに依存しないDHMフレームワークを提案する。 このフレームワークはOpenBCI Galeaヘッドセットを統合マルチモーダルセンシング層として統合している。 AIモデルや行動推論を組み込むのではなく、生理的信号は構造化され、時間的に整った観測可能なものとして表現される。
  論文  参考訳（メタデータ） (2026-03-11T11:45:17Z)
• Efficient and Robust Multidimensional Attention in Remote Physiological Sensing through Target Signal Constrained Factorization [7.947387272047604]
  マルチモーダルビデオ入力からの光胸腺造影(rRSP)信号と呼吸(rRSP)信号の同時推定を目的とした,効率的なデュアルブランチ3D-CNNアーキテクチャであるMMRPhysを提案する。 TSFMを用いたMMRPhysは、リアルタイムアプリケーションに適した最小の推論レイテンシを維持しつつ、RRSP推定のための領域シフトの一般化において最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-11T15:20:45Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• From Biometrics to Environmental Control: AI-Enhanced Digital Twins for Personalized Health Interventions in Healing Landscapes [5.381203326687129]
  本稿では,生体信号,特に心電図(ECG)データを温度,湿度,換気などの環境パラメータと統合したAI強化デジタルツインフレームワークを提案する。 システムは、物理環境の応答性のある仮想レプリカを構築するために、連続的にマルチモーダルデータストリームを取得し、同期し、前処理する。
  論文  参考訳（メタデータ） (2025-05-04T21:58:18Z)
• MindFormer: Semantic Alignment of Multi-Subject fMRI for Brain Decoding [50.55024115943266]
  本稿では,MindFormer を用いたマルチオブジェクト fMRI 信号のセマンティックアライメント手法を提案する。 このモデルは、fMRIから画像生成のための安定拡散モデルや、fMRIからテキスト生成のための大規模言語モデル(LLM)の条件付けに使用できるfMRI条件付き特徴ベクトルを生成するように設計されている。 実験の結果,MindFormerは意味的に一貫した画像とテキストを異なる主題にわたって生成することがわかった。
  論文  参考訳（メタデータ） (2024-05-28T00:36:25Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Human Comfortability Index Estimation in Industrial Human-Robot Collaboration Task [3.0040661953201475]
  我々はこの研究において、快適性指数(CI)と不快性指数(unCI)と呼んできた。 人間のロボット共同実験において, 主観的指標(サプライズ, 不安, 退屈, 落ち着き, 快適性)と生理的信号を収集した。 生理的信号からCI/unCIを推定するために,心電図 (ECG) , ガルバニック皮膚反応 (GSR) および瞳孔信号から時間特性を抽出した。
  論文  参考訳（メタデータ） (2023-08-28T15:16:35Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。