論文の概要: Toward Personalized Darts Training: A Data-Driven Framework Based on Skeleton-Based Biomechanical Analysis and Motion Modeling

• arxiv url: http://arxiv.org/abs/2604.01130v3
• Date: Wed, 08 Apr 2026 15:18:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 14:06:04.968129
• Title: Toward Personalized Darts Training: A Data-Driven Framework Based on Skeleton-Based Biomechanical Analysis and Motion Modeling
• Title（参考訳）: パーソナライズドDartのトレーニングに向けて - 骨格に基づくバイオメカニカル分析とモーションモデリングに基づくデータ駆動フレームワーク
• Authors: Zhantao Chen, Dongyi He, Jin Fang, Xi Chen, Yishuo Liu, Xiaozhen Zhong, Xuejun Hu,
• Abstract要約: 本稿では,データ駆動型ダーツ訓練支援システムを提案する。 このシステムは、モーションキャプチャー、機能モデリング、パーソナライズされたフィードバックにまたがるクローズドループフレームワークを作成する。 トランクの安定性の低下、肘の異常な変位、速度制御の不均衡を検知し、目標とする推奨を提供する。
• 参考スコア（独自算出の注目度）: 8.715408426200264
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As sports training becomes more data-driven, traditional dart coaching based mainly on experience and visual observation is increasingly inadequate for high-precision, goal-oriented movements. Although prior studies have highlighted the importance of release parameters, joint motion, and coordination in dart throwing, most quantitative methods still focus on local variables, single-release metrics, or static template matching. These approaches offer limited support for personalized training and often overlook useful movement variability. This paper presents a data-driven dart training assistance system. The system creates a closed-loop framework spanning motion capture, feature modeling, and personalized feedback. Dart-throwing data were collected in markerless conditions using a Kinect 2.0 depth sensor and an optical camera. Eighteen kinematic features were extracted from four biomechanical dimensions: three-link coordination, release velocity, multi-joint angular configuration, and postural stability. Two modules were developed: a personalized optimal throwing trajectory model that combines historical high-quality samples with the minimum jerk criterion, and a motion deviation diagnosis and recommendation model based on z-scores and hierarchical logic. A total of 2,396 throwing samples from professional and non-professional athletes were collected. Results show that the system generates smooth personalized reference trajectories consistent with natural human movement. Case studies indicate that it can detect poor trunk stability, abnormal elbow displacement, and imbalanced velocity control, then provide targeted recommendations. The framework shifts dart evaluation from deviation from a uniform standard to deviation from an individual's optimal control range, improving personalization and interpretability for darts training and other high-precision target sports.
• Abstract（参考訳）: スポーツトレーニングがデータ駆動型になるにつれて、主に経験と視覚的観察に基づく伝統的なダーツコーチングは、高精度でゴール指向の運動には不適切になりつつある。 従来の研究では、ダート投球におけるリリースパラメータ、関節運動、調整の重要性が強調されていたが、最も定量的な手法は依然としてローカル変数、単一リリースメトリクス、静的テンプレートマッチングに焦点を当てている。 これらのアプローチは、パーソナライズされたトレーニングの限定的なサポートを提供する。 本稿では,データ駆動型ダーツ訓練支援システムを提案する。 このシステムは、モーションキャプチャー、機能モデリング、パーソナライズされたフィードバックにまたがるクローズドループフレームワークを作成する。 DartをスローするデータはKinect 2.0深度センサーと光学カメラを使ってマーカーレスで収集された。 生体力学的特徴は, 3リンク調整, 放出速度, 多関節角形状, 姿勢安定性の4つから抽出された。 Zスコアと階層論理に基づく動き偏差診断とレコメンデーションモデルと、歴史的な高品質なサンプルを最小のジャーク基準と組み合わせたパーソナライズされた投球軌道モデルを開発した。 プロ選手と非プロ選手の合計2,396個の投球サンプルが収集された。 その結果,本システムは自然運動と整合したスムーズな参照トラジェクトリを生成することがわかった。 ケーススタディでは、体幹の安定性の低下、肘の異常な変位、速度制御の不均衡を検知し、目標とする勧告を提供する。 このフレームワークは、ダーツ評価を、一様基準からの逸脱から個人の最適制御範囲への逸脱へとシフトさせ、ダーツトレーニングやその他の高精度ターゲットスポーツのパーソナライズと解釈性を向上させる。

関連論文リスト

• Personalized Gait Patterns During Exoskeleton-Aided Training May Have Minimal Effect on User Experience. Insights from a Pilot Study [0.8572409162523734]
  ほとんどの外骨格は、矢状面に拘束された、予め記録された、個人化されていない歩行軌跡に依存している。 マルチ平面運動をサポートする外骨格のためのデータ駆動歩行パーソナライズフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-19T10:23:29Z)
• A Machine Learning-Based Multimodal Framework for Wearable Sensor-Based Archery Action Recognition and Stress Estimation [21.9818193435855]
  運動分析システムは、しばしば高価で侵入的であり、自然の訓練環境での使用を制限する。 動作認識とストレス推定を同時に行うために,ウェアラブルセンサデータを統合する機械学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-18T02:16:33Z)
• AthleticsPose: Authentic Sports Motion Dataset on Athletic Field and Evaluation of Monocular 3D Pose Estimation Ability [4.991985467382602]
  AthleticsPoseデータセットを導入し、運動場で様々なスポーツイベントを行う23人のアスリートからリアルの動きをキャプチャする。 その結果,AthleticsPoseでトレーニングしたモデルは,模擬スポーツ運動データセットでトレーニングしたベースラインモデルよりも有意に優れていた。 運動学的指標のケーススタディでは、このモデルは膝の角度の個人差をとらえる可能性を示したが、より高速な測定に苦慮した。
  論文  参考訳（メタデータ） (2025-07-17T08:43:23Z)
• Learning to Track Any Points from Human Motion [55.831218129679144]
  点追跡のための擬似ラベル付きトレーニングデータを生成する自動パイプラインを提案する。 AnthroTAPでトレーニングされた点追跡モデルは、TAP-Vidベンチマークで注釈付き最先端性能を達成する。
  論文  参考訳（メタデータ） (2025-07-08T17:59:58Z)
• Learning golf swing signatures from a single wrist-worn inertial sensor [0.0]
  単一手首センサを用いたゴルフスイング分析のためのデータ駆動型フレームワークを構築した。 我々は、技術的欠陥の検出と可視化を容易にする動きプリミティブの合成、離散的な語彙を学習する。 本システムでは,手首データから全身運動とスイングイベントを正確に推定し,実験室での動作解析を行う。
  論文  参考訳（メタデータ） (2025-06-20T22:57:59Z)
• Multi-person Physics-based Pose Estimation for Combat Sports [0.689728655482787]
  スパースマルチカメラを用いた戦闘スポーツにおける正確な3次元ポーズ推定のための新しい枠組みを提案する。 提案手法は,トランスフォーマーを用いたトップダウン手法により,堅牢なマルチビュー2Dポーズトラッキングを実現する。 我々はさらに、多対人物理に基づく軌道最適化のステップを導入することにより、ポーズリアリズムとロバスト性をさらに強化する。
  論文  参考訳（メタデータ） (2025-04-11T00:08:14Z)
• Spatial-Temporal Graph Diffusion Policy with Kinematic Modeling for Bimanual Robotic Manipulation [88.83749146867665]
  既存のアプローチは、遠く離れた次のベストなエンドエフェクタのポーズを予測するポリシーを学びます。 すると、運動に対する対応する関節回転角を逆運動学を用いて計算する。 本稿では,Kinematics 拡張空間テンポアル gRaph diffuser を提案する。
  論文  参考訳（メタデータ） (2025-03-13T17:48:35Z)
• MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。 このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory Diffusion [83.88829943619656]
  本研究では,現実的な歩行者軌跡生成手法と,ユーザ定義目標を達成するために制御可能なフルボディアニメーションを提案する。 我々のガイド付き拡散モデルでは,対象とする経路,速度,特定社会集団による軌道の制約が可能である。 本稿では,アニメーションコントローラのRLトレーニング中に学習した値関数を用いて,拡散を誘導し,特定のシナリオに適した軌道を生成することを提案する。
  論文  参考訳（メタデータ） (2023-04-04T15:46:42Z)
• Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
  ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。 具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T16:36:50Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。