論文の概要: KD-Judge: A Knowledge-Driven Automated Judge Framework for Functional Fitness Movements on Edge Devices
- arxiv url: http://arxiv.org/abs/2604.19834v1
- Date: Tue, 21 Apr 2026 05:50:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:10.575613
- Title: KD-Judge: A Knowledge-Driven Automated Judge Framework for Functional Fitness Movements on Edge Devices
- Title（参考訳）: KD-Judge:エッジデバイス上の機能的フィットネス運動のための知識駆動型自動判断フレームワーク
- Authors: Shaibal Saha, Fan Li, Yunge Li, Arun Iyengar, Lucas Alves, Lanyu Xu,
- Abstract要約: 機能的フィットネス運動のための知識駆動型自動判断フレームワークKD-Judgeを提案する。
構造化されていないルールブック標準を、LLMベースの検索拡張生成とチェーンオブルール構造化パイプラインを使用して、実行可能な機械可読表現に変換する。
CFRepデータセットを用いて、信頼性の高いルール構造化性能と正確なリプライレベルの評価を行い、評価を行った。
- 参考スコア（独自算出の注目度）: 4.162826009100756
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Functional fitness movements are widely used in training, competition, and health-oriented exercise programs, yet consistently enforcing repetition (rep) standards remains challenging due to subjective human judgment, time constraints, and evolving rules. Existing AI-based approaches mainly rely on learned scoring or reference-based comparisons and lack explicit rule-based, limiting transparency and deterministic rep-level validation. To address these limitations, we propose KD-Judge, a novel knowledge-driven automated judging framework for functional fitness movements. It converts unstructured rulebook standards into executable, machine-readable representations using an LLM-based retrieval-augmented generation and chain-of-thought rule-structuring pipeline. The structured rules are then incorporated by a deterministic rule-based judging system with pose-guided kinematic reasoning to assess rep validity and temporal boundaries. To improve efficiency on edge devices, including a high-performance desktop and the resource-constrained Jetson AGX Xavier, we introduce a dual strategy caching mechanism that can be selectively applied to reduce redundant and unnecessary computation. Experiments demonstrate reliable rule-structuring performance and accurate rep-level assessment, with judgment evaluation conducted on the CFRep dataset, achieving faster-than-real-time execution (real-time factor (RTF) < 1). When the proposed caching strategy is enabled, the system achieves up to 3.36x and 15.91x speedups on resource-constrained edge device compared to the non-caching baseline for pre-recorded and live-streaming scenarios, respectively. These results show that KD-Judge enables transparent, efficient, and scalable rule-grounded rep-level analysis that can complement human judging in practice.
- Abstract（参考訳）: 機能的フィットネス運動は、トレーニング、競争、健康志向の運動プログラムで広く使われているが、主観的な人間の判断、時間制約、進化する規則のために、常に繰り返し(反省)の基準を強制することは困難である。
既存のAIベースのアプローチは、主に学習したスコアや基準ベースの比較に依存しており、明示的なルールベース、透明性の制限、決定論的リプライレベルの検証がない。
これらの制約に対処するため,機能的フィットネス運動のための知識駆動型自動判断フレームワークであるKD-Judgeを提案する。
構造化されていないルールブック標準を、LLMベースの検索拡張生成とチェーンオブルール構造化パイプラインを使用して、実行可能な機械可読表現に変換する。
構造化されたルールは、正当性および時間的境界を評価するために、ポーズ誘導キネマティック推論を備えた決定論的ルールに基づく判断システムに組み込まれる。
高性能デスクトップとリソース制約のJetson AGX XXavierを含むエッジデバイスの効率を向上させるため,冗長かつ不要な計算を減らすために,選択的に適用可能なデュアル戦略キャッシング機構を導入する。
実験では,CFRepデータセットを用いて評価を行い,リアルタイム実行(RTF)<1。
提案手法が有効になれば,事前記録およびライブストリーミングシナリオの非キャッシュベースラインと比較して,リソース制約エッジデバイス上で最大3.36倍,15.91倍の高速化を実現する。
これらの結果から,KD-Judgeは,人間の判断を補完する透過的で,効率的で,かつ,スケーラブルなルール付きレポジトリレベルの分析を可能にすることが示唆された。
関連論文リスト
- Graph-RHO: Critical-path-aware Heterogeneous Graph Network for Long-Horizon Flexible Job-Shop Scheduling [26.97705087364345]
Graph-RHOは、新しいクリティカルパス対応グラフベースのRHOフレームワークである。
マルチリレーショナルエッジを持つ演算マシングラフとしてサブプロブレムを符号化するトポロジ対応ヘテロジニアスグラフネットワークを提案する。
トレーニング中に誘導バイアスを注入し、高感度なボトルネック操作とロバストな操作を区別するクリティカルパス認識機構を組み込んだ。
論文 参考訳（メタデータ） (2026-04-11T07:35:09Z) - HIPO: Instruction Hierarchy via Constrained Reinforcement Learning [57.40686733111483]
textscHIPOは、制約付きマルコフ決定プロセスとしてHIFを定式化する新しいアライメントフレームワークである。
textscHIPOはシステムプロンプトを単に入力コンテキストから厳密なアルゴリズム境界まで高める。
論文 参考訳（メタデータ） (2026-03-17T06:12:41Z) - Alternating Reinforcement Learning for Rubric-Based Reward Modeling in Non-Verifiable LLM Post-Training [29.56905427210088]
Gragient-ARMは、好みのフィードバックから強化学習を使用するルーリックジェネレータとジャッジを共同で最適化するフレームワークである。
ベンチマークのベースライン間で、勾配-ARMは最先端のパフォーマンスを達成し、オフラインおよびオンラインの強化学習設定において、ダウンストリームポリシーアライメントを大幅に改善することを示す。
論文 参考訳（メタデータ） (2026-02-02T00:50:53Z) - Learning to Route: A Rule-Driven Agent Framework for Hybrid-Source Retrieval-Augmented Generation [55.47971671635531]
大言語モデル(LLM)は、一般質問回答(QA)において顕著な性能を示した。
Retrieval-Augmented Generation (RAG)は、LLMを外部知識で強化することで、この制限に対処する。
既存のシステムは、主に構造化されていないドキュメントに依存しているが、主にリレーショナルデータベースを見下ろしている。
論文 参考訳（メタデータ） (2025-09-30T22:19:44Z) - Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。
textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。
SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
論文 参考訳（メタデータ） (2025-09-24T13:27:35Z) - Continuous Monitoring of Large-Scale Generative AI via Deterministic Knowledge Graph Structures [2.7277205894982095]
そこで本研究では,決定論的・大規模言語モデル(LLM)生成知識グラフ(KG)を用いて,AIの信頼性を計測する手法を提案する。
i) 明示的な規則に基づく手法,辞書,構造化エンティティ関係抽出規則を用いて構築された決定論的KGと,(ii) ライブニュース記事などのリアルタイムデータストリームから動的にLLM生成したKGの2つのKGを構築する。
Instantiated Class Ratio(ICR)、Instantiated Property Ratio(IPR)、Class Instantiation(CI)など、いくつかの確立されたKG指標を用いる。
論文 参考訳（メタデータ） (2025-09-04T03:34:49Z) - Orthogonal Soft Pruning for Efficient Class Unlearning [26.76186024947296]
そこで本研究では,ミリ秒レベルの応答時間で高速かつ高精度な記憶を実現するための,クラス認識型ソフトプルーニングフレームワークを提案する。
提案手法は,クラス固有のチャネルを効率的に識別しながら,畳み込みフィルタと区切られた特徴表現をデコレーションする。
論文 参考訳（メタデータ） (2025-06-24T09:52:04Z) - REX: Rapid Exploration and eXploitation for AI Agents [103.68453326880456]
本稿では、REXと呼ばれるAIエージェントのための高速探索およびeXploitationのための改良されたアプローチを提案する。
REXは追加の報酬層を導入し、アッパー信頼境界(UCB)スコアに似た概念を統合し、より堅牢で効率的なAIエージェントのパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-07-18T04:26:33Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z) - A CRF-based Framework for Tracklet Inactivation in Online Multi-Object
Tracking [33.78127056022875]
オンラインMOT問題におけるトラックレット不活性化問題に対処するために,条件付きランダムフィールド(CRF)ベースのフレームワークが提案されている。
トラックレット不活性化のロバスト性を改善するために, 追跡仮説間のフレーム内関係を利用した離散CRFを開発した。
CRFベースのフレームワークと組み合わせたトラッカーは、MOT16とMOT17ベンチマークのベースラインを上回っている。
論文 参考訳（メタデータ） (2020-11-30T07:28:52Z)
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。