論文の概要: Joint Angle Estimation with Customized Wristband Based on Online Incremental Learning

• arxiv url: http://arxiv.org/abs/2605.29771v1
• Date: Thu, 28 May 2026 11:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.195899
• Title: Joint Angle Estimation with Customized Wristband Based on Online Incremental Learning
• Title（参考訳）: オンラインインクリメンタル学習に基づくカスタマイズリストバンドによる共同角度推定
• Authors: Shuo Wang, Xiaobin Chen, Xiaoming Tao,
• Abstract要約: 本研究では,オンライン・インクリメンタル・ラーニング・アプローチを用いて手首関節の角度を推定するシステムを提案する。 その結果, ひずみ変動下では, センサの性能が良好であることが示唆された。
• 参考スコア（独自算出の注目度）: 13.41427943923829
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent wearable technology plays an increasingly important role in human-computer interaction, motion, and health monitoring. To ensure comfort and practicality of use, one common form for motion monitoring is to utilize soft wearable sensors. However, many research applications regarding wearable sensors are simplistic and difficult to adapt to different situations. This study proposes a system for estimating the angle of the wrist joint using a customized wristband based on an online incremental learning approach. It is a two-stage estimation method: the first stage updates the model based on the wearer's wrist movement characteristics using online learning, integrating real-time data from an IMU as ground truth. The second stage utilizes the updated model for estimation of wrist joint angle solely with the wristband. In other words, model training is completed during data acquisition, allowing the trained model to be used for subsequent angle estimation. This method offers advantages in adapting to data drift caused by variations in different testing configurations, such as the left and right wrists of the same subject, deviations in the wearing position on the same wrist, and even differences among various subjects. The results indicate that the sensors exhibit good performance under strain variations, and the wrist joint trajectory estimation of the proposed system has an approximate error of 15 degree in different scenarios.
• Abstract（参考訳）: インテリジェントウェアラブル技術は、人間とコンピュータのインタラクション、モーション、健康モニタリングにおいてますます重要な役割を担っている。 快適さと実用性を確保するため、モーションモニタリングの一般的な形態は柔らかいウェアラブルセンサーを使用することである。 しかし、ウェアラブルセンサーに関する多くの研究応用は単純であり、異なる状況に適応することが困難である。 本研究では,オンライン・インクリメンタル・ラーニング・アプローチを用いて手首関節の角度を推定するシステムを提案する。 2段階推定法であり、第1段階は、オンライン学習を用いて、装着者の手首の動き特性に基づいてモデルを更新し、IMUからのリアルタイムデータを基礎的真理として統合する。 第2段階は、手首関節角度をリストバンドのみと推定するために更新されたモデルを利用する。 言い換えれば、モデルトレーニングはデータ取得中に完了し、トレーニングされたモデルをその後の角度推定に使用することができる。 この方法は、同じ被験者の左右手首、同じ被験者の着用位置のずれ、そして様々な被験者の違いなど、異なるテスト構成によるデータドリフトに適応する利点を提供する。 その結果, センサはひずみ変動下での良好な性能を示し, 手首関節軌道推定は, 異なるシナリオで15度近似誤差を持つことがわかった。

関連論文リスト

• Toward Personalized Darts Training: A Data-Driven Framework Based on Skeleton-Based Biomechanical Analysis and Motion Modeling [8.715408426200264]
  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。
  論文  参考訳（メタデータ） (2026-04-01T16:51:30Z)
• Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation [45.95486121114164]
  我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。 このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。 オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
  論文  参考訳（メタデータ） (2026-01-19T17:36:28Z)
• PersonaDrift: A Benchmark for Temporal Anomaly Detection in Language-Based Dementia Monitoring [0.9668407688201359]
  PersonaDriftは、日々のコミュニケーションの進行的な変化を検出するための機械学習と統計的手法を評価するために設計されたベンチマークである。 このベンチマークは、介護者が特に有能であると強調した2種類の縦方向の変化に焦点を当てている。 予備的な結果は, ベースライン変動率の低いユーザにおいて, 単純な統計モデルを用いて, 平坦感が検出できることを示唆している。
  論文  参考訳（メタデータ） (2025-11-20T15:15:00Z)
• Smooth-Distill: A Self-distillation Framework for Multitask Learning with Wearable Sensor Data [0.0]
  本稿では,人間の活動認識(HAR)とセンサ配置検出を同時に行うように設計された,新しい自己蒸留フレームワークであるSmooth-Distillを紹介する。 従来の蒸留法とは異なり, 提案手法では, モデル自体のスムーズな歴史バージョンを教師として利用している。 実験結果から,Smooth-Distill は異なる評価シナリオにおける代替手法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-06-27T06:51:51Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• 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)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)

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。