論文の概要: Temporal Posed and Spontaneous Gesture Recognition from Electromyography in the Rock-Paper-Scissors Game

• arxiv url: http://arxiv.org/abs/2606.29423v1
• Date: Sun, 28 Jun 2026 14:36:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.908775
• Title: Temporal Posed and Spontaneous Gesture Recognition from Electromyography in the Rock-Paper-Scissors Game
• Title（参考訳）: ポケット・シザーズゲームにおける筋電図からの時間的意味と自発性ジェスチャー認識
• Authors: Xin Wei, Huakun Liu, Felix Dollack, Monica Perusquia-Hernandez,
• Abstract要約: 岩盤-パルパ-シッサーゲームにおけるジェスチャー認識における筋電図の時間的特徴とその精度について検討した。 EMGの発症は, ジェスチャーの可視開始前に少なくとも800ms, ジェスチャーの可視開始前には342ms前後で検出できた。
• 参考スコア（独自算出の注目度）: 4.720010088358536
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The importance of gesture recognition has been acknowledged in many domains requiring real-time recognition systems. Two requirements for these are fast recognition in multiuser contexts. Therefore, we explored the temporal characteristics of electromyography (EMG) and its accuracy in recognizing gestures in a Rock-Paper-Scissors (RPS) game. Twenty-four participants played RPS in dyads, while a two-channel EMG was recorded from the forearm. We found out that EMG onsets could be detected at least 800 ms before the gesture's visible onset, and that the EMG peaks around 342 ms before the visible onset of the gesture. Furthermore, we evaluated self-gesture recognition in both posed and spontaneous gesture conditions. The mean accuracy for posed gestures reached 63.4%. The model trained on posed gestures achieved 53.6% for spontaneous gestures, with considerable variation across individuals. We also checked whether detecting a player's gesture from the opponent's EMG was possible. The peak mean accuracy was 65%, peaking at 2082 ms after the visual onset of the gesture. This suggests that the opponent's reaction to an observed gesture contains information about the observed gesture due to the dynamics of the interactions while playing. The temporal predictive advantage of EMG signals, where muscle activation precedes observable movement, offers potential benefits for applications requiring rapid intent recognition, such as human-computer interaction and assistive technologies. Future work should focus on refining onset detection and reducing the impact of spontaneous movement variability across conditions to improve recognition performance in dynamic and real-world environments.
• Abstract（参考訳）: ジェスチャー認識の重要性は、リアルタイム認識システムを必要とする多くの領域で認識されている。 これら2つの要件は、マルチユーザコンテキストにおける高速な認識である。 そこで我々は,EMG (Electromyography) の時間的特性と,ROPS (Rock-Paper-Scissors) ゲームにおけるジェスチャー認識の精度について検討した。 前腕から2チャンネルの筋電図が記録された。 その結果,ジェスチャーの可視開始までには少なくとも800ms,ジェスチャーの可視開始前には342ms前後でEMGが検出できることが判明した。 さらに, 姿勢, 自覚的動作条件の両方において, 自覚認識の評価を行った。 ジェスチャーの平均精度は63.4%に達した。 ポーズのジェスチャーで訓練されたモデルは、自発的なジェスチャーで53.6%を獲得し、個人によってかなり異なる。 また,相手の筋電図から選手のジェスチャーを検出することが可能かどうかを確認した。 ピーク平均精度は65%で,ジェスチャー開始後2082msでピークとなった。 このことは、観察されたジェスチャーに対する相手の反応が、演奏中の相互作用のダイナミクスによる観察されたジェスチャーに関する情報を含んでいることを示唆している。 筋の活性化が観測可能な動きに先行する筋電図信号の時間的予測的優位性は、人間とコンピュータの相互作用や補助技術のような迅速な意図認識を必要とするアプリケーションに潜在的利益をもたらす。 今後の課題は、動的および実世界の環境における認識性能を改善するために、オンセット検出の精細化と、自然運動の変動の影響を低減することにある。

関連論文リスト

• A Comparative Study of EMG- and IMU-based Gesture Recognition at the Wrist and Forearm [3.990794855710089]
  IMU信号は、静的ジェスチャー認識のための唯一の入力センサとして機能する十分な情報を含んでいる。 IMUが捉えた腱誘起微小運動は静的ジェスチャー認識に大きく貢献する。
  論文  参考訳（メタデータ） (2025-12-08T19:36:10Z)
• Machine Learning-based sEMG Signal Classification for Hand Gesture Recognition [3.9440964696313485]
  筋電図(EMG)信号を用いて手の動きを解析・分類する。 本稿では,新しい特徴抽出手法を用いてEMGに基づく手動作認識の性能をベンチマークすることを目的とする。
  論文  参考訳（メタデータ） (2024-11-23T21:29:51Z)
• 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)
• User Training with Error Augmentation for Electromyogram-based Gesture Classification [4.203816772270161]
  手首バンド構成の8電極から表面筋電図(sEMG)活性を抽出し,ユーザインタフェースをリアルタイムに制御するシステムの設計と試験を行った。 sEMGデータは、リアルタイムで手の動きを分類する機械学習アルゴリズムにストリームされた。
  論文  参考訳（メタデータ） (2023-09-13T20:15:25Z)
• Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
  本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。 室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
  論文  参考訳（メタデータ） (2023-07-27T01:53:57Z)
• I am Only Happy When There is Light: The Impact of Environmental Changes on Affective Facial Expressions Recognition [65.69256728493015]
  本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。 以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T16:28:26Z)
• From Movement Kinematics to Object Properties: Online Recognition of Human Carefulness [112.28757246103099]
  ロボットは、視覚だけで、人間のパートナーが物体を動かす際に注意を払っているかを、どのようにオンラインで推測できるかを示す。 我々は,低解像度カメラでも高い精度(最大81.3%)でこの推論を行うことができることを示した。 パートナーの行動を観察することによる動きの注意の迅速な認識により、ロボットはオブジェクトに対する行動に適応し、人間のパートナーと同じケアの度合いを示すことができる。
  論文  参考訳（メタデータ） (2021-09-01T16:03:13Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。