論文の概要: Privacy-Preserving Industrial Ergonomics: mmWave-Based Automated REBA Scoring and Pose Estimation

• arxiv url: http://arxiv.org/abs/2607.02611v1
• Date: Wed, 01 Jul 2026 15:41:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.352435
• Title: Privacy-Preserving Industrial Ergonomics: mmWave-Based Automated REBA Scoring and Pose Estimation
• Title（参考訳）: プライバシ保存産業エルゴノミクス:mmWaveに基づく自動REBAスコーリングとポース推定
• Abstract要約: 作業関連筋骨格障害(WMs)は、連続したエルゴノミクスアセスメントを必要とする。 Rapid Entire Body Assessment (REBA) はゴールド標準の監視ツールであるが、手動による監視は労働集約的であり、視覚ベースの自動化はプライバシー上の懸念につながる。 本研究では,ミリ時間レーダを用いたプライバシー保護エルゴノミクス評価のための新しいエンドツーエンドマルチタスク学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.8549313085249322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Work-related Musculoskeletal Disorders (WMSDs) require continuous ergonomic assessments. While Rapid Entire Body Assessment (REBA) is a gold-standard observation tool, manual monitoring is labor-intensive, and vision-based automation leads to privacy concerns. This paper proposes a novel end-to-end multi-task learning framework for privacy-preserving ergonomic assessment using millimetre-wave (mmWave) radar. A spatio-temporal backbone reconstructs 3D human skeletons, which serves as the biomechanical foundation for a subsequent regression head to generate REBA risk scores. To overcome the sparsity of radar point clouds, we utilise a multi-objective loss function incorporating biomechanical limits and temporal smoothness constraints. Furthermore, we implement an oversampling strategy to address the imbalance of high-risk postures in existing datasets. Experimental results on MMFi dataset demonstrate that our framework achieves a Categorical Accuracy of 77.78% and real-time performance with an inference latency of 5.70 ms. Our method reaches a High-risk REBA MAE of 0.93, which significantly outperforms both direct regression and two-stage pipelines in high-risk scenarios, providing a robust solution for non-invasive industrial ergonomic assessment.
• Abstract（参考訳）: 作業関連筋骨格障害(WMSD)は、連続したエルゴノミクスアセスメントを必要とする。 Rapid Entire Body Assessment (REBA) はゴールド標準の監視ツールであるが、手動による監視は労働集約的であり、視覚ベースの自動化はプライバシー上の懸念につながる。 本稿では、ミリ波レーダを用いたプライバシー保護エルゴノミクス評価のためのエンドツーエンドマルチタスク学習フレームワークを提案する。 時空間のバックボーンは、3Dヒト骨格を再構築し、後続のレグレッションヘッドの生体力学的基盤として機能し、REBAリスクスコアを生成する。 レーダポイント雲の空隙性を克服するために,生体力学的限界と時間的滑らか度制約を組み込んだ多目的損失関数を利用する。 さらに,既存のデータセットにおけるリスクの高い姿勢の不均衡に対応するため,オーバーサンプリング戦略を実装した。 MMFiデータセットを用いた実験結果から,我々のフレームワークは77.78%のカテゴリ精度と5.70msの推論遅延を持つリアルタイム性能を達成でき,高いリスクのREBA MAEが0.93に到達し,高いリスクシナリオにおいて直接回帰と2段階パイプラインの両方を著しく上回り,非侵襲的産業エルゴノミクス評価のための堅牢なソリューションを提供する。

関連論文リスト

• A Scalable Nonparametric Continuous-Time Survival Model through Numerical Quadrature [6.630048574051614]
  非パラメトリックな連続時間モデリングを可能にするスケーラブルなディープラーニングフレームワークであるQSurvを紹介する。 本稿では,高次精度で累積ハザードを近似したガウス・レーゲンドル数値二次法に基づく学習目標を提案する。 累積ハザード評価のための近似誤差境界を確立する理論的解析を行う。
  論文  参考訳（メタデータ） (2026-05-15T17:25:17Z)
• Optimizing Neurorobot Policy under Limited Demonstration Data through Preference Regret [45.21845762562799]
  MYOE(Master your own expertise)は、ロボットエージェントが限られた実演データサンプルから複雑な振る舞いを学習できるようにする自己シミュレーションフレームワークである。 人間の知覚と行動に触発されて、クエリ可能な混合参照状態空間モデル(QMoP-SSM)を提案し、設計する。 我々の実験は、他の最先端RLfD方式と比較して、我々のエージェントの堅牢性、適応性、およびサンプル外性能を実証した。
  論文  参考訳（メタデータ） (2026-04-04T00:03:59Z)
• PRM-as-a-Judge: A Dense Evaluation Paradigm for Fine-Grained Robotic Auditing [45.2131622534282]
  PRM-as-a-Judgeはトラジェクティブビデオから直接ポリシー実行を監査する高密度評価パラダイムである。 このパラダイムの中心はOPDメトリックシステムであり、タスク対応の進捗電位によって実行品質を明示的に定式化する。 マイクロスケールプログレス判別のための診断ベンチマークであるRoboPulseを用いて,マイクロレゾリューション特性を実証的に検証した。
  論文  参考訳（メタデータ） (2026-03-23T07:48:42Z)
• Towards Scalable Probabilistic Human Motion Prediction with Gaussian Processes for Safe Human-Robot Collaboration [6.846949601451734]
  本研究では,フルボディ動作予測のための構造化変分ガウスプロセス(GP)フレームワークを提案する。 我々のモデルは、強いベースラインよりも最大50のカーネル密度推定負対数類似度(KDE NLL)を達成する。 確率的定式化にもかかわらず、我々のモデルは0.24-0.35Mのパラメータしか必要としない。
  論文  参考訳（メタデータ） (2026-03-07T08:11:46Z)
• Agent Tools Orchestration Leaks More: Dataset, Benchmark, and Mitigation [14.457129938672589]
  ツールオーケストレーションプライバシリスク(TOP-R)は、エージェントが複数のツールにまたがる情報断片を自律的に集約する、厳しいプライバシリスクである。 本研究は、リスクの根本原因がエージェントの不整合目的機能に起因する、このリスクに関する最初の体系的な研究である。 本稿では,TOP-Rを効果的に緩和し,リスクリーク率を46.58%,Hスコアを0.624に向上させるプライバシ強化原理(PEP)法を提案する。
  論文  参考訳（メタデータ） (2025-12-18T08:50:57Z)
• MIRAGE: Misleading Retrieval-Augmented Generation via Black-box and Query-agnostic Poisoning Attacks [47.46936341268548]
  Retrieval-Augmented Generation (RAG)システムでは、コーパス中毒という致命的な攻撃面が導入されている。 我々は,厳格なブラックボックスとクエリ非依存環境のために設計された,新しい多段階毒素パイプラインであるMIRAGEを提案する。 大規模な実験により、MIRAGEは攻撃効果とステルスネスの両方において既存のベースラインを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-12-09T06:38:16Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• Enabling Privacy-Aware AI-Based Ergonomic Analysis [2.4622431772551256]
  筋骨格障害(英: Musculoskeletal disorders, MSDs)は、製造業における傷害と生産性の低下の主要な原因である。 機械学習技術を利用したプライバシを考慮した人間工学評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-12T07:52:48Z)
• Intelligent Framework for Human-Robot Collaboration: Dynamic Ergonomics and Adaptive Decision-Making [16.96010830093366]
  本稿では,高度な視覚認識,連続的エルゴノミクスモニタリング,適応的行動木決定を統合化するための革新的なフレームワークを提案する。 我々のアプローチは、ディープラーニングモデル、高度な追跡アルゴリズム、動的エルゴノミクスアセスメントをモジュラーでスケーラブルで適応的なシステムに合成する。
  論文  参考訳（メタデータ） (2025-03-10T22:43:07Z)
• CALoR: Towards Comprehensive Model Inversion Defense [43.2642796582236]
  Model Inversion Attacks (MIAs)は、プライバシに敏感なトレーニングデータを、リリースされた機械学習モデルにエンコードされた知識から回復することを目的としている。 MIA分野の最近の進歩は、複数のシナリオにおける攻撃性能を大幅に向上させた。 信頼性適応と低ランク圧縮を統合した堅牢な防御機構を提案する。
  論文  参考訳（メタデータ） (2024-10-08T08:44:01Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Millimeter Wave Radar-based Human Activity Recognition for Healthcare Monitoring Robot [8.98784164617929]
  本稿では,人間活動のリアルタイム監視のための移動ロボット搭載mmWaveレーダシステムであるRobHARを提案する。 まず,ポイントクラウドの特徴を学習するために,クラウドベースのグローバルな埋め込みを提案する。 そして、双方向軽量LSTMモデル(BiLiLSTM)を用いて時間パターンを学習する。
  論文  参考訳（メタデータ） (2024-05-03T06:57:59Z)
• InfoRM: Mitigating Reward Hacking in RLHF via Information-Theoretic Reward Modeling [66.3072381478251]
  Reward Hacking(報酬の過度な最適化)は依然として重要な課題だ。 本稿では,報奨モデル,すなわちInfoRMのためのフレームワークを提案する。 InfoRMの過度な最適化検出機構は、有効であるだけでなく、幅広いデータセットにわたって堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-02-14T17:49:07Z)

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。