論文の概要: Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions

• arxiv url: http://arxiv.org/abs/2607.16196v1
• Date: Thu, 16 Apr 2026 10:20:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.026824
• Title: Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions
• Title（参考訳）: ソフトプラスコンパニオンにおける触覚分類のための軽量1D CNNの設計と検証
• Abstract要約: ソフトなセンサー付きコンパニオンは、社会的支援技術のための物理的に安全で感情的に直感的なインターフェースを提供する。 本研究では,ソフト・インタラクティブ・コンパニオンにおける感情的触覚認識のためのディープラーニングモデルの開発と検証を目的とした,オープンソースで拡張されたリアルタイム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）: 59.49967357689445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Soft, sensorized companions offer a physically safe and emotionally intuitive interface for socially assistive technologies, yet their deformability and multichannel tactile sensing complicate the robust interpretation of human affect. This study presents a complete open-source MATLAB-based framework for the development and validation of compact deep learning models for affective touch recognition in soft interactive companions. As a primary contribution, a diverse FAIR-compliant dataset of 1326 labelled gesture sequences collected from 25 participants spanning children, teenagers, and adults is made publicly available, providing a reusable resource for future research in affective touch recognition. Through systematic architecture and hyperparameter exploration across 468 CNN models, the study identifies compact dilated one-dimensional convolutional neural networks (1D CNNs) as the most effective solution, with a 13.2k-parameter model achieving 75% test accuracy and 85% mean leave-one-subject-out cross-validation accuracy. Theoretical inference-time analysis shows that quantized deployment requires 3.2 MMAC per window, compatible with 20 Hz real-time operation on the target microcontroller. PC-based real-time simulation with the physical toy streaming sensor data demonstrates that the CNN resolves subtle social touches that the previous heuristic system failed to detect, whereas high-force negative interactions are captured more reliably by trivial threshold-based logic. The resulting hybrid inference pipeline - instantaneous heuristic filtering followed by CNN-based nuanced gesture classification - is proposed as the embedded deployment strategy. The study demonstrates that emotionally meaningful, privacy-preserving touch interpretation is computationally feasible for direct embedding within soft therapeutic companions, with hardware integration addressed in a forthcoming study.
• Abstract（参考訳）: ソフトなセンサー付きコンパニオンは、社会的支援技術に対して物理的に安全で感情的に直感的なインターフェースを提供するが、その変形性と多チャンネル触覚感覚は、人間の感情の堅牢な解釈を複雑にする。 本研究では,ソフト・インタラクティブ・コンパニオンにおける感情認識のためのコンパクトな深層学習モデルの開発と検証を目的とした,完全オープンソースMATLABベースのフレームワークを提案する。 主な貢献として、子ども、ティーンエイジャー、大人にまたがる25人の参加者から収集された1326のラベル付きジェスチャー配列からなる多様なFAIR準拠データセットが公開されている。 468のCNNモデルにわたる体系的アーキテクチャとハイパーパラメータ探索を通じて、この研究は、コンパクトな拡張された1次元畳み込みニューラルネットワーク(1D CNN)を最も効果的なソリューションとして特定し、テスト精度が75%、平均アウト・ワン・サブジェクト・アウト・クロスバリデーション精度が85%である13.2kパラメータモデルを開発した。 理論的推測時間解析により、量子化された展開にはウィンドウ当たり3.2 MMACが必要であり、ターゲットのマイクロコントローラ上での20Hzのリアルタイム動作と互換性があることが示された。 物理玩具ストリーミングセンサデータを用いたPCベースのリアルタイムシミュレーションにより、CNNは以前のヒューリスティックシステムが検出できなかった微妙な社会的触覚を解消する一方、高力の負の相互作用は、自明なしきい値ベースの論理によってより確実にキャプチャされることを示した。 組込みデプロイメント戦略として,得られたハイブリッド推論パイプライン – 即時ヒューリスティックフィルタリング,CNNベースのニュアンスジェスチャー分類 – が提案されている。 この研究は、感情的に意味があり、プライバシーを保護しているタッチの解釈が、ソフトセラピーの仲間に直接埋め込むのに計算可能であることを示し、今後の研究でハードウェア統合に対処している。

関連論文リスト

• Data-Centric Neuromotor Interfaces for Portable Human-Machine Interaction [14.331887570990093]
  本稿では、生理的特徴が基本的な分離性をもたらし、認識に十分な差別的手がかりを提供するデータ中心パラダイムを提案する。 筋特異的電極と統合された様々な電気生理学的信号を収集するために開発された無線高帯域システムは、表面筋電図ベースのインターフェースを形成する。 高度に分離可能なデータを出力すると、94.36%のモデルが34のジェスチャーで精度を達成し、エッジデバイスに迅速に展開できる。
  論文  参考訳（メタデータ） (2026-08-31T06:17:46Z)
• HASTE: A Framework for Training-Free, Dynamic, and Steerable Compression of Pre-Trained Convolutional Neural Networks [45.63830993050021]
  HASTE(Hashing for Tractable Efficiency)は,大規模CNNの学習不要で動的に圧縮できる,プラグアンドプレイのコンボリューションモジュールである。 推論時には、HASTEはローカリティに敏感なハッシュを使用して、パッチワイズベースで潜在フィーチャーマップの冗長なチャネルを特定し、マージする。 我々は,CIFAR-10上のResNet34の46.2%のFLOPを1.25%の精度で,CIFAR-10とImageNetの広範な実験を行った。
  論文  参考訳（メタデータ） (2026-06-29T16:24:17Z)
• FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation [52.56850762009136]
  ソーシャルボットの検出は、オンラインソーシャルプラットフォームの安定性とセキュリティに不可欠である。 現在の最先端のボット検出モデルは、主に独立して開発されている。 クロスプラットフォームおよびクロスモデル検出フレームワークとしてFedRioを提案する。
  論文  参考訳（メタデータ） (2026-04-12T15:13:41Z)
• Tensegrity Robot Endcap-Ground Contact Estimation with Symmetry-aware Heterogeneous Graph Neural Network [16.823879279044252]
  本稿では,主観的測定から直接接触状態を推定する対称性を考慮したヘテロジニアスグラフニューラルネットワーク(Sym-HGNN)を提案する。 このネットワークは、ロボットの2面対称性$D_3$をメッセージパッシングプロセスに組み込んで、サンプル効率と一般化を強化する。
  論文  参考訳（メタデータ） (2026-03-03T04:45:43Z)
• UniVTAC: A Unified Simulation Platform for Visuo-Tactile Manipulation Data Generation, Learning, and Benchmarking [47.900334665380115]
  シミュレーションベースのビジュオ触覚データプラットフォームUniVTACを提案する。 大規模なシミュレーション合成データに基づいて訓練されたビジュオ触覚エンコーダであるUniVTACエンコーダを紹介する。 代表的な8つのビジュオ触覚操作タスクからなるUniVTACベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-02-10T18:57:00Z)
• STEMNIST: Spiking Tactile Extended MNIST Neuromorphic Dataset [6.8584962606447535]
  STEMNISTは、ST-MNISTを10桁から35の英数字クラスに拡張した大規模なニューロモルフィックな触覚データセットである。 このデータセットは、34人の参加者から収集された7700個のサンプルで構成され、120Hzで動作するカスタム触覚センサーアレイを使用している。
  論文  参考訳（メタデータ） (2026-01-04T20:26:55Z)
• A Cloud-Based Cross-Modal Transformer for Emotion Recognition and Adaptive Human-Computer Interaction [4.6927139685668315]
  マルチモーダル感情認識と適応型ヒューマンコンピュータインタラクションのためのクラウドベースのクロスモーダルトランスフォーマー(CMT)フレームワーク。 モデルは、事前訓練されたエンコーダを使用して、視覚信号、聴覚信号、テキスト信号を統合する。 システムは大規模ユーザインタラクションのためのスケーラブルで低レイテンシな感情認識を可能にする。
  論文  参考訳（メタデータ） (2025-11-21T17:29:16Z)
• Synheart Emotion: Privacy-Preserving On-Device Emotion Recognition from Biosignals [0.0]
  ほとんどの感情認識システムはクラウドベースの推論に依存しており、リアルタイムアプリケーションには適さないプライバシーの脆弱性とレイテンシの制約を導入している。 本研究は、手首型フォトプレソグラフィーからデバイス上での感情認識のための機械学習アーキテクチャの包括的な評価を行う。 ONNX変換によって最適化された手首のみのExtraTreesモデルをデプロイし,4.08MBのフットプリント,0.05msの推論遅延,オリジナル実装よりも152倍のスピードアップを実現した。
  論文  参考訳（メタデータ） (2025-11-09T05:15:04Z)
• Iterative Sizing Field Prediction for Adaptive Mesh Generation From Expert Demonstrations [49.173541207550485]
  Adaptive Meshing By Expert Reconstruction (AMBER) は模倣学習問題である。 AMBERは、グラフニューラルネットワークとオンラインデータ取得スキームを組み合わせて、専門家メッシュの投影されたサイズフィールドを予測する。 我々は、人間の専門家が提供した2Dメッシュと3Dメッシュ上でAMBERを実験的に検証し、提供されたデモと密に一致し、シングルステップのCNNベースラインを上回った。
  論文  参考訳（メタデータ） (2024-06-20T10:01:22Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Online Recognition of Incomplete Gesture Data to Interface Collaborative Robots [0.0]
  本稿では,ウェアラブルセンサで捉えた静的ジェスチャー(SG)と動的ジェスチャー(DG)の大きな語彙を分類するためのHRIフレームワークを提案する。 認識されたジェスチャーは、朝食の食事を準備する共同作業でロボットを遠隔操作するために使用される。
  論文  参考訳（メタデータ） (2023-04-13T18:49:08Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)

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。