論文の概要: Motion Primitive Discovery in a Humanoid Robot via Self-Organising Maps for Phase Recognition
- arxiv url: http://arxiv.org/abs/2607.18737v1
- Date: Tue, 21 Jul 2026 05:53:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.32092
- Title: Motion Primitive Discovery in a Humanoid Robot via Self-Organising Maps for Phase Recognition
- Title（参考訳）: 位相認識のための自己組織化マップを用いたヒューマノイドロボットの動作原始的発見
- Abstract要約: NICOヒューマノイドロボットに適用した運動プリミティブ発見とオンライン位相認識のための2段階アーキテクチャを提案する。
2つの自己組織化マップ(SOM)は、7つの運動行動をカバーする模擬実験から腕の運動学の地形表現を学習する。
エコー状態ネットワーク(ESN)は、現在実行中の動作フェーズのオンライン認識にSOMアクティベーションの時間的軌跡が十分であるかどうかを評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding the computational basis of action recognition is a central challenge in social cognition as well as in human-robot interaction. Inspired by the Mirror Neuron System (MNS), we propose a two-level architecture for motor primitive discovery and online phase recognition applied to the NICO humanoid robot. At the first level, two Self-Organising Maps (SOMs) learn topographic representations of arm kinematics (A-SOM) and hand kinematics (H-SOM) from simulated trials covering seven motor actions. The maps are trained on non-redundant features identified through hierarchical correlation analysis of motion trajectories. The results show that the two SOMs encode complementary aspects of motor behaviour. At the second level, an Echo State Network (ESN) evaluates whether temporal trajectories of SOM activations, represented by consecutive best-matching units, are sufficient for online recognition of the currently executed movement phase. The results show that SOM-based trajectories preserve the dominant phase-discriminative structure of the movement, while contextual information provides only a secondary refinement. Our contribution is the integration of established SOM and ESN methods within an MNS-inspired architecture for motor primitive representation and online phase recognition. The results are compatible with the computational hypothesis that self-organised motor representations, when temporally integrated, can support accurate online recognition of ongoing movement phases.
- Abstract（参考訳）: 行動認識の計算的基礎を理解することは、社会的認知と人間とロボットの相互作用において中心的な課題である。
The Mirror Neuron System (MNS) に触発されて, NICOヒューマノイドロボットに適用された運動原始的発見とオンライン位相認識のための2段階アーキテクチャを提案する。
最初のレベルでは、2つの自己組織化マップ (SOMs) が7つの運動行動をカバーする模擬実験から腕運動学 (A-SOM) と手運動学 (H-SOM) の地形表現を学習する。
地図は、運動軌跡の階層的相関解析によって同定された非冗長な特徴に基づいて訓練される。
その結果,2つのSOMは運動行動の相補的な側面をコードしていることがわかった。
第2のレベルでは、Echo State Network (ESN) は、現在実行されている動作フェーズのオンライン認識に、SOMアクティベーションの時間的軌跡が、連続したベストマッチングユニットで表されるかどうかを評価する。
以上の結果から,SOMをベースとした軌道は動きの位相識別的な支配的な構造を保ち,文脈情報は二次的改善のみを提供することがわかった。
我々の貢献は、モータープリミティブ表現とオンライン位相認識のためのMNSにインスパイアされたアーキテクチャにおいて、確立されたSOMおよびESNメソッドの統合である。
この結果は、時間的に統合された自己組織運動の表現が、進行中の運動相の正確なオンライン認識を支援することができるという計算的仮説と矛盾しない。
関連論文リスト
- NeuroPath: Brain-Inspired Dual-Pathway Graph Convolutional Networks for Skeleton-Based Action Recognition [34.895868545828726]
骨格に基づく行動認識は、人間の関節座標のシーケンスから人間の行動を認識することを目的としている。
私たちの経験的研究は、異なる骨格のモダリティ間で明らかなパフォーマンスの不均衡を明らかにします。
人間の知覚における腹側・背側経路に触発されたDual-Pathway Graph Convolutional Networksを提案する。
論文 参考訳（メタデータ） (2026-08-18T08:15:29Z) - Real-Time sEMG-Based Telecontrol of an Assistive Robotic Arm Using a 1D Convolutional Neural Network [0.30786914102688595]
本研究は、ロボットアームの遠隔操作のためのリアルタイムsEMGベースのインタフェースを提案する。
このシステムは4チャンネルのsEMG取得、信号前処理、スライディングウィンドウへのセグメント化、一次元畳み込みニューラルネットワーク(CNN)を用いた分類に依存している。
システムは安定したリアルタイム動作を示し、平均遅延は約0.32秒であり、選択したウィンドウング戦略と一致している。
論文 参考訳（メタデータ） (2026-07-14T15:34:28Z) - EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation [74.07852250099559]
Egocentric Vision-Language (Ego-VL) モーション生成について検討する。
本課題は,1対1の視覚的観察と自然言語の指示を併用した3次元人間の動作を合成することである。
この課題に対処するために,階層型生成フレームワーク textbfEgoMotion を提案する。
論文 参考訳（メタデータ） (2026-04-21T05:31:06Z) - Marrying Text-to-Motion Generation with Skeleton-Based Action Recognition [26.447920160010515]
本研究は, 動作理解と生成の両方に骨格座標を応用して, 統合された動作認識と運動生成について検討する。
本稿では,コーディネートに基づく自己回帰運動拡散(CoAMD)を提案する。
本モデルは,骨格に基づく行動認識,テキスト・ツー・モーション生成,テキスト・モーション検索,モーション編集など,4つの重要なタスクに適用できる。
論文 参考訳（メタデータ） (2026-04-18T17:58:50Z) - Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。
このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
論文 参考訳（メタデータ） (2026-03-03T17:41:42Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - A Spatio-Temporal Multilayer Perceptron for Gesture Recognition [70.34489104710366]
自律走行車におけるジェスチャー認識のための多層状態重み付きパーセプトロンを提案する。
提案手法の有望な性能を示すため,TCGおよびDrive&Actデータセットの評価を行った。
私たちは、そのリアルタイム能力と安定した実行を示すために、モデルを自動運転車にデプロイします。
論文 参考訳（メタデータ） (2022-04-25T08:42:47Z) - Joint-bone Fusion Graph Convolutional Network for Semi-supervised
Skeleton Action Recognition [65.78703941973183]
本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。
具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。
自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
論文 参考訳（メタデータ） (2022-02-08T16:03:15Z) - Non-local Graph Convolutional Network for joint Activity Recognition and
Motion Prediction [2.580765958706854]
3次元骨格に基づく運動予測と行動認識は、人間の行動分析における2つの中間課題である。
本稿では, グラフ畳み込みニューラルネットワークとリカレントニューラルネットワークを併用した, 共同動作予測と活動認識のための新しい手法を提案する。
論文 参考訳（メタデータ） (2021-08-03T14:07:10Z) - First and Second Order Dynamics in a Hierarchical SOM system for Action
Recognition [0.0]
本稿では,自己組織型マップの階層構造と,行動分類を学習する独自のニューラルネットワークを用いた行動認識システムを提案する。
システムはkinectのような3dカメラからの入力を前処理し、関節の位置だけでなく、第1および第2次ダイナミクスに関する情報を利用する。
論文 参考訳（メタデータ） (2021-04-13T09:46:40Z) - Relational Graph Learning on Visual and Kinematics Embeddings for
Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。
本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
論文 参考訳（メタデータ） (2020-11-03T11:00:10Z) - Complex Human Action Recognition in Live Videos Using Hybrid FR-DL
Method [1.027974860479791]
入力シーケンス中の代表フレームの自動選択により,前処理フェーズの課題に対処する。
本稿では,バックグラウンドサブトラクションとHOGを用いたハイブリッド手法を提案し,続いて深層ニューラルネットワークと骨格モデリング手法を適用した。
本稿では,このモデルをFR-DL(Feature Reduction & Deep Learning based action recognition method)と呼ぶ。
論文 参考訳（メタデータ） (2020-07-06T15:12:50Z)
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。