論文の概要: Autonomous Telerehabilitation via Skeletal Motion Prediction and Joint-Level Performance Assessment

• arxiv url: http://arxiv.org/abs/2608.12145v1
• Date: Wed, 12 Aug 2026 15:06:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.621834
• Title: Autonomous Telerehabilitation via Skeletal Motion Prediction and Joint-Level Performance Assessment
• Title（参考訳）: 骨格運動予測と共同レベル性能評価による自律的遠隔リハビリテーション
• Abstract要約: 本稿では,骨格に基づく運動品質評価と短期動作予測を統合した遠隔リハビリテーションパイプラインを提案する。 自己注意型双方向LSTMはMDD-NCAメトリックラーニングを用いて運動品質分類を行う。 グラフベースの動き予測モジュールは、予測されたポーズと観測されたポーズの間の接合位置誤差を計算し、空間的局所的な偏差信号を生成する。
• 参考スコア（独自算出の注目度）: 0.8283026597815732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous rehabilitation systems must not only recognize human motion but also provide structured feedback to support users without continuous therapist supervision. This paper presents a telerehabilitation pipeline that integrates skeleton-based exercise quality assessment and short-term motion prediction into a two-module system operating on marker-free RGB video. A self-attentive Bidirectional LSTM performs exercise quality classification using MMD-NCA metric learning, while a graph-based motion prediction module computes per-joint position errors between predicted and observed poses, generating spatially localized deviation signals. Each module is evaluated independently on established benchmarks: the classifier achieves 96.45% mean-class accuracy on squat sequences from the PROZIS dataset, and the adopted STARS predictor achieves a mean MPJPE of 75.8 mm at 560 ms on Human3.6M, outperforming graph and recurrent baselines across all prediction horizons. The framework is designed for eventual deployment in assistive robotics and home-based rehabilitation contexts; end-to-end integration and clinical validation are important directions for future work. By combining motion recognition and prediction in a single system, this work contributes a step toward autonomous, feedback-driven telerehabilitation, for more accessible and scalable rehabilitation solutions.
• Abstract（参考訳）: 自律的なリハビリテーションシステムは、人間の動きを認識するだけでなく、継続的なセラピストの監督なしにユーザーを支援するための構造化されたフィードバックを提供する必要がある。 本稿では,骨格に基づく運動品質評価と短期動作予測を統合した遠隔リハビリテーションパイプラインを,マーカーレスRGBビデオで動作する2モジュールシステムに統合する。 自己注意型双方向LSTMはMDD-NCAメトリック学習を用いて運動品質分類を行い、グラフベースの動き予測モジュールは、予測されたポーズと観測されたポーズの間の接合位置誤差を計算し、空間的局所的な偏差信号を生成する。 分類器は、PROZISデータセットからスクワットシーケンスの平均クラス精度96.45%を達成し、採用したSTARS予測器は、Human3.6Mで75.8mmのMPJPEを560msで達成し、グラフと全ての予測地平線上でのリカレントベースラインを上回っている。 このフレームワークは、支援ロボットと在宅リハビリテーションのコンテキストに最終的に配置するために設計されており、エンド・ツー・エンドの統合と臨床検証は将来の作業にとって重要な方向である。 単一のシステムにおけるモーション認識と予測を組み合わせることで、この研究は、よりアクセシブルでスケーラブルなリハビリテーションソリューションのための、自律的でフィードバック駆動の遠隔リハビリテーションへのステップに寄与する。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• PhaseAware: Interpretable Human-in-the-Loop Rehabilitation Scoring with Boundary Monitoring [18.918947215697205]
  本研究は, 側頭骨と位相・身体群記述子を組み合わせた継続的リハビリテーション品質評価のためのコンパクトな枠組みを提案する。 PhaseAwareのRMSEは0.0230で、受け入れられたベースラインに対する88.9%の減少に対応している。 KIMOREでも良好な性能を維持しており、フェーズアウェアの設計が関連するスクワットプロトコル間で転送されることを示唆している。
  論文  参考訳（メタデータ） (2026-07-22T14:57:42Z)
• AI-Based Stroke Rehabilitation Domiciliary Assessment System with ST_GCN Attention [1.0781866671930853]
  ホームベースのリハビリテーション・エクササイズ・フィードバックシステムを提案する。 本システムは,(1)RGB-Dカメラとウェアラブルセンサを備えたハードウェア構成により,ストロークの動きを捉え,(2)運動指導用モバイルアプリケーション,(3)評価とフィードバックのためのAIサーバから構成される。
  論文  参考訳（メタデータ） (2025-09-27T16:45:56Z)
• Deep Learning for Skeleton Based Human Motion Rehabilitation Assessment: A Benchmark [6.708543240320757]
  近年のディープラーニングとビデオベースの骨格抽出の進歩により、アクセシブルでスケーラブルなモーションアセスメントの新たな可能性が高まっている。 この分野には標準化されたベンチマーク、一貫した評価プロトコル、再現可能な方法論が欠けている。 本稿では, 自動リハビリテーションアセスメントにおける今後の研究基盤の確立と, 信頼性, アクセシビリティ, パーソナライズされたリハビリテーションソリューションの開発を促進することを目的とする。
  論文  参考訳（メタデータ） (2025-07-28T17:39:03Z)
• Unified Human Localization and Trajectory Prediction with Monocular Vision [64.19384064365431]
  MonoTransmotionはトランスフォーマーベースのフレームワークで、モノクロカメラのみを使用して、ローカライゼーションと予測タスクを共同で解決する。 両タスクを統合フレームワークで共同でトレーニングすることにより,ノイズの多い入力による実環境シナリオにおいて,我々の手法がより堅牢であることを示す。
  論文  参考訳（メタデータ） (2025-03-05T14:18:39Z)
• 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)
• D-STGCNT: A Dense Spatio-Temporal Graph Conv-GRU Network based on transformer for assessment of patient physical rehabilitation [0.30693357740321775]
  本稿では,リハビリテーション演習を評価するための新しいグラフベースモデルを提案する。 デンス接続とGRU機構は、大きな3Dスケルトン入力を迅速に処理するために使用される。 KIMOREおよびUI-PRMDデータセットに対する提案手法の評価は,その可能性を強調した。
  論文  参考訳（メタデータ） (2023-12-21T00:38:31Z)
• Koopman pose predictions for temporally consistent human walking estimations [11.016730029019522]
  そこで我々は,下肢運動の非線形ダイナミクスを組み込んだクープマン理論に基づく新しい因子グラフ因子を提案する。 以上の結果から,本手法は骨格形状の外れ率を約1m削減し,自然歩行軌跡を最大10m以上保存できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-05T16:16:06Z)
• MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints [70.76761166614511]
  モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。 我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
  論文  参考訳（メタデータ） (2021-09-14T15:35:08Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
  本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。 エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2020-02-29T22:18:56Z)

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。