論文の概要: Data-Centric Neuromotor Interfaces for Portable Human-Machine Interaction
- arxiv url: http://arxiv.org/abs/2608.30301v1
- Date: Mon, 31 Aug 2026 06:17:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.252594
- Title: Data-Centric Neuromotor Interfaces for Portable Human-Machine Interaction
- Title（参考訳）: 携帯型ヒューマン・マシンインタラクションのためのデータ中心型ニューロモータインタフェース
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 14.331887570990093
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dexterous human-machine interaction requires intuitive and expressive interfaces that can be efficiently deployed on constrained edge devices. Flexible material-based neuromotor interfaces hold considerable promise, as they decode human movement intention into natural control. Although emerging flexible electronic skins enable wearable high-fidelity data acquisition, practical deployment inevitably involves trade-offs between computational resources and portability. We present a data-centric paradigm where physiological features yield fundamental separability, providing sufficient discriminative cues for recognition. A wireless, high-bandwidth system developed for collecting various electrophysiological signals, when integrated with muscle-specific electrodes, forms a surface electromyography-based interface. Exploiting highly separable data, a 2,210-parameter model achieves 94.36% accuracy across 34 gestures and can be rapidly deployed on edge devices, establishing a new thousand-parameter benchmark for dexterous decoding. The underlying data-algorithm interactions in the data-centric paradigm are further clarified, demonstrating its feasibility in real-world scenarios. This study provides a principled and validated pathway for practical deployment of reliable neuromotor interfaces.
- Abstract（参考訳）: Dexterous human-machine Interactionは、制約のあるエッジデバイスに効率的にデプロイできる直感的で表現力のあるインターフェースを必要とする。
柔軟な物質ベースのニューロモーターインタフェースは、人間の運動意図を自然な制御へとデコードするので、かなりの可能性を秘めている。
フレキシブルな電子スキンはウェアラブルな高忠実度データ取得を可能にするが、実用的な展開には計算資源とポータビリティのトレードオフが必然的に伴う。
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の高帯域システムは、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し、34のジェスチャーで94.36%の精度を実現し、エッジデバイスに迅速にデプロイできる。
データ中心のパラダイムにおける基礎となるデータ-アルゴリズムの相互作用はさらに明確化され、現実のシナリオにおけるその実現可能性を示している。
本研究は、信頼性の高い神経運動体インタフェースを実用的に展開するための原則的かつ検証された経路を提供する。
関連論文リスト
- Design and Validation of a Lightweight 1D CNN for Affective Touch Classification in Soft Plush Companions [59.49967357689445]
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。
論文 参考訳（メタデータ） (2026-04-16T10:20:05Z) - Emotion Detection on User Front-Facing App Interfaces for Enhanced Schedule Optimization: A Machine Learning Approach [0.0]
感情検出に対する2つの補完的アプローチを提示し,評価する。
心電図(ECG)信号から抽出した心拍数(HR)データを用いて、ヴァレンス、オーラル、ドミナンスの感情次元を予測し、複数の機械学習モデルを介してコンピュータ活動を分析し、マウスの動き、クリック、キーストロークパターンなどのきめ細かいユーザーインタラクションに基づいて感情を分類する行動的方法。
実世界のデータセットから得られた我々の比較分析によると、どちらの手法も有効性を示す一方で、コンピュータアクティビティに基づく手法は、特にマウス関連の相互作用において、より優れた一貫性と精度を提供する。
論文 参考訳（メタデータ） (2025-06-24T03:21:46Z) - Machine-Learning-Powered Neural Interfaces for Smart Prosthetics and Diagnostics [3.975510977962636]
我々は、AI駆動型デコーディングアルゴリズムと次世代小型ニューラルデバイスのためのエネルギー効率の高いSystem-on-Chipプラットフォームの最近の進歩についてレビューする。
これらのイノベーションは、インテリジェントなニューラルネットワークの開発の可能性を強調し、スケーラビリティ、信頼性、解釈可能性、ユーザ適応性といった重要な課題に対処する。
論文 参考訳（メタデータ） (2025-05-05T09:49:13Z) - Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。
スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。
分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。
本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
論文 参考訳（メタデータ） (2024-11-07T14:08:35Z) - emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。
1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。
sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
論文 参考訳（メタデータ） (2024-10-26T05:18:48Z) - The Role of Functional Muscle Networks in Improving Hand Gesture Perception for Human-Machine Interfaces [2.367412330421982]
表面筋電図(sEMG)はその豊富な情報コンテキストとアクセシビリティのために研究されている。
本稿では,個々の筋活性化ではなく,筋同期の復号化を提案する。
85.1%の精度を実現し、既存の手法に比べて性能が向上した。
論文 参考訳（メタデータ） (2024-08-05T15:17:34Z) - WaLiN-GUI: a graphical and auditory tool for neuron-based encoding [73.88751967207419]
ニューロモルフィックコンピューティングはスパイクベースのエネルギー効率の高い通信に依存している。
本研究では, スパイクトレインへのサンプルベースデータの符号化に適した構成を同定するツールを開発した。
WaLiN-GUIはオープンソースとドキュメントが提供されている。
論文 参考訳（メタデータ） (2023-10-25T20:34:08Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - Synthesizing Skeletal Motion and Physiological Signals as a Function of
a Virtual Human's Actions and Emotions [10.59409233835301]
本研究では, 同期運動, 心電図, 血圧, 呼吸, 皮膚伝導信号の計算モデルからなるシステムを開発した。
提案されたフレームワークはモジュール化されており、柔軟性によってさまざまなモデルを試すことができる。
ラウンド・ザ・タイム・モニタリングのためのML研究を低コストで行うことに加えて、提案されたフレームワークはコードとデータの再利用を可能にする。
論文 参考訳（メタデータ） (2021-02-08T21:56:15Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z)
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。