論文の概要: Wearable Multimodal Human-Machine Interface for Integrated Hand Intentions Decoding in Dynamic Teleoperation
- arxiv url: http://arxiv.org/abs/2609.07495v1
- Date: Mon, 07 Sep 2026 13:45:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 00:14:45.162013
- Title: Wearable Multimodal Human-Machine Interface for Integrated Hand Intentions Decoding in Dynamic Teleoperation
- Title（参考訳）: 動的遠隔操作における統合的手指意図復号のためのウェアラブルマルチモーダルヒューマン・マシンインタフェース
- Abstract要約: 我々は、MI-DHMI(Multiple Intentions Decoding Human-Machine Interface)を開発した。
開発インターフェースは、複数の意図の復号化を同時に行うための統合フレームワークによってサポートされている。
手首や前腕の動きが制限されていない場合でも、ジェスチャー認識精度は97%を超えている。
- 参考スコア（独自算出の注目度）: 7.407110387715018
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Under ubiquitous teleoperation environments with optically challenging conditions, an interface for tele-operated grasping that combines wearability with precise decoding of hand intentions (hand pose, gestures, and grasping force) is essential. Yet, existing interfaces often fall short in meeting these demands, compromising either the diversity of multiple intentions decoding or wearability. To address this, we developed a novel Multiple Intentions Decoding Human-Machine Interface (MI-DHMI) that integrates high-throughput surface electromyography (sEMG) sensors with hand-mounted and forearm-mounted inertial measurement units (IMUs). The developed interface is supported by a unified framework for simultaneous multiple intentions decoding. By employing multimodal deep learning and hardware design with a low noise floor, the decoding framework selectively focuses on the sEMG components that are genuinely associated with finger movements. This effectively reduces decoding errors caused by sEMG variability during unconstrained upper-limb motions, thereby significantly enhancing robustness. Even under unconstrained wrist and forearm motion, the interface achieves a gesture recognition accuracy exceeding 97%, grasping force estimation with $R^2 = 0.95$, and hand pose decoding consistent with the actual hand pose, outperforming baseline devices and algorithms. Ablation studies further validate the effectiveness of the proposed decoding framework. Finally, two online experiments were conducted to validate the device, demonstrating its superior performance in high-stability tasks, including a pouring task and object grasping. The developed interface provides a new solution of a fully wearable, multiple intentions decoding system, offering effective support for ubiquitous teleoperation and contributing to the advancement of human-machine interaction research.
- Abstract（参考訳）: ユビキタスな遠隔操作環境と光学的に困難な状況下では、装着性と手振り(手振り、ジェスチャー、つかみ力)の正確な復号とを組み合わせた遠隔操作による把握のためのインタフェースが不可欠である。
しかし、既存のインターフェースはこれらの要求を満たすのに不足することが多く、複数の意図のデコーディングの多様性や着用性に妥協する。
そこで我々は,高出力表面筋電図(sEMG)センサと手持ち・前腕搭載慣性計測装置(IMU)を融合したMI-DHMI(Multiple Intentions Decoding Human-Machine Interface)を開発した。
開発インターフェースは、複数の意図の復号化を同時に行うための統合フレームワークによってサポートされている。
マルチモーダル深層学習と低ノイズフロアによるハードウェア設計を用いることで,指の動きと真に関連付けられたsEMGコンポーネントに選択的に焦点をあてる。
これにより、非拘束上肢運動におけるsEMG変動による復号誤差を効果的に低減し、ロバスト性を大幅に向上する。
手首や前腕の動きが制限されていない場合でも、ジェスチャー認識精度は97%を超え、R^2 = 0.95$で力推定し、手ポーズのデコーディングは実際の手ポーズと一致し、ベースライン装置やアルゴリズムより優れている。
アブレーション研究は、提案された復号化フレームワークの有効性をさらに検証する。
最後に,2つのオンライン実験を行い,その有効性を実証した。
開発インターフェースは、完全ウェアラブルで多目的復号システムの新しいソリューションを提供し、ユビキタス遠隔操作を効果的にサポートし、人間と機械の相互作用研究の発展に寄与する。
関連論文リスト
- AdaDexGrasp: Adaptive Dexterous Grasping via 3D Visuo-Tactile Representation Fusion [60.79507611737292]
人間は視覚知覚と触覚フィードバックをシームレスに統合することで、安定的で適応的な把握を実現する。
既存のロボットグルーピングアプローチは、視覚入力と接触後の触覚誘導適応機構の欠如に依存している。
本稿では, 把握生成, 実現可能性予測, 適応的改善を統合した統合型ビジュオタクティル・フュージョン・グリーティング・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-06T16:29:11Z) - VQ-Touch: A Data-Efficient Tactile Generation Framework Across Sensors and Scenarios [7.9567869558684094]
VQ-Touchは、クロスセンサーとマルチシナリオアプリケーションの両方をサポートする触覚生成フレームワークである。
データから複雑な変形やテクスチャの特徴を効率的に抽出するために,DM-VQGANを提案する。
本稿では,画像やラベルなどのマルチモーダル生成タスクをサポートする統一された条件付けインタフェースを備えた離散拡散デコーダを提案する。
論文 参考訳（メタデータ） (2026-07-16T08:53:41Z) - Towards Real-World Wearable Motion Reconstruction [68.1355376294881]
地上3Dモーションと消費者グレードのセンサを同期する大規模データセットを提案する。
第2に、利用可能なセンサの任意の部分集合から動きを再構成するベースライン生成モデルWHIPを提案する。
第三に、センサの相補性について体系的な研究を行い、異なるモードが相互に相補的な関係を定量化する。
論文 参考訳（メタデータ） (2026-07-08T11:56:02Z) - TEGA: A Tactile-Enhanced Grasping Assistant for Assistive Robotics via Sensor Fusion and Closed-Loop Haptic Feedback [1.3861223044153617]
触覚強化把握アシスタント(TEGA)について紹介する。
クローズドループアシスト遠隔操作フレームワークは、リアルタイムなビブロタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタクタ
ウェアラブルの触覚ベストは、リアルタイムの触覚フィードバックを提供する。
論文 参考訳（メタデータ） (2026-03-05T04:12:55Z) - 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) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - DiG-Net: Enhancing Quality of Life through Hyper-Range Dynamic Gesture Recognition in Assistive Robotics [2.625826951636656]
ロボット工学に特化して設計された新しいアプローチを導入し,最大30mの距離で動的ジェスチャー認識を実現する。
提案手法では,DADAブロックと時空間グラフモジュールを効果的に組み合わせ,距離対応ゲスチャネットワーク(DiG-Net)を提案する。
かなりの距離からジェスチャーを効果的に解釈することにより、DiG-Netは在宅医療、産業安全、遠隔支援シナリオにおける補助ロボットのユーザビリティを著しく向上させる。
論文 参考訳（メタデータ） (2025-05-30T16:47:44Z) - Capturing complex hand movements and object interactions using machine learning-powered stretchable smart textile gloves [9.838013581109681]
手の動きをリアルタイムに追跡することは、人間とコンピュータの相互作用、メタバース、ロボット工学、遠隔医療に多くの応用がある。
そこで本研究では, 伸縮性, 洗浄性を有するスマートグローブ, ヘリカルセンサ糸, 慣性測定ユニットを用いた手指運動の高精度かつダイナミックな追跡を報告する。
センサ糸は高いダイナミックレンジを有し, 0.005 %の低い155 %のひずみに応答し, 広範囲の使用および洗浄サイクルの安定性を示す。
論文 参考訳（メタデータ） (2024-10-03T05:32:16Z) - Decomposed Vector-Quantized Variational Autoencoder for Human Grasp Generation [27.206656215734295]
本稿では,DVQ-VAE(Decomposed Vector-Quantized Variational Autoencoder)を提案する。
部分認識の分解アーキテクチャは、手とオブジェクトの各コンポーネント間のインタラクションをより正確に管理するのに役立つ。
提案モデルでは,4つのベンチマークにおいて,最先端の手法と比較して,品質指標の14.1%の相対的な改善を実現した。
論文 参考訳（メタデータ） (2024-07-19T06:41:16Z) - Learning Visuotactile Skills with Two Multifingered Hands [80.99370364907278]
マルチフィンガーハンドとバイソタクティブルデータを用いたバイマニアルシステムを用いて,人間の実演からの学習を探索する。
以上の結果から,バイスオタクティブルデータからの両指多指操作における有望な進歩が示唆された。
論文 参考訳（メタデータ） (2024-04-25T17:59:41Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z)
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。