論文の概要: A Personalized Dynamic Balance Evaluation Paradigm for Hip Exoskeleton-Assisted Walking under Unexpected Ground Perturbations
- arxiv url: http://arxiv.org/abs/2609.14765v1
- Date: Sun, 13 Sep 2026 19:56:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.963645
- Title: A Personalized Dynamic Balance Evaluation Paradigm for Hip Exoskeleton-Assisted Walking under Unexpected Ground Perturbations
- Title（参考訳）: 地中摂動下における股関節外骨格補助歩行の動的バランス評価パラダイム
- Abstract要約: 股関節外骨格は予期せぬ歩行摂動からの回復を改善する可能性がある。
バランスは多次元であり、ループ内の人体実験は小さなサンプルでうるさいため、パーソナライズ支援は依然として困難である。
本稿では,安定性の限界,中心運動量,全身角運動量にまたがる7つの生体力学的サブメトリックを統合する,参加者固有の複合バランスコストについて述べる。
- 参考スコア（独自算出の注目度）: 9.326574738444188
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hip exoskeletons may improve recovery from unexpected gait perturbations, yet personalizing assistance remains difficult because balance is multidimensional and human-in-the-loop experiments are small-sample and noisy. We present a participant-specific composite balance cost that integrates seven biomechanical sub-metrics spanning margin of stability, center-of-mass dynamics, and whole-body angular momentum. The sub-metrics are converted to direction-aligned, dimensionless cost features, and nonnegative fusion weights are learned on the simplex. Coupled with an empirical-Bayes hierarchical model, the learned-composite selector estimates each tested condition's posterior probability of being best, P(best), and a high-probability candidate set with size $K_{0.8}$. The framework was evaluated with three participants walking at 1.1 m/s during unilateral belt-slip perturbations across 46 hip-assistance conditions. In the full-budget analysis (B = 4 repeats per condition), the selector concentrated 80% of the posterior probability within 1 to 5 of 46 conditions, compared with 2 to 12 for equal-weight fusion and 4 to 37 for principal component analysis fusion. This smaller candidate set could shorten personalization experiments and limit participants' exposure to repeated perturbations in future studies. Selected-condition trials showed lower observed composite costs than no-torque trials, with nominal p < 0.05 for P2 and P3. Leave-one-repeat-out refits yielded positive mean held-out rank correlations for all participants and moderate stability of the learned weights and candidate sets. These proof-of-concept results support participant-specific composite balance evaluation for candidate selection in perturbation-based human-in-the-loop experiments.
- Abstract（参考訳）: 股関節外骨格は、予期せぬ歩行の摂動から回復するが、バランスが多次元であり、ループ内の人体実験が小さくノイズの多いため、パーソナライズ支援は依然として困難である。
本稿では,安定性の限界,中心運動量,全身角運動量にまたがる7つの生体力学的サブメトリックを統合する,参加者固有の複合バランスコストについて述べる。
サブメトリックは方向整列され、無次元のコスト特徴に変換され、非負の融合重みは単純度で学習される。
経験的ベイズ階層モデルと組み合わせて、学習合成セレクタは、各試験条件の後方確率が最適である確率 P(best) と、大きさが$K_{0.8}$の高確率候補を推定する。
この枠組みは, 片側ベルトスリップ摂動時の1.1m/sで歩いた3名の被験者で, 46例のヒップアシスタンス条件で評価した。
フル予算分析(B = 4 は条件毎の繰り返し)では、セレクタは46条件中 1 から 5 に後続確率の80%を集中させ、等重量核融合では 2 から 12 に、主成分核融合では 4 から 37 に比例した。
この小さな候補セットは、パーソナライズ実験を短縮し、将来の研究で繰り返し摂動への参加者の露出を制限する可能性がある。
選択条件試験の結果,P2およびP3ではp<0.05であった。
再調整後,すべての参加者に対して正の平均ランク相関が得られ,学習重量と候補セットの適度な安定性が得られた。
これらの概念実証は、摂動に基づく人間-イン-ザ-ループ実験における候補選択のための参加者特異的複合バランス評価を支援する。
関連論文リスト
- Query-Conditioned Spherical Centroid Aggregation for Multimodal Retrieval [5.4018351446007875]
マルチモーダル検索は、ビデオ、オーディオ、字幕、テキストを統合する。
最近の幾何学的アグリゲータは、すべてのモダリティを対称に扱う。
SCALARはクエリ条件付きアグリゲータで、各利用可能なモダリティに関連性ベースの重みを割り当てる。
論文 参考訳（メタデータ） (2026-09-14T10:21:23Z) - GRPO-QM: Target Preserving Exploration for Quantum Tomography [42.21989596721942]
GRPO-QMは、量子トモグラフィー後部の探索戦略のみを学ぶことでこれを後押しする。
次に、物理的な提案メカニズムや事前知識を超えて、学習が貢献するものについて検討する。
論文 参考訳（メタデータ） (2026-09-13T18:09:43Z) - Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。
9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
論文 参考訳（メタデータ） (2026-09-07T10:22:22Z) - From Concentration to Differentiation and Back: Routing Effective Rank in MoE Reasoning Cohorts [61.695980784491475]
テストタイムスケーリングは、推論ロールアウトのコホートを生成するが、推論が展開するにつれて内部計算がどのように再編成されるかについて、標準的なラベルのない説明はない。
本稿では,MoEの専門家による類似性から構築したクロスロールアウトグラフのエントロピー有効次元性であるルーティング有効ランクデフを導入する。
論文 参考訳（メタデータ） (2026-09-06T05:43:22Z) - Reliability-Aware Hybrid-K Ensemble Selection for Cervical Cytology Classification: Integrating Discrimination, Calibration, and Selective Prediction [3.093890460224435]
本研究では,マルチクラス頚椎分類のための信頼性を考慮したハイブリッド-Kアンサンブル選択フレームワークを提案する。
9つのディープラーニングアーキテクチャを,固定成層5倍分割と3つの訓練種子を用いて評価した。
Swin-TinyとTinyViT-5Mからなる最後のハイブリッド2アンサンブルは、AURCを43%減らし、NLLを17%減らし、WC-ECEを36%減らした。
論文 参考訳（メタデータ） (2026-09-01T02:30:41Z) - TESTNAV: Pareto-Guided Search for Compositional Robustness Testing [42.86570387250456]
TESTNAVは、ディープラーニングモデルのための双方向の堅牢性テストフレームワークである。
モダリティ比の指標によって測定された入力忠実度を保ちながら、性能劣化を最大化する。
論文 参考訳（メタデータ） (2026-08-20T10:43:22Z) - Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。
我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。
ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
論文 参考訳（メタデータ） (2026-07-07T10:10:00Z) - When LLMs Learn to Be Consistently Wrong: A Multi-Model Study of Linear Representations of Synthetic Deception [0.0]
モデルが正確な内部表現を維持しつつ、意図的に偽の出力を生成するような知覚的アライメントは、AIの安全性において依然として中心的な課題である。
我々は、5つの変圧器モデルの真正かつ偽証的な変種を同じ質問分布上でLoRAを用いて微調整するマルチモデルパラダイムを提案する。
平均プールされた隠れ状態で訓練された線形プローブは、ほぼ完璧なAUCで合成の不完全性を検出する。
魚の識別率、有効ランク、セントロイド幾何、方向キャリブレーション、キャリブレーション(ECE)の力学解析により、ピチア/ラマ/クウェンの表現的崩壊と高次元保存の2つの安定性が明らかになった。
論文 参考訳（メタデータ） (2026-05-28T01:20:06Z) - Training-inference input alignment outweighs framework choice in longitudinal retinal image prediction [3.0602131532925436]
近年の手法は, 生成複雑性の増大に向かっているが, この複雑さが要求される条件はいまだ不明である。
生成複雑性は予測可能なタスクの条件付き後続成分のエントロピーと一致し,全てのレシスタンスでトレーニング・推論入力アライメントが要求される。
我々は,この枠組みを5つの構成を対比して,立方体自己蛍光データセット上で検証した。
論文 参考訳（メタデータ） (2026-04-18T10:28:00Z) - Architecture-Agnostic Modality-Isolated Gated Fusion for Robust Multi-Modal Prostate MRI Segmentation [0.0]
多重化前立腺MRIは、T2パラメトリック(T2W)、見かけ拡散係数(ADC)、高b値拡散強調(HBV)配列を組み合わせる。
実際には、拡散配列は、T2Wよりも、取得のばらつき、動き、アーティファクトの影響を受けることが多い。
我々は、学習ゲーティングステージの前に、個別のモダリティ固有の符号化ストリームを維持するために、Modality-Isolated Gated Fusion (MIGF)を提案する。
論文 参考訳（メタデータ） (2026-04-12T15:54:21Z) - PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。
部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。
The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
論文 参考訳（メタデータ） (2026-04-05T21:14:27Z) - Towards Scalable Probabilistic Human Motion Prediction with Gaussian Processes for Safe Human-Robot Collaboration [6.846949601451734]
本研究では,フルボディ動作予測のための構造化変分ガウスプロセス(GP)フレームワークを提案する。
我々のモデルは、強いベースラインよりも最大50のカーネル密度推定負対数類似度(KDE NLL)を達成する。
確率的定式化にもかかわらず、我々のモデルは0.24-0.35Mのパラメータしか必要としない。
論文 参考訳（メタデータ） (2026-03-07T08:11:46Z)
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。