論文の概要: Identifiable Decomposition of Submovements in Human Hand Trajectories

• arxiv url: http://arxiv.org/abs/2609.40012v1
• Date: Wed, 30 Sep 2026 15:50:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.993165
• Title: Identifiable Decomposition of Submovements in Human Hand Trajectories
• Title（参考訳）: 人手軌跡におけるサブムーブメントの分解
• Abstract要約: 本稿では,プリミティブペア間のカーネル相関を識別可能性基準として提案する。 我々は,Sub-IDが適応線形正則化にこの基準を組み込み,低相関解に対する最適解の偏りを示す。 この方法は、運動制御研究と模倣学習のための生理的基盤を持つプリミティブを同定する可能性がある。
• 参考スコア（独自算出の注目度）: 10.268877300581979
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Voluntary movements have long been hypothesised to be comprised of discrete primitives called submovements, as a descriptive model of human motor behaviour. However, existing methods scale poorly, and no principled method exists to determine whether a decomposition is informative. We propose a spatiotemporal kernel correlation between primitive pairs as an identifiability criterion. Submovement-Identifiable Decomposition (Sub-ID) embeds this criterion in its adaptive-ridge regularisation, biasing the optimiser toward low-correlation solutions. Identifiability is lost when primitives become collinear and recovered when they diverge spatially. On synthetic data, Sub-ID recovers ground-truth parameter distributions where existing methods fail; furthermore, when primitives overlap too heavily to be distinguished, the method explicitly detects this ambiguity rather than outputting misleading results. Sub-ID extracts submovements from real three-dimensional, long-horizon movements, a regime no prior method addresses. This method has the potential to identify physiologically grounded primitives for motor control research and imitation learning.
• Abstract（参考訳）: 自発的運動は、人間の運動行動の記述モデルとして、サブムーブメントと呼ばれる独立したプリミティブで構成されていると長い間推測されてきた。 しかし、既存の手法はスケールが悪く、分解が情報的かどうかを判断する原理的手法は存在しない。 本稿では,原始的ペア間の時空間的カーネル相関を識別可能性基準として提案する。 Submovement-Identible Decomposition (Sub-ID) は、この基準を適応尾根正規化に組み込み、低相関解に対するオプティマイザをバイアスする。 プリミティブがコリニアになると識別不能となり、空間的に分岐すると回復する。 さらに、プリミティブが重なりすぎると、誤解を招く結果を出すのではなく、この曖昧さを明示的に検出する。 サブIDは、実際の3次元の長い水平運動からサブムーブメントを抽出する。 この方法は、運動制御研究と模倣学習のための生理的基盤を持つプリミティブを同定する可能性がある。

関連論文リスト

• Rethinking Structural Anomaly Detection: From Decision Boundaries to Projection Operators [51.771100367755544]
  本稿では,既存手法の帰納バイアスとデータ構造とのミスマッチに対処する幾何学的視点を提案する。 具体的には、正規サンプルの多様体上の射影作用素を学習し、この射影によって変更される場合、サンプルを異常として定義する。 特に、プロジェクション品質の観点から、その成功と失敗を説明することによって、再構築に基づく手法の統一的な解釈を提供する。
  論文  参考訳（メタデータ） (2026-06-13T12:37:20Z)
• Detecting Metastable Basins in High Dimensions via Marginal Trajectory Distribution Discrimination [0.0]
  本研究では, 高次元時間均質マルコフ過程において, 動的に異なるアトラクションの流域を同定する問題について検討する。 本稿では,境界軌道分布比較に基づく流域識別のための識別手法を提案する。
  論文  参考訳（メタデータ） (2026-05-22T18:53:40Z)
• Identification of Causal Direction under an Arbitrary Number of Latent Confounders [54.76982125821112]
  実世界のシナリオでは、観測された変数は複数の潜伏変数によって同時に影響を受けることがある。 我々は,特定の方法で構築された観測変数の高次累積行列を併用する。 これらの高次累積行列の階数不足特性から,2つの観測変数間の因果非対称性が直接観察可能であることを示す。
  論文  参考訳（メタデータ） (2025-10-26T15:10:00Z)
• A Sparse Bayesian Learning Algorithm for Estimation of Interaction Kernels in Motsch-Tadmor Model [0.9821874476902972]
  モッチュ・タドモールモデルにおける非対称相互作用カーネルの同定について検討する。 制御方程式の暗黙的な形式を用いてカーネル識別を再構成する変分フレームワークを提案する。 本研究では,正規化の事前情報を取り込んだ疎ベイズ学習アルゴリズムを開発し,不確実性を定量化し,基本モデル選択を可能にする。
  論文  参考訳（メタデータ） (2025-05-11T17:43:32Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)
• Learning Causal Representations of Single Cells via Sparse Mechanism Shift Modeling [3.2435888122704037]
  本稿では,各摂動を未知の,しかしスパースな,潜伏変数のサブセットを標的とした介入として扱う単一細胞遺伝子発現データの深部生成モデルを提案する。 これらの手法をシミュレーションした単一セルデータ上でベンチマークし、潜伏単位回復、因果的目標同定、領域外一般化における性能を評価する。
  論文  参考訳（メタデータ） (2022-11-07T15:47:40Z)
• Weakly Supervised Representation Learning with Sparse Perturbations [82.39171485023276]
  潜伏変数のスパース摂動によって生じる観測の監督が弱い場合、未知の連続潜伏分布の下で識別が達成可能であることを示す。 本稿では,この理論に基づく自然な推定手法を提案し,それを低次元の合成および画像に基づく実験で説明する。
  論文  参考訳（メタデータ） (2022-06-02T15:30:07Z)

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。