論文の概要: Sparse Calibration-Based Personalization of Kernel-Based Gait Phase and Speed Estimation Using Wearable IMUs

• arxiv url: http://arxiv.org/abs/2610.03931v1
• Date: Fri, 02 Oct 2026 18:45:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:19:07.692458
• Title: Sparse Calibration-Based Personalization of Kernel-Based Gait Phase and Speed Estimation Using Wearable IMUs
• Title（参考訳）: スパースキャリブレーションに基づくカーネルベース歩行位相のパーソナライズとウェアラブルIMUを用いた速度推定
• Abstract要約: 本稿では、カーネルベースの歩行位相と歩行速度の同時推定のためのスパースキャリブレーションに基づくパーソナライズを提案する。 両側大腿およびシャンク軌跡から28速基準ライブラリを構築した。 オフライン検証により、パーソナライズされたカーネルは、集団カーネルと比較して位相誤差を低減した。
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents sparse calibration-based personalization for kernel-based gait phase and walking speed co-estimation from wearable inertial measurement units (IMUs). A 28-speed reference library was constructed from bilateral thigh and shank trajectories in a 20-subject locomotion dataset. Rather than directly applying population-average kernels, the method combines a user-specific baseline estimated from three calibration speeds with a principal-component (PC) model of baseline-centered kinematic deviations. Offline validation showed that personalized kernels reduced phase error relative to the population kernel. In a single-participant online pilot evaluation, the personalized kernels produced numerically lower mean phase and speed errors and ran in real time on embedded hardware. However, the speed effect was not significant, and pairwise phase differences did not remain significant after multiple-comparison correction. The pilot evaluation establishes wearable implementation feasibility while indicating reference-to-online dataset mismatch and the need for larger-cohort validation.
• Abstract（参考訳）: 本稿では、カーネルベースの歩行フェーズと、ウェアラブル慣性測定ユニット(IMU)からの歩行速度の同時推定のためのスパースキャリブレーションに基づくパーソナライゼーションを提案する。 両側大腿およびシャンク軌跡から28速基準ライブラリを構築した。 人口平均カーネルを直接適用するのではなく、3つのキャリブレーション速度から推定されるユーザ固有のベースラインと、ベースライン中心キネマティック偏差の主成分(PC)モデルを組み合わせる。 オフライン検証により、パーソナライズされたカーネルは、集団カーネルと比較して位相誤差を低減した。 単一参加者によるオンラインパイロット評価では、パーソナライズされたカーネルは平均位相と速度エラーを数値的に低く生成し、組込みハードウェア上でリアルタイムに実行した。 しかし, 速度効果は有意ではなく, 多成分補正後の相差も有意差は認められなかった。 パイロット評価は、参照-オンラインデータセットミスマッチとより大きなコホート検証の必要性を示しながら、ウェアラブル実装の実現可能性を確立する。

関連論文リスト

• Online Supervised Dimension Reduction with Random Features: Diagnostics and Computational Trade-offs [3.7044133020722954]
  Online Kernel Supervised principal Component Analysis (OKSPCA)は、有限乱数係数座標における中心となるクロスモーメントと、確立された目的に対するAdamスタイルの正則基底更新を組み合わせたものである。 有限乱数係数座標における中心的クロスモーメントと、確立された目的に対するAdamスタイルの正規直交基底更新を組み合わせたOKSPCAについて、これらの区別について検討する。
  論文  参考訳（メタデータ） (2026-09-17T14:19:29Z)
• Comparing Trajectories from Positions Alone: Curvature-Based Time Alignment and Drift Error Metric [9.234595526156854]
  フィールドロボティクスでは、評価された推定値よりも精度の高い独立した大規模参照軌道を取得することは、未解決の課題である。 ドメインは絶対軌道誤差(ATE)と相対極誤差(RPE)に広く依存している 本稿では,標準化された信頼性評価のための軌道評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-09-14T02:30:33Z)
• Randomized neural operator for parametric PDEs with fast training and conformal uncertainty quantification [47.720075875232226]
  我々は,PCAに基づく次元還元と固定ランダム特徴を組み合わせたニューラル演算子であるPCA-RaNNを紹介する。 演算子学習を固定回帰として再キャストし、遅延回帰を3桁まで削減する。
  論文  参考訳（メタデータ） (2026-06-28T15:02:26Z)
• NaviCache: Test-Time Self-Calibration Caching for Video Generation [82.90113757454375]
  NaviCacheはビデオ拡散モデルのためのテスト時間自己校正手法である。 基本的な領域ギャップと非定常的な拡散の性質を橋渡しする。 理論上は、誤差バウンド・スキップのメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-06-25T09:28:12Z)
• TimeLAVA: Learning-Agnostic Data Valuation for Time Series [48.76711740818533]
  TimeLAVAは、評価データと参照データの間の分布差を最小限に抑えるために、時間セグメントを限界貢献によって評価する学習非依存のフレームワークである。 モデルに依存しない一般化にバリュエーションをリンクする理論的保証を提供し、汚染に対する有界感度を証明する。
  論文  参考訳（メタデータ） (2026-06-17T06:16:16Z)
• When Attribution Patching Lies: Diagnosis and a Second-Order Correction [9.338965648455238]
  本研究は, 下流ネットワークの非直線性に起因する誤差が, パッチ成分の局所曲率よりも大きいことを示す。 この洞察は、(i)信頼できない見積もりを検出するための信頼性スコア、(ii)エラー境界がポテンシャル属性の誤特定を定量化すること、(iii)Hessian-vector-product correctが1つの後進パスで先行エラーを除去すること、の3つの実用的なツールをもたらす。
  論文  参考訳（メタデータ） (2026-06-05T05:20:32Z)
• The Best of Both Worlds: Hybridizing Neural Operators and Solvers for Stable Long-Horizon Inference [0.0]
  ANCHORは、PDEの安定な長距離予測のためのオンラインのインスタンス対応ハイブリッド推論フレームワークである。 本稿では,ANCHORが長い水平誤差の増大を確実に拘束し,外挿ロールアウトを安定化し,スタンドアロンのニューラル演算子に対するロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2025-12-22T18:17:28Z)
• Scalable, Explainable and Provably Robust Anomaly Detection with One-Step Flow Matching [14.503330877000758]
  Time-Conditioned Contraction Matching is a novel method for semi-supervised anomaly detection in tabular data。 これは、確率分布間の速度場を学習する最近の生成モデリングフレームワークであるフローマッチングにインスパイアされている。 ADBenchベンチマークの大規模な実験により、TCCMは検出精度と推論コストのバランスが良好であることが示されている。
  論文  参考訳（メタデータ） (2025-10-21T06:26:38Z)
• Predictive Feature Caching for Training-free Acceleration of Molecular Geometry Generation [67.20779609022108]
  フローマッチングモデルは、高忠実度分子ジオメトリを生成するが、推論中にかなりの計算コストを発生させる。 本研究は,分子幾何生成を加速する学習自由キャッシング戦略について論じる。 GEOM-Drugsデータセットの実験は、キャッシングがウォールクロックの推測時間の2倍の削減を実現することを示した。
  論文  参考訳（メタデータ） (2025-10-06T09:49:14Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)

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。