論文の概要: Anticipatory Textile MMG-Strain Sensing for Confirm-Then-Assist Soft Knee Exosuits
- arxiv url: http://arxiv.org/abs/2610.15563v1
- Date: Sun, 11 Oct 2026 12:14:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 17:57:30.81944
- Title: Anticipatory Textile MMG-Strain Sensing for Confirm-Then-Assist Soft Knee Exosuits
- Title（参考訳）: MMG-Strain Sensing for Confirm-Then-Assist Soft Knee Exosuits
- Abstract要約: 編み織物インターフェースは、3チャンネルのメカノミノグラフィーアレイと1つの500Hzクロックに前方歪センサーを併用する。
融合信号は柔らかい空気圧膝のための2段階の確認補助政策を駆動した。
- 参考スコア（独自算出の注目度）: 5.397936321446726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Soft wearable robots must commit to assistance around movement onset, when the available signals are ambiguous. Surface electromyography (sEMG) detects neuromuscular drive early but degrades under sweat and electrode shift, and kinematic sensors respond only once the limb moves. This letter presents a knitted textile interface that co-samples a three-channel mechanomyography (MMG) array and an anterior strain sensor on a single synchronous 500 Hz clock. Across five participants, MMG activation preceded strain-detected knee motion during sit-to-stand by per-channel medians of 322-344 ms. Sampled on the same clock, the sign of the strain slope resolved movement direction on 649 of 650 completed transitions with no training or per-participant calibration, raising four-class balanced accuracy from 90.3% to 95.6%. The fused signals drove a two-stage confirm-then-assist policy for a soft pneumatic knee. Across 240 trials in four participants, the onboard controller entered the assist state on 78 of 80 sit-to-stand trials and on none of the 80 isometric co-contractions. It also entered the assist state on 27 of 80 stand-to-sit trials and left it at the hold timeout, motivating an antagonistic flexor gauge to resolve this direction at onset. Co-sampling muscle acoustics with textile strain on one clock lets the inflation command be issued around movement onset.
- Abstract（参考訳）: 柔らかいウェアラブルロボットは、利用可能な信号があいまいである場合、移動開始時の支援を約束しなければならない。
表面筋電図(sEMG)は神経筋運動を早期に検出するが、汗や電極シフトによって劣化し、運動センサーは手足が動くとのみ反応する。
この手紙は、一本の同期500Hzクロック上に3チャンネルのメカノミノグラフィー(MMG)アレイと前方ひずみセンサーを併用する編み物のインターフェースを提示する。
5名中5名中322～344msで座屈中のMMG活性化に先行し,650名中649名中649名中650名中649名でストレインスロープスロープスロープスロープスロープスロープスロープスロープスロープスロープスロープスロープの進行方向の兆候が観察され,90.3%から95.6%に上昇した。
融合した信号は柔らかい空気圧膝のための2段階の確認補助政策を駆動した。
4人の被験者の240回の試験で、オンボード・コントローラーは80回の座屈試験のうち78回の補助状態に入り、80回の等尺的共同収縮はいずれもなかった。
また、80回の待機試験のうち27回の補助状態に入り、ホールドタイムアウトに置き去りにし、この方向を解決するために対角軸計を動機づけた。
筋肉の音響と繊維の歪みを1つの時計に合わせることで、運動開始前後にインフレーション指令を出すことができる。
関連論文リスト
- Autonomous Robotic Navigation for Endovascular Brain-Computer Interface Access [35.74001577330872]
本研究は、脳静脈系における血管内BCIアクセスのための、in vitroにおける自律型ロボットナビゲーションの最初の実演である。
訓練解剖学ではナビゲーションが評価され、シリコエピソードでは250以上の解剖学的に見当たらないホールドアウトモデルが評価された。
20本中14本が成功(全体の70%)し、その内80%がタスクBのファントムであった。
論文 参考訳（メタデータ） (2026-10-02T16:20:29Z) - SlipSense: Multimodal Tactile Learning for Low-Latency and Generalized Slip Detection [15.908150948122573]
SlipSenseは、TacV5上に構築されたマルチモーダルスリップ検出フレームワークである。
このフレームワークは、240Hzの因果時間予測で、モダリティ特異的符号化、センサー内融合、およびクロスモーダルアテンションを実行する。
SlipSenseは、UMIデータのみを訓練すると、ゼロショットをテゾロのデキスタラスハンドに一般化し、見えない物体、異なるセンサーユニット、ロボットプラットフォームを再訓練せずに移動させる。
論文 参考訳（メタデータ） (2026-09-14T17:23:59Z) - LeCor: Learning to Be Corrected by Meta-Learned Test-Time Training for Interactive 3D Lung-Tumour Segmentation [45.86925813888675]
肺腫瘍におけるSAM 3の微調整は、0.298から0.757までの1点のプロンプトから得られるDiceを上昇させ、7ラウンドの補正によりさらに0.765まで上昇させる。
ケース毎にリセットされたケースアダプタの小さなセットでテスト時間トレーニングを行うLeCorを提案する。
LeCor は 7 回の補正ラウンドを 0.787 から 0.827 に引き上げ、0.80 を 47 から 27 に到達しないケースの数を 47 から 27 に減らし、3 回の補正ラウンドで細調整モデルが 7 で到達した精度を下げる。
論文 参考訳（メタデータ） (2026-09-08T21:49:56Z) - Learning Biomechanically Plausible Human Motion from Sparse Radar Point Clouds [39.56983715336933]
我々は、フルボディの骨格モデルを、エンドツーエンドのトレーニング可能なレーダベースのポーズ推定フレームワークに統合する。
生体力学スケルトンをスケールするために、レーダーポイント雲の特徴から被写体比を予測する。
動き予測ネットワークは、時間的レーダ列を一般化座標にマッピングし、予測された関節角を3D位置に変換する。
論文 参考訳（メタデータ） (2026-08-04T13:20:05Z) - A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator [49.225033144914214]
軟構造セグメントに埋め込まれた流体圧センサから, 受容・接触信号を分離するモデルベース戦略を提案する。
単一ITHセグメントでは, 相対曲げ誤差0.11+/-0.02, 接触検出率97%で, 主観的形状推定が可能である。
論文 参考訳（メタデータ） (2026-07-17T03:03:19Z) - Whole-Body Semantic-to-Actuation Grounding of Elephant-Inspired Soft-Trunk Motion via Lightweight Flow Matching [15.915777089981182]
ゾウに触発されたソフトトランクHRIのための全身のセマンティック・ツー・アクティベーション・グラウンドディング・フレームワークを提案する。
提案手法は, 生応答密度回帰よりも25.0%から77.2%の接地精度を向上する。
推論時間を7.86msから4.87msに短縮し、動きの多様性を保っている。
論文 参考訳（メタデータ） (2026-07-13T02:33:53Z) - Temporal Posed and Spontaneous Gesture Recognition from Electromyography in the Rock-Paper-Scissors Game [4.720010088358536]
岩盤-パルパ-シッサーゲームにおけるジェスチャー認識における筋電図の時間的特徴とその精度について検討した。
EMGの発症は, ジェスチャーの可視開始前に少なくとも800ms, ジェスチャーの可視開始前には342ms前後で検出できた。
論文 参考訳（メタデータ） (2026-06-28T14:36:23Z) - Identification of a Physics-Based Electrical Power Consumption Model for the Unitree G1 Humanoid Arm [41.90412270641482]
本稿では,UnitreeG1ヒューマノイドロボットの左腕の電力消費に関する物理モデルを提案する。
提案した定式化は、アクチュエータ損失項とベースライントルク補正を組み合わせることで、重力補償負荷の変化を捉える。
シングルジョイントとアコーディネートアームの動作を複数の速度レベルでカバーする897トラジェクトリで、同定されたモデルは、1.07 (W)のRMSEで$R2 = 0.933$に達する。
論文 参考訳（メタデータ） (2026-06-14T16:45:07Z) - Facial Movement Dynamics Reveal Workload During Complex Multitasking [2.613650913343188]
リアルタイム認知作業負荷モニタリングは、安全クリティカルな環境において不可欠である。
われわれは、標準的なウェブカメラの顔の動きのダイナミクスが低コストな代替手段になるかどうかを検証した。
論文 参考訳（メタデータ） (2026-03-18T14:28:16Z) - Consistency-Driven Dual LSTM Models for Kinematic Control of a Wearable Soft Robotic Arm [33.333272339511446]
本稿では,ウェアラブルデバイスに組み込まれた空気圧作動式ロボットアームの前方および逆運動学を正確に学習するための一貫性駆動型デュアルLSTMフレームワークを提案する。
この手法は, アクティベーション入力とエンドエフェクタ位置の1対1マッピング問題に対処しながら, ソフト空気圧アクチュエータの非線形およびヒステリックな挙動を効果的に捉えている。
論文 参考訳（メタデータ） (2026-03-18T12:51:12Z) - Advancing Assistive Robotics: Multi-Modal Navigation and Biophysical Monitoring for Next-Generation Wheelchairs [0.0]
本研究は, 患者のニーズを優先し, 制御モードの切り替えを可能とした, マルチモーダルEPW制御システムを提案する。
ジョイスティック, 音声, 手のジェスチャー, 筋電図 (EOG) の4つの相補的インタフェースを, 連続的なバイタルサインモニタリングフレームワークに統合する。
この組み合わせにより、患者の自立性が向上し、介護者がリアルタイムの監視と早期介入能力を維持することができる。
論文 参考訳（メタデータ） (2026-01-06T06:58:26Z)
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。