論文の概要: Tread: A Visuo-Inertial Framework for Terrain and Locomotion Context-Aware Gait-Phase and Speed Estimation in Wearable Robotics
- arxiv url: http://arxiv.org/abs/2610.19067v1
- Date: Tue, 13 Oct 2026 19:02:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.766545
- Title: Tread: A Visuo-Inertial Framework for Terrain and Locomotion Context-Aware Gait-Phase and Speed Estimation in Wearable Robotics
- Title（参考訳）: Tread:ウェアラブルロボティクスにおける測地・移動環境を考慮した歩行と速度推定のためのビジュオ慣性フレームワーク
- Abstract要約: ウェアラブルロボットは、地形、移動モード、歩行フェーズ、歩行速度を継続的に推定する必要がある。
本稿では,これらの推定を因果パイプラインを介して接続するビジュオ慣性フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.5046831208137847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A wearable assistive robot must continuously estimate terrain, locomotion mode, gait phase, and walking speed. These quantities are commonly addressed by separate, terrain-specific models, with datasets rarely collected under a common protocol. This paper presents a visuo-inertial framework that connects these estimates through a causal pipeline using a chest-mounted camera and four lower-limb inertial measurement units (IMUs). Anticipatory Terrain Perception (ATP) classifies incoming terrain with 96.3% accuracy and anticipates terrain transitions by 1.46 s on average. Terrain-Aware Locomotion Mode Identification (TALMI) achieves 93.7% and 98.8% accuracy for its level-ground and stairs experts respectively, with mean transition latencies being below 200 ms. The relevant TALMI posterior is retained as a Probabilistic Locomotion Context (PLC) vector and provided to a shared Gait Kinematic Encoder (GKE), which supports 50-Hz bilateral gait-phase estimation and 2-Hz walking-speed estimation. Leave-one-subject-out evaluation yields gait-phase RMSEs of 1.75%, 2.97%, and 4.55% for level walking, stair ascent, and stair descent respectively while estimating speed over 3.5-5.5 km/h with a RMSE of 0.218 km/h. All inertial sensing based models use sensor-fused Euler angles as input rather than raw accelerometer and gyroscope signals, reducing dependence on sensor mounting variation.
- Abstract（参考訳）: ウェアラブルアシストロボットは、地形、移動モード、歩行フェーズ、歩行速度を継続的に推定する必要がある。
これらの量は通常、別々の地形特化モデルによって対処され、共通のプロトコルの下でデータセットを収集することは滅多にない。
本稿では,胸部装着カメラと4つの下肢慣性測定ユニット(IMU)を用いて,これらの推定を因果パイプラインを介して接続するビスオ慣性フレームワークを提案する。
予測地形パーセプション(ATP)は、入ってくる地形を96.3%の精度で分類し、平均して1.46秒の地形遷移を予測している。
Terrain-Aware Locomotion Mode Identification (TALMI) は、平均遷移速度が200ms以下で、それぞれ93.7%と98.8%の精度を達成し、関連するTALMI後部は確率的ロコモーションコンテキスト(PLC)ベクターとして保持され、50Hzの両側歩行位相推定と2Hzの歩行速度推定をサポートする共有ゲイト運動エンコーダ(GKE)に提供される。
水平歩行、階段上昇、階段降下はそれぞれ1.75%、2.97%、4.55%の歩行相RMSEが得られ、速度は3.5-5.5 km/h、RMSEは0.218 km/hと推定される。
慣性センシングに基づく全てのモデルは、原加速度計やジャイロスコープ信号ではなく、センサーフューズされたオイラー角を入力として使用し、センサーの装着変動への依存を減らす。
関連論文リスト
- Towards Agile Vision-Based Multi-UAV Flight: Revisiting State Estimation [4.109778149547297]
アジャイルのマルチUAV飛行には、衝突回避や動き調整などのために、近隣のUAVの運動状態を正確にかつ低レイテンシで推定する必要がある。
ほとんどの視覚に基づくアプローチは位置のみの測定に依存し、速度と加速度を変位から間接的に推定する。
これにより,高次状態の推定に一定の構造的遅延が生じ,達成可能なアジリティが制限されることがわかった。
そこで本稿では,コプラナー型マルチロータUAVの推力方向を知らせる最先端の視覚検出器によって提供される傾斜測定を統合することを提案する。
論文 参考訳（メタデータ） (2026-09-30T12:29:52Z) - GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。
30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。
エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
論文 参考訳（メタデータ） (2026-09-30T12:20:51Z) - DCLP++: Learning to Navigate with Footprint Clearance and Relative Motion [4.265700914562614]
DCLP++は、動的環境における相対運動の特徴を研究するための幾何学的基礎としてフットプリントクリアランスを用いる。
予備研究では、20個の移動障害物のうち1m/sの速度制限を持つ長方形のロボットを用いている。
論文 参考訳（メタデータ） (2026-09-08T13:09:35Z) - Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳（メタデータ） (2026-08-25T08:27:42Z) - Vehicle speed dataset for the major European road network derived from Sentinel-2 imagery, 2022-2026 [39.381642096565834]
このデータセットは、2022-2026年の間、OpenStreetMapにタグ付けされた欧州のE道路に関する個々の車両速度の観察を提供する。
速度は、処理パイプラインを用いたCopernicus Sentinel-2 Level-2A衛星光学画像から導かれる。
データセットはGeoPackageファイルとして配布され、検出された車両毎に1つのレコードを持ち、トラフィックパターン、速度挙動、トランスポートモデリング、および大陸規模の道路ネットワーク属性のキャリブレーションの研究を支援することができる。
論文 参考訳（メタデータ） (2026-08-22T21:59:36Z) - Factorized Spatio-Temporal Convolutions for Human Pose Estimation from Planar Lidar [43.576051446645856]
近くの人間を位置決めし、対向方向を推定することは、安全なナビゲーションと社会的に認識された人間とロボットの相互作用の鍵となる能力である。
空間時間ブロックに基づく軽量ネットワークを用いた平面LiDAR列からの全方位人間の検出と相対2次元ポーズ推定に対処する。
我々のネットワークは、360LiDARシーケンスを処理し、線当たりの人間の存在、距離、相対方向を出力します。
論文 参考訳（メタデータ） (2026-07-23T13:31:54Z) - Learning to Navigate Efficiently with Only 0.58M Trainable Parameters [12.68304107799412]
既知の閉形式構造を持つ操作を解析的に計算し、3つの小さな学習モジュール間のインタフェースとして機能するナビゲーションモデルを提案する。
このシステムは、合計22.7Mパラメータのうちわずか0.58Mを1時間未満で44kフレームでトレーニングするが、ナビゲーションタスクの最先端モデルの性能にアプローチする。
論文 参考訳（メタデータ） (2026-07-13T02:49:55Z) - EventShiftFlow: Towards Hardware-efficient FPGA-based Flow Estimation [43.77587889970362]
イベントベースの視覚センサは、非同期で高時間分解能の測定を提供する。
多くの事象に基づく動き推定法は計算集約的であり、FPGAハードウェアにマップすることは困難である。
本稿では,非同期イベントを固定時間ビンに離散化し,1ビット空間占有格子を構築し,複数の速度仮説を並列に評価するストリーミング速度推定器を提案する。
論文 参考訳（メタデータ） (2026-05-27T11:13:58Z) - Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。
31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
論文 参考訳（メタデータ） (2025-12-08T11:42:41Z) - Planar Velocity Estimation for Fast-Moving Mobile Robots Using Event-Based Optical Flow [1.4447019135112429]
本稿では,車輪と表面のトラクションの仮定から分離した速度推定手法を提案する。
提案手法は1:10スケールの自律レースプラットフォーム上でのフィールド実験により評価される。
論文 参考訳（メタデータ） (2025-05-16T11:00:33Z) - Deep Learning for Human Locomotion Analysis in Lower-Limb Exoskeletons: A Comparative Study [1.3569491184708433]
本稿では,8つのディープニューラルネットワークのバックボーンによる高レベル移動パラメータの予測実験を行った。
LSTMは高い地形分類精度(0.94 +- 0.04)と正確な傾斜斜面(1.95 +- 0.58deg)、CNN-LSTMは階段の高さ(15.65 +- 7.40 mm)を達成した。
システムは2ミリ秒の推論時間で動作し、リアルタイムアプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-03-21T07:12:44Z)
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。