論文の概要: XoNav: An Exoskeleton as a Personalized Haptic Interface for Assisted Navigation

• arxiv url: http://arxiv.org/abs/2610.27271v1
• Date: Mon, 19 Oct 2026 20:44:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.497527
• Title: XoNav: An Exoskeleton as a Personalized Haptic Interface for Assisted Navigation
• Title（参考訳）: XoNav: パーソナライズされた触覚インターフェースとしてのExoskeleton
• Abstract要約: XoNavは、股関節に直接誘導キューを描画する股関節外骨格だ。 プログレッシブキューと二段ブレーキキューを矢状面アクチュエータで、二段ステアリングキューを前面面アクチュエータで描画する。
• 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: Walking without vision requires timely, unambiguous guidance, yet many wearable aids encode directions as audio or vibrotactile signals that users must translate into movement. We present XoNav, a four-actuator hip exoskeleton that renders guidance cues directly at the hip joints. It renders an Advance cue and two-level Braking cues through sagittal-plane actuators and two-level Steering cues through frontal-plane actuators. A bilateral LSTM-based gait-state classifier uses two thigh-mounted IMUs to identify gait states, enabling haptic cues to be delivered in coordination with the wearer's gait while suppressing them during standing. The classifier generalized to unseen users with recalls of 95.2-97.9%, with mean detection delays of 38.6 and 63.1 ms for stance-to-swing and swing-to-stance transitions, respectively. Constrained human-in-the-loop Bayesian optimization personalized Braking for minimum resistance and Steering for maximum comfort while ensuring detectability and safety. All participants reliably distinguished between grades of their personalized cues and the firmest Braking cue remained below 53% of the safety limit. In blindfolded Wizard-of-Oz navigation trials along three paths, the participants kept 98.8% of the walked distance within a 0.75 m wide passage, with a 4.9% increase in mean progression speed per trial. A body-worn camera, RTAB-Map and Nav2 further enabled a feasibility study of autonomous navigation and detours around previously unmapped obstacles.
• Abstract（参考訳）: 視力のない歩行には、タイムリーであいまいなガイダンスが必要だが、多くのウェアラブルアシスタントは、ユーザーが移動に翻訳しなければならないオーディオやバイブロタクティル信号として方向をエンコードする。 XoNavは4つのアクチュエータを持つ股関節外骨格で、股関節に直接誘導手がかりを付与する。 プログレッシブキューと二段ブレーキキューを矢状面アクチュエータで、二段ステアリングキューを前面面アクチュエータで描画する。 両側LSTMに基づく歩行状態分類器は2つの大腿のIMUを用いて歩行状態を識別し、立位中に歩行を抑えながら、装着者の歩行と協調して触覚的手がかりを届けることができる。 分類器は95.2-97.9%のリコールで、平均検出遅延は38.6msと63.1ms、スタンス・ツー・スウィング・トゥ・スタンス・トランジションは63.1msである。 拘束された人-ループベイズ最適化は、最小抵抗にブレーキを、最大快適にステアリングをパーソナライズし、検出性と安全性を確保した。 すべての参加者は、パーソナライズされたキューの成績と、最もしっかりとしたブレーキキューの成績を確実に区別し、安全限界の53%以下にとどまった。 3つの経路に沿った目隠しされたウィザード・オブ・オズの航法試験では、参加者は歩行距離の98.8%を幅0.75mの通路に保持し、平均進行速度は4.9%増加した。 ボディウーンカメラであるRTAB-MapとNav2は、以前にマップされていない障害物の周囲の自律的なナビゲーションとデトゥールの実現可能性調査を可能にした。

関連論文リスト

• MultiPartyTurnBench: Benchmarking Floor Control in Multi-Party Spoken Dialogue [67.07361089429757]
  本研究では, 主観的ターンテイクや終末行動について検討するが, 真のフロア・トランジションの統一的評価を, 難易度の高い非パーティ・セッティングに対して検討する。 我々は、240個の合成されたチャネル分離会話のベンチマークであるMultiPartyTurnBench (MPTB) について紹介する。 学習システムは82.2.6%のEOTリコールを4.3-11.8%の偽陽性率で達成し、Interruption (INT) 検出は失敗したテイクオーバーや過剰な偽のアクティベーションに悩まされる。
  論文  参考訳（メタデータ） (2026-10-14T13:20:14Z)
• ClearNav: Perception-Aligned Quadrotor Flight Using Differential-Physics [2.650860836597657]
  ClearNavは2つの報酬項で訓練されたナビゲーションポリシーで、観測方向への動きを制限し、前方に向いた方向を目標とし、横方向の速度にペナルティを与える。 シミュレーションでは、訓練中に見つからないポリシー毎の2304回の飛行を含む18の保留シナリオにおいて、ClearNavは成功率を6.8ポイント改善し、衝突速度を芸術の状況と比較して65%削減し、最大で5m/sで飛行する。
  論文  参考訳（メタデータ） (2026-10-12T21:33:50Z)
• Body-Motion Control of a Simulated Aerial Swarm from a First-Person View [7.440639837083438]
  本稿では,胴体傾斜,手の位置,頭部回転を5つの連続的な指令次元にマッピングする上体インタフェースを提案する。 14名の被験者がこのインタフェースと従来の送信機を用いて,3次元障害物コースを通してシミュレーション15エージェント群をナビゲートした。 体動制御は完了時間を19.4%、セントロイドパスの長さを7.0%削減し、パスの直接性を高めた。
  論文  参考訳（メタデータ） (2026-09-16T16:15:25Z)
• GuideTouch: An Obstacle Avoidance Device with Tactile Feedback for Visually Impaired [2.061143628317803]
  GuideTouchは、自律的障害物回避のために設計されたウェアラブルデバイスである。 システムは2つの縦方向のTime-of-Flight(ToF)センサーを統合し、3次元環境認識を可能にする。 指向性触覚フィードバックを提供する4つの振動アクチュエータ。
  論文  参考訳（メタデータ） (2026-01-20T10:12:05Z)
• The 8th AI City Challenge [57.25825945041515]
  2024年版では5トラックが収録され、47か国と地域の726チームから前例のない関心を集めた。 このチャレンジでは、2つのリーダーボードを使ってメソッドを展示し、参加者は新しいベンチマークを設定した。
  論文  参考訳（メタデータ） (2024-04-15T03:12:17Z)
• Video-based automatic lameness detection of dairy cows using pose estimation and multiple locomotion traits [0.0]
  歩行牛のビデオから9つのキーポイントの動きを抽出した。 キーポイントの軌跡は6つの移動特性を計算するのに使われた。 3つの重要な特徴は、背姿勢測定、頭部ボビング、追跡距離であった。
  論文  参考訳（メタデータ） (2024-01-10T14:56:54Z)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• A Novel Three-Dimensional Navigation Method for the Visually Impaired [0.0]
  視覚障害者は、現在、ホワイト杖やGPSベースのナビゲーションのような視力に取って代わるために、ナビゲーション補助に頼らなければならない。 本研究は,複雑な屋内環境を通した接触のないナビゲーションを可能にする3Dイメージングソリューションの開発を目指している。 デバイスは、従来のアプローチに比べて31%少ない誤差で、ユーザの位置と向きを特定できる。
  論文  参考訳（メタデータ） (2022-06-20T23:59:43Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)

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。