論文の概要: Transformer-Based Trajectory Prescription for sEMG-Optimizing Robot-Mediated Rehabilitation

• arxiv url: http://arxiv.org/abs/2611.08295v1
• Date: Thu, 05 Nov 2026 16:55:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.588255
• Title: Transformer-Based Trajectory Prescription for sEMG-Optimizing Robot-Mediated Rehabilitation
• Title（参考訳）: sEMG最適化ロボットによるリハビリテーションのためのトランスフォーマーに基づく軌道定式化
• Abstract要約: 本稿では,エンドエフェクタリハビリテーションロボットと対話する際に,個人の筋活動を所定の接触力軌跡にマッピングする個人化可能なトランスフォーマーモデルを提案する。 このモデルは、回転位置埋め込み(RoPE)を利用したトランスフォーマーエンコーダデコーダを使用して、軌道関連因子およびユーザ固有の神経運動因子の潜在表現を生成する。 生のリハビリテーションタスクでモデルを用いた最初のテストでは、平均して、参加者はタスク全体を通して15%のエラーが蓄積されたターゲットのニューロモーターアクティベーションに到達することが示されている。
• 参考スコア（独自算出の注目度）: 9.287989382218731
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot-mediated rehabilitation has the potential to deliver high-intensity, individualized therapy, but existing systems (which have not consistently improved outcomes) typically prescribe kinematic trajectories rather than explicitly targeting the neuromotor activations thought to support recovery. To address this gap, and ultimately enable activation-optimizing rehabilitation robot behavior, we present a personalizable transformer-based model mapping individuals' muscle activations (as measured via surface electromyography) to prescribed contact force trajectories when interacting with an end-effector rehabilitation robot. The model uses a transformer encoder-decoder leveraging rotary positional embeddings (RoPE) to generate a latent representation of trajectory-relevant and user-specific neuromotor factors, and augments trajectory prediction with flow matching to produce a distribution over plausible prescriptions biased toward the training distribution. Using data from 16 healthy participants completing 15 isometric trajectory tracking tasks, we evaluate generalization across held-out tasks and users, as well as the feasibility of user-specific fine-tuning within a therapy-session timescale. The model achieves mean trajectory prediction errors of <8% on held out tasks and users, with effectively instantaneous deterministic inference and sub-second sampling of trajectory distributions. An initial test using the model during live rehabilitation tasks demonstrates that, on average, participants reach the target neuromotor activations with just 15% error accumulated throughout the task. These results provide a proof of concept for data-driven, activation-targeted trajectory prescription in robot-mediated rehabilitation and establish a foundation for future validation in clinical populations. Data and code have been open-sourced as part of the OpenRobotRehab project on SimTK.
• Abstract（参考訳）: ロボットによるリハビリテーションは、高強度の個別療法を提供する可能性があるが、既存のシステム(常に改善されていない)は、回復をサポートすると考えられる神経運動士の活性化を明示的に標的にするのではなく、運動軌道を規定する。 このギャップに対処し、最終的に活性化最適化型リハビリテーションロボットの動作を可能にするために、エンドエフェクタリハビリテーションロボットと対話する際に、個人の筋活動(表面筋電図で測定される)を所定の接触力軌跡にマッピングするパーソナライズ可能なトランスフォーマーモデルを提案する。 このモデルは、回転位置埋め込み(RoPE)を利用したトランスフォーマーエンコーダデコーダを用いて、トラジェクトリ関連因子およびユーザ固有のニューロモータ因子の潜在表現を生成し、フローマッチングによるトラジェクトリ予測を強化し、トレーニング分布に偏ったプラプティブル処方薬の分布を生成する。 健常者16名の等尺的軌跡追跡タスクを完了したデータを用いて,定型的タスクとユーザ間の一般化と,治療・セッションタイムスケール内でのユーザ固有の微調整の実現可能性を評価する。 このモデルでは,有意な決定論的推論とトラジェクティブ分布のサブ秒サンプリングにより,保留中のタスクやユーザに対して平均8%のトラジェクトリ予測誤差を達成している。 生のリハビリテーションタスクでモデルを用いた最初のテストでは、平均して、参加者はタスク全体を通して15%のエラーが蓄積されたターゲットのニューロモーターアクティベーションに到達することが示されている。 これらの結果は, ロボットによるリハビリテーションにおけるデータ駆動的, アクティベーション目標トラジェクトリ処方薬の概念の証明であり, 臨床における将来的な検証の基盤を確立している。 データとコードは、SimTK上のOpenRobotRehabプロジェクトの一部としてオープンソース化されている。

関連論文リスト

• Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
  我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。 従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。 本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-10T06:30:19Z)
• Multimodal Anomaly Detection for Human-Robot Interaction [0.0]
  本稿では,ビデオストリームを意味論的に意味のある特徴ベクトルに変換して,再構成に基づく異常検出を行うフレームワークを提案する。 これらの視覚特徴ベクトルを、ロボットの内部センサーの読み取りとシーングラフで拡張することで、モデルが視覚環境における外部異常とロボット内部の障害の両方を捉えることができる。
  論文  参考訳（メタデータ） (2026-04-10T13:51:19Z)
• Bio-Inspired Event-Based Visual Servoing for Ground Robots [4.2300250650442095]
  地上ロボットのための新しいイベントベースビジュアルサーボフレームワークを提案する。 そこで本研究では,生物にインスパイアされたアクティブ・センシング・リミットサイクル・コントローラを提案する。
  論文  参考訳（メタデータ） (2026-03-24T19:20:20Z)
• The Spatial and Temporal Resolution of Motor Intention in Multi-Target Prediction [0.0]
  人間の運動意図を復号することは、リハビリテーションと補助技術にとって重要な課題である。 本研究では,多チャンネル筋電図(EMG)信号から移動方向と目標位置を推定することにより意図を予測することに焦点を当てた。
  論文  参考訳（メタデータ） (2026-03-05T17:40:30Z)
• A data-physics hybrid generative model for patient-specific post-stroke motor rehabilitation using wearable sensor data [17.28369129744061]
  我々は,脳卒中生存者の神経筋制御を再構築するデータ物理ハイブリッド生成フレームワークを開発した。 11名の脳卒中生存者において, パーソナライズされたコントローラは, 関節角と終端の忠実さを改善しつつ, 慣性歩行パターンを保存した。
  論文  参考訳（メタデータ） (2025-12-16T11:55:11Z)
• DeltaPhi: Physical States Residual Learning for Neural Operators in Data-Limited PDE Solving [54.605760146540234]
  DeltaPhiは、PDE解決タスクを、直接入力出力マッピングの学習から、類似の物理的状態間の残差学習に変換する、新しい学習フレームワークである。 大規模な実験は、様々な物理的システムにまたがって一貫した、重要な改善を示す。
  論文  参考訳（メタデータ） (2024-06-14T07:45:07Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Towards data-driven stroke rehabilitation via wearable sensors and deep learning [13.839058010830971]
  脳卒中の前臨床モデルでは、動物の手足の機能的運動を回復するために、高用量のリハビリテーション訓練が必要である。 しかしながら、ヒトでは、回復を促進するために必要な訓練量は不明である。 そこで我々は,機能的プリミティブを自動的に識別する重要な第一歩を踏み出した。
  論文  参考訳（メタデータ） (2020-04-14T18:05:44Z)

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。