Multimodal Reaching-Position Prediction for ADL Support Using Neural Networks

要約

本研究は片麻痺患者や高齢者向けの日常生活支援ロボットの開発を目的とした。
一般家庭において、利用者の身体的・精神的負担を与えずにロボットによる日常生活活動を支援するためには、システムが利用者の動作を検知し、動作に応じて適切に動作する必要があります。
片麻痺患者や高齢者の日常生活動作において負担となる上腕挙上動作を対象とした到達位置予測手法を提案する。
この動作は、大規模なセンサシステムの設置が不可能で動作時間が短い環境では、予測モデルを作成するために有効な特徴量を取得することが困難です。
動作収集実験を実施し、対象動作の特徴を明らかにし、マルチモーダル動作特徴とディープラーニングを用いて予測モデルを構築しました。
提案されたモデルは、動作完了の 35% で 9 クラス分類予測のマクロ平均 93% の精度と 0.69 の F1 スコアを達成しました。

要約(オリジナル)

This study aimed to develop daily living support robots for patients with hemiplegia and the elderly. To support the daily living activities using robots in ordinary households without imposing physical and mental burdens on users, the system must detect the actions of the user and move appropriately according to their motions. We propose a reaching-position prediction scheme that targets the motion of lifting the upper arm, which is burdensome for patients with hemiplegia and the elderly in daily living activities. For this motion, it is difficult to obtain effective features to create a prediction model in environments where large-scale sensor system installation is not feasible and the motion time is short. We performed motion-collection experiments, revealed the features of the target motion and built a prediction model using the multimodal motion features and deep learning. The proposed model achieved an accuracy of 93 \% macro average and F1-score of 0.69 for a 9-class classification prediction at 35\% of the motion completion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google