Human Movement Forecasting with Loose Clothing

要約

人の動作解析には、人の動作予測と軌道予測が欠かせません。
現在では、最先端の電子テキスタイル (e-テキスタイル) 技術を使用してセンサーを衣服にシームレスに組み込むことができ、実験室の外で人間の動きを長期間記録できるようになりました。
衣服に取り付けられたセンサーは、体に取り付けられたセンサーよりも高いアクティビティ認識精度を達成できるという最近の発見が動機となっています。
この研究では、衣服に取り付けられたセンサーを使用した人間の動作予測のパフォーマンスを、身体に取り付けられたセンサーと比較して調査しました。
ゆるい衣服の動きから学習した統計モデルを使用して、ロボットでシミュレートされた身体の動作パターンと実際の人間の動作を予測する実験を報告しています。
直観に反しますが、この結果は、布地に取り付けられたセンサーのほうが、しっかりと取り付けられたセンサーよりも優れた動作予測性能を発揮できることを示しています。
具体的には、布地に取り付けられたセンサーは、剛性に取り付けられたセンサーと比較して、精度を最大 40% 向上させることができ、高い予測精度 (つまり 95%) を達成するために必要な過去の軌跡の継続時間を最大 80% 短縮することができます。

要約(オリジナル)

Human motion prediction and trajectory forecasting are essential in human motion analysis. Nowadays, sensors can be seamlessly integrated into clothing using cutting-edge electronic textile (e-textile) technology, allowing long-term recording of human movements outside the laboratory. Motivated by the recent findings that clothing-attached sensors can achieve higher activity recognition accuracy than body-attached sensors. This work investigates the performance of human motion prediction using clothing-attached sensors compared with body-attached sensors. It reports experiments in which statistical models learnt from the movement of loose clothing are used to predict motion patterns of the body of robotically simulated and real human behaviours. Counterintuitively, the results show that fabric-attached sensors can have better motion prediction performance than rigid-attached sensors. Specifically, The fabric-attached sensor can improve the accuracy up to 40% and requires up to 80% less duration of the past trajectory to achieve high prediction accuracy (i.e., 95%) compared to the rigid-attached sensor.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google