Visible Position Estimation in Whole Wrist Circumference Device towards Forearm Pose-aware Display
要約
- スマートウォッチは情報への即時アクセスを可能にするが、前腕の姿勢によっては視覚通知が届かないことがある。
- 曲げや曲がったディスプレイ技術を使用して、前腕のポーズを認識し、最も見やすい位置で情報を表示することができるようになる。
- 10個のLEDと10個の加速度計を使用したプロトタイプデバイスが実装されている。
- 機械学習技術を使用して、最も見やすいLEDの位置を推定する。
- ユーザースタディでは、システムがユーザーの期待から1つのLED（18mm）の誤差で89.9％の判断を許可したことが示された。
- 回転感知機能は有益であり、手首の内側に1つのセンサーを配置するだけで、すべての（10個）センサーを使用した場合と同等のパフォーマンスを達成した。
- 本研究では、手首全体の円周内で最も見やすい位置を特定するための方法が提案されている。
- 関連する研究、プロトタイプシステム、位置選択のパフォーマンス試験、センサー数の削減の試みが説明されている。
（続く）
- sEMGセンサーは、筋肉の収縮中に生成される電流を計測し、特定の姿勢を生成する神経筋活動を信号処理によって捉えるより直接的なアプローチである。広く広がった電極を取り付けることで、様々な手首の動きが認識される。これには手首の屈曲/伸展および回外/回内が含まれる。また、抵抗センサーとsEMGに基づくアプローチは、適切な変形と神経筋信号を捉えるためにセンサーが手首としっかり接触している必要がある。慣性センサーは、加速度計、ジャイロスコープ、磁力計の測定に基づいて姿勢に関する情報を提供する。抵抗センサーとsEMGに基づくアプローチと比べて、接触なしでの姿勢測定が可能である。これにより、慣性センサーは皮膚に接触する必要がなく、対象の身体部位に取り付けることができる。このアプローチを採用し、一つまたは複数の加速度計を使用する。このアプローチでは、特定の姿勢を表すセンサー信号と最も見やすい位置との関係を学習することによって、見やすい位置のモデルが構築される。この「エビデンスに基づく」モデルは、センサー信号と最も見やすい位置の幅広いペアリングを必要とするが、処理アルゴリズムは非常にシンプルになり、システムの出力は実際にユーザーの視点からの実際の視認性を反映したものになる。
- プロトタイプシステムは、最も見やすい位置を検出するためのアイデアに基づいて実装されている。システムの設計仮定と要件に基づいて、プロトタイプシステムの設計は、前腕の姿勢を推定するために、ユーザーが手首に1つのデバイスを着用することを前提としている。また、ディスプレイの可視性を判断するために、前腕の姿勢が一定の時間維持されることを前提としている。実装では、全体の手首周囲デバイスの形状は、す
- 各LEDは異なる色で、緑、オレンジ、紫、赤、青緑、青、黄、ピンク、ライトブルー、白でした。
- LEDの最も目立つ位置が回答されると、すべてのLEDが消灯し、6秒の間隔後に別の試行が開始されました。
- 参加者はデバイスに焦点を合わせないように求められ、指示された活動を自然に行うようにしました。
- LEDは各試行ごとにランダムな順序で色が割り当てられ、色が互いに区別可能であることが確認されました。
- 試行間で休憩を取ることができ、疲労を回避するために利用されました。
- 最も目立つ位置の効果を確認するために、一方向のANOVAを実行しました。
- さまざまな監督付き分類モデルを比較し、後の実験に最も正確なモデルを見つけました。
- リアルな条件下で評価するために、一人を除いた交差検証を行いました。
- 腕の姿勢による最も目立つLEDの位置と加速度信号を関連付けることに興味がありました。
- LEDセレクターモデルは同様の姿勢を持つ未知の活動に適用できる利点があります。
- SMOが最も高い再現率、適合率、F-測定値を持っていたため、後の実験にSMOを使用しました。
- LEDセレクターの実装後、機械学習に基づく最も目立つLEDの選択の有効性を確認する実験を行いました。
- 腕の姿勢に対する最も目立つLEDの選択の堅牢性も評価しました。
- 20人のユーザーから得られたデータを使用して、SMOベースのLEDセレクターを構築しました。
- ユーザーに18の姿勢を行わせ、各試行でシステムが最も目立つLEDを選択しました。
- システムの判断とユーザーの期待値の間のギャップを示し、平均ギャップが正であることから、システムはユーザーの期待よりも左寄りのLEDを選択する傾向があることが分かりました。
- この研究は、LEDを使用したデバイスの最適な表示位置を選択するシステムの性能について述べています。
- ユーザーの期待に応じてLEDを選択する際に、システムは平均して94.9％の正確さを示し、特に平均的なギャップは0.73であることが示されています。
- ユーザーのポストポジションによって性能に違いがあり、一部のポストポジションでは他のグループよりも性能が低かったことが見られました。
- また、腕の高さによるグループ分けにより、システムは中間の高さの方が最も効果的であることが示されました。
- 新しい特徴を導入することで、センサーの数を減らしつつシステムの性能を維持しようという試みも行われています。
- これらの仮説を確認するためには、より制御された実験が必要とされています。
- 最後に、内側の手首に1つのセンサーを取り付けることで、システムを実現することができることが示されました。
- この研究は、手首の目立つ位置を特定するための新しい手法を提案しました。10個のフルカラーLEDと10個のトライアクシスアクセルメータを使用し、手首に巻き付けた10個の候補位置から最も目立つLEDを選ぶ機能を実装して評価しました。20人のユーザーとの実験では、LEDセレクターは、LOPO-CVとSMOを使用してユーザーによらない評価でF-measureが0.676で最も目立つ位置を識別することができました。また、10個のセンサーの情報を個別に利用することで、すべてのセンサーを使用した場合と同等の性能を得ることができました（F-measureが0.681）。新しい特徴として分散、平均、最大/最小/argmax/argminの比率が導入され、2つの軸間の比率が最大の情報利得を達成しました。回転に敏感な軸（yおよびz）がシステムの決定に貢献することがわかりました。
- この論文の一部では、腕に表示装置を組み込んだデザインについて探究しています。
- また、腕の表面筋電図から手の動きを推定するための最適な電極構成についても述べられています。
- 加えて、ウェアラブルなセンサーを使用した活動の識別や、柔軟なディスプレイデバイスに関する最近の進展についても触れられています。
- さらに、キネクトセンサーによる人間の姿勢認識や、加速度計と筋電センサーに基づく手のジェスチャー認識などが取り上げられています。
評価
# 新規性
- スマートウォッチや他の手首装着型デバイスでは情報の可視性が姿勢に依存してしまう問題を解決するために、全手首周囲のフレキシブルディスプレイを利用して、手首の姿勢を感知し情報を最も見やすい位置に表示する方法を提案しています。この研究は、10個のLEDと10個の加速度計を使用してプロトタイプを構築し、機械学習技術を応用して最適な表示位置を予測します。
# 言及されている全ての関連研究との相違点
- 既存の研究と異なり、特定の活動クラスを事前に定義するのではなく、加速度センサーからの生データを直接利用して情報表示の最適な位置を動的に推定します。また、センサー数を削減しつつも同等の性能を維持する方法にも焦点を当てており、特定のセンサーのデータだけで全体の性能を維持するアプローチを採用しています。
# 有効性
- ユーザースタディにより、システムの判定はユーザーの期待とのギャップが1LED（18mm）以内である場合が89.9%に達し、大多数のケースで有効に機能していることが確認されました。また、回転感度の高い特徴が有益であることが示され、システムの有効性をさらに支持しています。
# 信頼性
- 複数のユーザーを対象とした実験で一貫した結果が得られており、また、機械学習モデルのクロスバリデーションによる評価からも高い信頼性が確認されています。センサーの削減に関しても、1つのセンサーだけで全センサーと同等の性能が得られることから、システムの堅牢性が示されています。
和訳
![]()
1 / 1
100%
付箋を貼る場所をクリックしてください
