IMUデータからのリアルタイム関節運動学推定のための物理情報に基づいた軽量ニューラルネットワーク、OrientationNN

科学分野:

• 生体力学
• 機械学習
• ウェアラブルテクノロジー

背景:

• 正確な関節運動学は、人間の動きの分析にとって非常に重要ですが、従来の光学式モーションキャプチャは高価で複雑です。
• 慣性計測ユニット（IMU）は、携帯可能な代替手段を提供しますが、正確な運動学推定は依然として課題です。

研究 の 目的:

• IMUを使用したリアルタイム関節運動学推定のための軽量で物理情報に基づいたニューラルネットワークを開発すること。
• 統合された物理的制約を通じて、生体力学的に一貫した推定を保証すること。

主な方法:

• 方向ベースの物理的制約を統合したコンパクトな多層パーセプトロンであるOrientationNNを開発しました。
• OrientationNNを公開データセットで評価し、OpenSense、MLP、LSTM、CNN、およびTransformerモデルと比較しました。

主要な成果:

• OrientationNNは、歩行運動中に平均関節角度推定誤差5°未満を達成しました。
• このモデルは、すべての運動学的変数において、物理ベースのOpenSenseフレームワークを上回りました。
• OrientationNNは、わずか4.9×10³ FLOPs/フレームおよび10.8 KBのパラメータで高い計算効率を示しました。

結論:

• OrientationNNは、IMUデータから正確で計算効率の高い関節運動学推定を提供します。
• このモデルは、ウェアラブル生体力学およびモーション分析アプリケーションのための費用対効果が高くスケーラブルなソリューションを提供します。