4 分で読了
0 views

3Dプリント発泡状センサーを用いた柔らかいインソールによる3次元地面反力推定

(Soft insoles for estimating 3D ground reaction forces using 3D printed foam-like sensors)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、部下から「この論文を使ってインソールで歩行データを取れるようにしたら業務改善に使える」と言われまして、正直ピンと来ておりません。要するに中敷きで何が分かるのでしょうか?

AIメンター拓海

素晴らしい着眼点ですね!大丈夫です、一緒に整理しましょう。端的に言えば、この論文は柔らかい3Dプリントの中敷きセンサーで足裏から受ける力、つまり地面反力を三次元で推定できることを示しているんですよ。

田中専務

地面反力という言葉は聞いたことがありますが、経営判断で重要なのは投資対効果です。これって要するに我々の現場で使えるようなコストと精度で歩行の異常や負担を検出できるということですか?

AIメンター拓海

その通りです。要点は三つです。第一に、素材と製造で柔らかさを保ちつつセンサー機能を持たせていること。第二に、センサーの出力をモデル(システム同定)で力に変換していること。第三に、個人差や日ごとの変動に対する適応性を検討していることです。

田中専務

素材とモデルを組み合わせると。具体的にはどんなセンサーで、どんなモデルを使うのですか?

AIメンター拓海

ここは難しく聞こえますが、身近な例で言えばスポンジに電気を通す素材を混ぜて、その圧縮で電気抵抗が変わるのを測る形です。つまり圧力→抵抗変化を読み、それを数学モデルで力に変換しています。モデルは実験データから特性を学ぶ『システム同定(System Identification)』という手法で、比較的分かりやすい形で作っていますよ。

田中専務

なるほど。現場で使うには個人差が問題になりそうです。個人ごとに校正は必要ですか?運用コストが気になります。

AIメンター拓海

良い質問です。論文では個人モデルと複数日での変動を評価しており、完全自動化はまだ課題ですが、初期のキャリブレーションを行えば日常利用レベルでの再現性は得られていました。投資対効果という観点では、従来の高価な計測装置を使わずに長期的なモニタリングが可能になる利点がありますよ。

田中専務

これって要するに、安くて目立たない中敷きで従業員の歩き方や負担を継続的に取れて、重大な負担の兆候を早めに掴めるってことですか?

AIメンター拓海

まさにその通りです。要点をもう一度整理すると、素材と製法で着け心地を損なわずにセンシングを実現し、システム同定で実用的な精度の三次元地面反力(Ground Reaction Force、GRF/地面反力)を推定し、長期運用に向けた実証を行っています。大丈夫、一緒にやれば必ずできますよ。

田中専務

分かりました。私の理解で整理しますと、柔らかい3Dプリントの中敷きで足裏の力を測り、モデルで力に変換して長期的な兆候検知に使えるということですね。まずは試作を検討してみます。ありがとうございました、拓海先生。

論文研究シリーズ
前の記事
インメモリ学習におけるオフセット補正の改良
(FAST OFFSET CORRECTED IN-MEMORY TRAINING)
次の記事
DiMを用いたデータ蒸留と生成モデルへの格納
(DiM: Distilling Dataset into Generative Model)
関連記事
高次ニューロン単位
(HONU)の安定した勾配降下適応へのアプローチ(An Approach to Stable Gradient Descent Adaptation of Higher-Order Neural Units)
機械学習研究における再現性改善のためのより厳格なソフトウェア工学
(More Rigorous Software Engineering Would Improve Reproducibility in Machine Learning Research)
時系列予測のための非自己回帰条件付き拡散モデル
(Non-autoregressive Conditional Diffusion Models for Time Series Prediction)
広域エッジAI普及のためのTinyMLOps運用上の課題
(TinyMLOps: Operational Challenges for Widespread Edge AI Adoption)
IoTネットワーク自動トラフィック解析によるセキュリティ強化 — Enhancing IoT Security via Automatic Network Traffic Analysis: The Transition from Machine Learning to Deep Learning
スパースな教師なし学習におけるベイズとL1アプローチ
(Bayesian and L1 Approaches for Sparse Unsupervised Learning)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む