인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
물리적 구속조건 기반 비지도 학습을 통한 관성센서 이용 상지 관절 각도 추정 Unsupervised Physics-constrained Learning for Upper-limb Joint Angle Estimation From IMU Sensors
논문 기본 정보
- 저자정보
- 발행연도
- 2026.11
- 수록면
- 1,487 - 1,493 (7page)
- DOI
- 10.5302/J.ICROS.2026.26.0216
피인용 0
물리적 구속조건 기반 비지도 학습을 통한 관성센서 이용 상지 관절 각도 추정
초록·키워드
In Learning from demonstration, accurate and continuous capture of human upper-limb motion during actual work is essential for accumulating large-scale robot training data, and can also populate a digital twin with realistic human motion for safe pre-deployment policy validation. However, acquiring such data at scale using optical motion capture is impractical because of its cost and limited capture volume. This paper proposes a Physics-Informed Neural Network (PINN) that estimates shoulder and elbow joint angles using two IMUs attached to the upper arm and forearm, trained solely using physical constraints and no external ground-truth labels. The loss combines a quaternion/angle kinematics residual, a gravity-vector consistency term, an anatomical range-of-motion constraint, and an initial-alignment anchor, requiring no ground-truth trajectory. Training uses unlabeled IMU data; a limited set of encoder-based angle references from a mechanical device is reserved exclusively for evaluation. Experiments using real IMU data show the proposed label-free method outperforms raw gyroscope integration and, on a slow repetitive motion trial, even outperforms a supervised PINN trained with the same encoder labels, while also revealing a gap in generalization when the model is asked to extrapolate beyond its training window.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
