日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

センサ基盤学習arXiv:2604.18058

ソナタ:臨床データ不足下での慣性キネマティクスのためのハイブリッド世界モデル

Sonata: A Hybrid World Model for Inertial Kinematics under Clinical Data Scarcity

シェア:XThreadsFacebookLINEはてブBluesky

臨床データが少ない状況で、6軸トランクIMU表現学習のためのコンパクトな潜在世界モデル「Sonata」を導入し、将来状態予測により臨床判別と転倒リスク予測を向上させる。

詳しい要約

1. どんなもの?

- 臨床データ不足下での6軸trunk IMU表現学習のためのコンパクトな潜在world model「Sonata」を提案。 - 3.77Mパラメータのハイブリッドモデルで、9つの公開データセット(739被験者、190kウィンドウ)の調和コーパスで事前学習。 - 生センサトレースの再構成ではなく将来状態を予測するlatent world-model目的を用いる。 - オンデバイスウェアラブル推論が可能で、神経学的評価のための汎用キネマティックworld modelへの一歩。

2. 先行研究と比べてどこがすごい?

- 臨床コホートは数十〜数百患者と小規模で、web-scaleなmasked-reconstruction目的は不適切。 - 同じバックボーン上のマッチした自己回帰予測ベースライン(MAE)と比較し、凍結プローブ臨床識別、前向き転倒リスク予測、クロスコホート転移で一貫して優れる。 - より高ランクで構造化された潜在表現を生成。 - 3.77Mパラメータでオンデバイス推論可能な点が先行研究と異なる。

3. 技術・手法の肝は?

- 6軸trunk IMU表現学習のためのコンパクトな潜在world model。 - ハイブリッドモデルで、latent world-model目的により将来状態を予測。 - 生センサトレースの再構成ではなく、将来状態予測を行う点が肝。 - 9つの公開データセットを調和したコーパスで事前学習。

4. どうやって有効だと検証した?

- 同じバックボーン上のマッチした自己回帰予測ベースライン(MAE)との制御比較。 - 14アーム評価スイートで、凍結プローブ臨床識別、前向き転倒リスク予測、クロスコホート転移を評価。 - Sonataが一貫して強い性能を示し、より高ランクで構造化された潜在表現を生成することを確認。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:マッチした自己回帰予測ベースライン(MAE)。 - 関連手法:masked-reconstruction objectives、latent world model。 - 同分野の定番:IMU-based human activity recognition、clinical gait analysis。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Blaise Delaney, Salil Patel, Yuji Xing, Dominic Dootson, Karin Sevegnani, Chrystalina Antoniades

分類: cs.LG

原文アブストラクト

We introduce Sonata, a compact latent world model for six-axis trunk IMU representation learning under clinical data scarcity. Clinical cohorts typically comprise tens to hundreds of patients, making web-scale masked-reconstruction objectives poorly matched to the problem. Sonata is a 3.77 M-parameter hybrid model, pre-trained on a harmonised corpus of nine public datasets (739 subjects, 190k windows) with a latent world-model objective that predicts future state rather than reconstructing raw sensor traces. In a controlled comparison against a matched autoregressive forecasting baseline (MAE) on the same backbone, Sonata yields consistently stronger frozen-probe clinical discrimination, prospective fall-risk prediction, and cross-cohort transfer across a 14-arm evaluation suite, while producing higher-rank, more structured latent representations. At 3.77 M parameters the model is compatible with on-device wearable inference, offering a step toward general kinematic world models for neurological assessment.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  4. 4SoftBank主導、Agile Robotsが5億ドル調達 NVIDIAと日立も参加資金調達
  5. 5パナソニックHD、「現場起点のPhysical AI」の研究開発加速を発表研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI