EM-Fall: ヒューマノイドロボットによる昼夜を問わない転倒検知のための身体化ミリ波センシング

- 家庭内での高齢者の転倒を検知するため、移動型 humanoid robot に mmWave sensing を搭載した embodied fall detection framework「EM-Fall」を提案。 - robot が能動的に sensing viewpoint を調整し、部屋間や遮蔽物下でも対象の observability を維持する。 - ペットの動きや multipath artifacts などの干渉に対処するため、human-centered perception pipeline と軽量な temporal modeling を組み合わせ、転倒前・中・後の motion evolution を捉える。 - 8つの実 indoor 環境、4名の参加者で評価し、in-home mmWave fall detection dataset を構築。 - 実験結果は、embodied mobile sensing paradigm が monitoring continuity を改善し、多様な環境条件下で robust な fall detection 性能を…

- 既存の fall detection systems は wearable devices や fixed sensing installations に依存し、user compliance の低さ、spatial coverage の限定、occlusion や poor lighting 下での性能劣化といった問題があった。 - EM-Fall は mobile humanoid robot に mmWave sensing を統合し、robot の mobility を活かして sensing viewpoint を能動的に調整することで、これらの制約を克服する。 - これにより、部屋間や遮蔽物下でも target observability を維持し、monitoring continuity を向上させる点が先行研究と比べて優れている。

- millimeter-wave (mmWave) sensing と robotic mobility を統合した embodied fall detection framework。 - robot が能動的に sensing viewpoint を調整し、対象の observability を維持する。 - 複雑な住環境での干渉（pet motion、multipath artifacts）に対処するため、human-centered perception pipeline を設計。 - 軽量な temporal modeling により、転倒前・中・後の motion evolution を捕捉する。 - これらを組み合わせ、移動型 sensing による fall detection を実現。

- 8つの実 indoor 環境、4名の参加者を対象に評価を実施。 - in-home mmWave fall detection dataset を構築。 - 実験結果から、embodied mobile sensing paradigm が monitoring continuity を改善し、多様な環境条件下で robust な fall detection 性能を維持することを示した。 - 具体的な評価指標やベースラインとの比較数値は要旨からは不明。

- 要旨では、embodied mobile sensing paradigm が monitoring continuity を改善し、多様な環境条件下で robust な性能を維持すると主張。 - 家庭環境での robot-assisted safety monitoring の実用的な解決策を提供すると述べている。 - 限界や課題、倫理的議論、コスト、プライバシーなどについての具体的な議論は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、wearable devices を用いた fall detection、fixed sensing installations による fall detection、mmWave sensing を用いた fall detection、mobile robot による sensing などが挙げられる。 - 同分野の定番として、human activity recognition や elderly monitoring に関する研究も参考になるが、具体的な論文名は要旨からは不明。