关闭

人工智能和数据分析支持的技能获取和监控

我们参与了监控系统的开发,以了解医疗设备的位置和运行状态,并且我们还在利用人工智能进行技能获取支持的研究。我们的目标是通过使用智能手机加速度传感器将动作转换为数据并使用人工智能从教练的评估中学习来提高独立练习的效率。我们还致力于分析时间序列数据,例如从房间到房间的移动数据计算异常程度并用它来监测独居老人,以及从数控加工机床控制信号中分析刀具的状况以估计何时更换它们。此外,我们正在致力于开发能够实现更智能制造现场的技术,例如使用 BLE 信标将看板系统数字化以及按切削刀具划分 CNC 加工数据。

信息工程学院|助理教授

岛康介(岛康介)

岛浩介

9 让我们为产业和技术创新奠定基础
11 创建一个人们可以继续居住的城镇

关键字

身体运动分析
可穿戴传感器
时间序列深度学习
技能评估/技能传授
潜在表示学习

领域/程序

研究类别

人类信息学
应用信息学
人体工程学
运动科学、体育、健康科学

研究主题

  • 使用少量传感器进行全身运动的潜在表示学习
  • 使用时间序列深度学习进行技能评估自动化
  • 提取熟练动作特征并支持技能转移
  • 使用无处不在的传感器对行为、状态和环境进行综合理解
  • 动态网络可视化和身体/交互分析

留言

随着出生率下降、人口老龄化、技术工人(工匠)数量减少,为了避免先进技术和传统工艺流失,拥有一个有效的技能传承和评估体系变得非常重要。
目前技能指导需要导师观摩训练,很大程度上取决于导师的经验和主观性,导致评估标准存在差异,增加了教学负担。
因此,我的目标是通过使用传感器和人工智能技术定量分析和评估技能动作,实现客观且可重复的技能评估。此外,通过将熟练工人的流动作为数据进行积累和可视化,我们的目标是简化先进技术的传承,创造一个没有技术丢失的世界。