Motion Decoding Using Biosignals テーマ1:スケートボードトリック分類チャレンジ
生体信号データを使ってスケートボーダーの挙動予測に挑戦
NEDO
  • Closing: Oct 28, 2024 03:00:00
  • 171 submissions
  • 774 participants
  • 1位 ¥1,000,000 2位 ¥500,000 3位 ¥250,000 4位 ¥150,000 5位 ¥100,000

課題内容

スケートボードランプのボトム(フラット領域)通過時において、スケートボーダーから得られた頭皮上の生体信号データ(72チャンネル)を用いて、ボトムに続くR面(曲面領域)における下記3つのトリック(運動パターン)の種別を分類していただきます。

  • ポンピング運動(pumping)
  • 前向きキックターン運動(backside kick turn)
  • 後向きキックターン運動(frontside kick turn)

本課題では、生体信号データを以下2種類提供し、データ①②それぞれで作成したモデルでトリックの種別の分類を行うとともに、分析結果等の考察も行っていただき、その内容をレポートで提出いただきます。(詳細は決定次第ご案内します)

  • データ①:記録された生体信号データそのもの
  • データ②:同データに対して測定器からの信号成分等の生体信号に由来しない成分をクレンジング処理した後のデータ


データ①②のダウンロード及び分類結果の投稿は、対応する画面下のボタンのリンク先のページより実施ください。特に、分類結果を投稿する際は、投稿ページに間違いがないかご確認をお願いします。なお、本課題では、暫定評価と最終評価において使用するデータは同一とします。 また、コンテスト開催期間を通して、各データに対して投稿は1チームで3回まで、という制限を設けておりますので、慎重に投稿ください(エラー投稿は回数にはカウントされません)。また、データ①②の相互利用は禁止ですのでご注意ください(例: データ①ページのデータを使用したモデルの予測結果をデータ②ページに投稿する)。

※ASR and ICA (Callan, et al., 2024 doi: 10.3389/fnrgo.2024.1358660




応募の流れ

  1. SIGNATEにログイン(現在会員ではない場合、ページ右上の「会員登録」ボタンより登録ください)
  2. 各データページ内のデータタブ内からデータセットをダウンロードし、課題で要求するアルゴリズムを開発
  3. 開発したアルゴリズムに評価用データを入力して出力された分類結果ファイルを作成し、投稿ボタンから投稿
    • 評価結果がリーダーボードで確認できます。
    • 入賞者は、分類性能と考察内容の総合評価に基づいて決定します。
    • 暫定評価、最終評価には同じに評価用データを使用するため、両評価値は同じ値になります。
    • コンテスト開催期間中の投稿回数は、各データに対して1チームで3回という制限があります。
  4. コンテスト終了日(分類結果の投稿締切)10/28(月)までに必要情報を提出
    • こちらより提出ください。
    • 必要情報は以下を含みます。
      • 入賞した場合は提出物にオープンソースライセンスを付与することへの同意
      • 個人情報
      • 応募要件を満たしていることの確認
  5. 条件を満たす入賞候補の方は、11/5(火)までに必要書類を提出
    • 条件
      • データ①②両方のリーダーボードでの投稿が確認できる方
      • 個人情報を提出いただいた方
      • 最終審査用提出物にオープンソースライセンスを付与いただくことに同意いただいた方
    • 提出物
      • 提出物には、コストの申請、考察レポート、ソースコード等も含まれます。
      • 提出物詳細については、評価方法タブの入賞者決定の流れをご確認ください。
      • 入賞候補者に対し、別途提出物格納リンク及びアンケートを送付いたします。送付リンク及びアンケートにて提出物をご提出願います。
※4.5.の提出が確認できない方、データ①②の両リーダーボードでの投稿が確認できない方は入賞対象外となります。

考察レポートの様式

全体でA4で4ページ以内とし、 1ページ目にはSIGNATEのユーザ名(チーム参加の場合はチーム名)とデータ①②のスコア・順位を、2ページ目以降に以下の考察結果を記載してください。フォーマットは自由ですが、読み手に分かりやすくまとめてください。なお、5,6は任意とします。

  1. データ処理の工夫点と考察
  2. モデリングの工夫点と考察
  3. 分析結果から得られたインサイトと考察
  4. データ①②で作成したモデルの分類性能の違いに関する考察
  5. 分析結果の社会課題への応用・展開に関する考察
  6. 生体信号データの取得における課題に対するAIによる解決策に関する考察