KD-Judge：エッジデバイス向けに機能的フィットネス動作を判定する知識駆動型自動ジャッジ枠組み

Abstract

機能的フィットネスの動作は、トレーニング、競技、健康志向の運動プログラムで広く用いられている一方、反復（rep）基準を一貫して厳密に適用することは、人間の主観的な判断、時間制約、そしてルールの変化により依然として困難です。既存のAIベースのアプローチは主に学習済みのスコアリングや参照ベースの比較に依存しており、明示的なルールベースによる枠組みが欠けているため、透明性や決定論的なrepレベル検証ができません。これらの制限に対処するため、我々は機能的フィットネス動作のための新しい知識駆動型自動審判フレームワークKD-Judgeを提案します。KD-Judgeは、LLMベースの検索拡張生成とチェーン・オブ・ソートによるルール構造化パイプラインを用いて、非構造化されたルールブックの基準を、実行可能で機械可読な表現へと変換します。その後、構造化されたルールは、決定論的なルールベースの審判システムに組み込まれ、姿勢誘導の運動学的推論を用いて、反復の妥当性と時間的境界を評価します。高性能デスクトップから、リソース制約のあるJetson AGX Xavierまで、エッジデバイスでの効率を向上させるために、冗長で不要な計算を削減するために選択的に適用可能なデュアル戦略のキャッシュ機構を導入します。実験により、信頼できるルール構造化性能と、CFRepデータセットで行われた審判評価に基づく正確なrepレベル評価が示され、リアルタイムより高速な実行（リアルタイム係数（RTF）< 1）を達成します。提案するキャッシュ戦略を有効にすると、事前収録およびライブストリーミングのシナリオにおいて、キャッシュなしのベースラインと比べて、リソース制約のあるエッジデバイスでそれぞれ最大3.36倍および15.91倍の速度向上が得られます。これらの結果は、KD-Judgeが、透明で効率的かつスケーラブルなルールに基づくrepレベル分析を実現し、実運用において人間の審判を補完し得ることを示しています。