慶應義塾大学 KMD(南澤研)ほか(Jianan Zhang, Kohei Kobayashi, Hideaki Nii, Kouta Minamizawa ら)/2026-09
導電性の家具(金属の机や椅子など)をそのまま「電気を感じるセンサー」として使い、カメラも装着機器も無しで部屋の中の人の姿勢や動きを推定する研究(UIST 2026)。
最大の特徴は、部屋に置いてある普通の金属や導電性の家具を改造せずセンサーに変えてしまう点です。人が近づくと家具まわりの電気的な「場」(静電容量)がわずかに変わります。その変化を機械学習で読み取り、一人なら平均約30cm、二人でも約33cmの誤差で全身の姿勢を推定し、誰がいるか、何をしているか、どこに触れたかまで分類します。カメラがないので映り込みやプライバシーの問題が小さく、暗い場所や展示空間でも動きます。広告や体験づくりでは、来場者を撮影せずに動きへ反応するインスタレーション、什器そのものが操作面になる店頭演出、ダンスや身体表現の舞台で衣装にセンサーを付けない身体トラッキング、といった使い方が考えられます。研究成果なので精度はまだ粗めですが、「空間そのものが入力装置になる」発想は、展示設計の新しい選択肢になります。
仕組み:導電性の家具に微弱な電気信号を流し、人体が近づいたり触れたりするときに起こる静電容量の変化を多数の点で計測します。スマートフォンのタッチパネルが指を検知するのと同じ原理を、部屋スケールに広げたものです。得られた時系列データをニューラルネットワークに入れ、姿勢(関節位置)の推定、人物の識別、行動や接触の分類を行います。 従来との違い:姿勢推定は通常カメラやウェアラブルのセンサーに頼りますが、前者は撮影への抵抗感や死角、後者は着け忘れや負担が課題でした。CapAuraは既にある家具を使うため、設置が目立たず、人は何も身につけずに済みます。壁一面にセンサーを仕込む既存研究に比べ、手元の家具を再利用する点が新しいところです。 使うには:リポジトリにはモデル定義(models.py)、学習・評価(train.py)、単一人物の姿勢・分類・二人姿勢のJupyterノートブックが入っており、PyTorchとPythonの知識があれば試せます。ただし生データと学習済みモデルは未公開で、処理済みデータセットも「近日公開」のため、現時点では自分でセンサー回路と家具を用意してデータを取り直す必要があります。作者もコード再編後に論文の全結果を再現確認できていないと注記しています。ハード製作(静電容量計測回路)の経験が必要な、研究者・プロトタイパー向けの素材です。
コードはMIT。データセットは今後公開予定で別ライセンスと明記。学習済みチェックポイント・生録データは未同梱