Learning to Assist Different Wearers in Multitasks: Efficient and Individualized Human-In-the-Loop Adaption Framework for Exoskeleton Robots

要約

下肢外骨格ロボットを使用する一般的な目的の 1 つは、所定のタスクや人間の動作意図に従って、装着者の体重をサポートし、身体能力を増強することで、装着者を支援することです。
実際の実装においてロボットが正しく効果的な支援を提供できるようにするには、複数のタスクにおいてさまざまな装着者にロボットを汎用化できることが重要です。
しかし、ほとんどの下肢外骨格ロボットは限られた汎用性しか示しません。
したがって、この論文では、さまざまなタスクおよびさまざまな装着者に対する外骨格ロボットのパフォーマンスを向上させるための、人間参加型の学習および適応フレームワークを提案します。
さまざまな着用者に合わせて、動的動作プリミティブとベイズ最適化を使用して、個別の歩行軌跡がオンラインで生成されます。
さまざまなタスクに対応するために、ニューラル ネットワークを使用してタスク トランスレーターが構築され、軌道をより複雑なシナリオに一般化します。
これらの一般化技術は、安全性を確保しながら支援を提供するために外骨格を調整する統一可変インピーダンス モデルに統合されています。
さらに、装着者の快適性を定量的に評価するために異常検出ネットワークが開発され、これは軌道学習手順で考慮され、インピーダンス制御の矛盾の緩和に貢献します。
提案されたフレームワークは、データ効率の高い学習スキームを実行および展開するためにのみ固有受容センサーを必要とするため、実装が簡単です。
これにより、外骨格は複雑なシナリオでの展開に実用的となり、さまざまな歩行パターン、習慣、タスク、衝突に対応できます。
下肢外骨格ロボットの実験と比較研究は、提案されたフレームワークの有効性を実証するために実行されます。

要約(オリジナル)

One of the typical purposes of using lower-limb exoskeleton robots is to provide assistance to the wearer by supporting their weight and augmenting their physical capabilities according to a given task and human motion intentions. The generalizability of robots across different wearers in multiple tasks is important to ensure that the robot can provide correct and effective assistance in actual implementation. However, most lower-limb exoskeleton robots exhibit only limited generalizability. Therefore, this paper proposes a human-in-the-loop learning and adaptation framework for exoskeleton robots to improve their performance in various tasks and for different wearers. To suit different wearers, an individualized walking trajectory is generated online using dynamic movement primitives and Bayes optimization. To accommodate various tasks, a task translator is constructed using a neural network to generalize a trajectory to more complex scenarios. These generalization techniques are integrated into a unified variable impedance model, which regulates the exoskeleton to provide assistance while ensuring safety. In addition, an anomaly detection network is developed to quantitatively evaluate the wearer’s comfort, which is considered in the trajectory learning procedure and contributes to the relaxation of conflicts in impedance control. The proposed framework is easy to implement, because it requires proprioceptive sensors only to perform and deploy data-efficient learning schemes. This makes the exoskeleton practical for deployment in complex scenarios, accommodating different walking patterns, habits, tasks, and conflicts. Experiments and comparative studies on a lower-limb exoskeleton robot are performed to demonstrate the effectiveness of the proposed framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google