Human-Exoskeleton Interaction Portrait

要約

人間とロボットの物理的な相互作用には、ユーザー エクスペリエンスを最適化し、ロボットのパフォーマンスを向上させ、ユーザーの適応を客観的に評価するための重要な情報が含まれています。
この研究では、筋活動と相互作用トルクを二次元確率変数として分析することにより、下肢外骨格における人間とロボットの共適応を評価する新しい方法を導入します。
この変数の分布を極座標で視覚化するインタラクション ポートレート (IP) を導入します。
我々は、このメトリクスを適用して、運動学的状態フィードバックに基づく最近のトルクコントローラ（HTC）と、ここで提案するオンライン学習を備えた新しいフィードフォワードコントローラ（AMTC）を、さまざまな速度でのトレッドミル歩行中の時間ベースコントローラ（TBC）と比較しました。
TBCと比較して、HTCとAMTCは両方ともユーザーの正規化酸素摂取量を大幅に低下させ、ユーザーと外骨格の調整が強化されたことを示唆しています。
IP 分析により、この改善は 2 つの異なる共適応戦略から生じており、従来の筋活動や相互作用トルク分析だけでは特定できなかったことが明らかになりました。
HTC は、外骨格がユーザーのダイナミクスを補うため、ユーザーが外骨格に制御を委ねることを奨励し、筋肉の努力を減らしながら相互作用トルクを増加させます。
逆に、AMTC は筋肉の努力を増加させ、インタラクショントルクを減少させることでユーザーの関与を促進し、リハビリテーションや歩行訓練のアプリケーションとより密接に連携させます。
IP フェーズの進化は、各ユーザーのインタラクション戦略開発に関する洞察を提供し、ウェアラブル ロボットにおける人間とロボットのインタラクションを最適化する新しいコントローラーの比較および設計における IP 分析の可能性を示します。

要約(オリジナル)

Human-robot physical interaction contains crucial information for optimizing user experience, enhancing robot performance, and objectively assessing user adaptation. This study introduces a new method to evaluate human-robot co-adaptation in lower limb exoskeletons by analyzing muscle activity and interaction torque as a two-dimensional random variable. We introduce the Interaction Portrait (IP), which visualizes this variable’s distribution in polar coordinates. We applied this metric to compare a recent torque controller (HTC) based on kinematic state feedback and a novel feedforward controller (AMTC) with online learning, proposed herein, against a time-based controller (TBC) during treadmill walking at varying speeds. Compared to TBC, both HTC and AMTC significantly lower users’ normalized oxygen uptake, suggesting enhanced user-exoskeleton coordination. IP analysis reveals this improvement stems from two distinct co-adaptation strategies, unidentifiable by traditional muscle activity or interaction torque analyses alone. HTC encourages users to yield control to the exoskeleton, decreasing muscular effort but increasing interaction torque, as the exoskeleton compensates for user dynamics. Conversely, AMTC promotes user engagement through increased muscular effort and reduced interaction torques, aligning it more closely with rehabilitation and gait training applications. IP phase evolution provides insight into each user’s interaction strategy development, showcasing IP analysis’s potential in comparing and designing novel controllers to optimize human-robot interaction in wearable robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google