Investigating the Generalizability of Assistive Robots Models over Various Tasks

要約

支援ロボット工学の分野では、効果的なモデリングの重要性がよく知られています。
これまでの研究は、主にモデルの精度を向上させることに焦点を当てていたり、広範で、多くの場合非現実的な量のデータを収集したりすることに重点が置かれていました。
個々のモデルの精度を向上させることは有益ですが、新しいタスクやユーザー インタラクションごとに継続的な改造が必要になります。
この論文では、さまざまなモデリング手法の一般化可能性を調査します。
私たちは、6 つのデータ駆動型回帰アルゴリズムを使用して、補助外骨格の動的モデルを構築することに焦点を当てています。
私たちの実験では、水平、垂直、左足から右目までの斜め方向、およびその逆、食べること、押すことなど、6 つのタスクが考慮されています。
私たちは、各タスクから収集されたデータに異なる回帰手法を適用して 36 の独自のモデルを構築しました。
各トレーニング済みモデルのパフォーマンスは、データセットごとに 5 つの分割を利用した相互検証シナリオで評価されました。
これらのトレーニングされたモデルは、モデルがトレーニングされていない他のタスクでテストされます。
最後に、私たちの研究のモデルは一般化可能性の観点から評価されます。
結果は、水平面に沿って実行されるタスク モデルと決定木ベースのアルゴリズムの優れた一般化可能性を示しています。

要約(オリジナル)

In the domain of assistive robotics, the significance of effective modeling is well acknowledged. Prior research has primarily focused on enhancing model accuracy or involved the collection of extensive, often impractical amounts of data. While improving individual model accuracy is beneficial, it necessitates constant remodeling for each new task and user interaction. In this paper, we investigate the generalizability of different modeling methods. We focus on constructing the dynamic model of an assistive exoskeleton using six data-driven regression algorithms. Six tasks are considered in our experiments, including horizontal, vertical, diagonal from left leg to the right eye and the opposite, as well as eating and pushing. We constructed thirty-six unique models applying different regression methods to data gathered from each task. Each trained model’s performance was evaluated in a cross-validation scenario, utilizing five folds for each dataset. These trained models are then tested on the other tasks that the model is not trained with. Finally the models in our study are assessed in terms of generalizability. Results show the superior generalizability of the task model performed along the horizontal plane, and decision tree based algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google