Modeling Personalized Difficulty of Rehabilitation Exercises Using Causal Trees

要約

リハビリテーションロボットは、リハビリテーションのためのゲームのような相互作用でよく使用され、リハビリテーションの演習を完了するための人の動機を高めます。
運動の相互作用全体で特定のユーザーの運動の難易度を調整することにより、ロボットはユーザーのリハビリテーションの結果と運動中の動機の両方を最大化できます。
以前のアプローチでは、エクササイズにはすべてのユーザーに等しく適用される一般的な難易度の値があると想定していますが、脳卒中の生存者は運動困難についてさまざまで独自の認識を持っていることを特定しました。
たとえば、一部の脳卒中の生存者は、垂直に到達するよりも垂直に到達していることがわかった人もいますが、垂直に到達するよりもはるかに困難に到達することがわかった人もいます。
このホワイトペーパーでは、ユーザーのパフォーマンスに基づいて運動の難易度を計算する因果樹木ベースの方法を策定します。
このアプローチは、エクササイズの難易度を正確にモデル化し、ユーザーと世話人の両方にとってその運動が困難な理由の容易に解釈可能なモデルを提供することがわかります。

要約(オリジナル)

Rehabilitation robots are often used in game-like interactions for rehabilitation to increase a person’s motivation to complete rehabilitation exercises. By adjusting exercise difficulty for a specific user throughout the exercise interaction, robots can maximize both the user’s rehabilitation outcomes and the their motivation throughout the exercise. Previous approaches have assumed exercises have generic difficulty values that apply to all users equally, however, we identified that stroke survivors have varied and unique perceptions of exercise difficulty. For example, some stroke survivors found reaching vertically more difficult than reaching farther but lower while others found reaching farther more challenging than reaching vertically. In this paper, we formulate a causal tree-based method to calculate exercise difficulty based on the user’s performance. We find that this approach accurately models exercise difficulty and provides a readily interpretable model of why that exercise is difficult for both users and caretakers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google