Imitation Learning for Adaptive Control of a Virtual Soft Exoglove

要約

ウェアラブルロボットの使用は、手運動障害のある患者のリハビリテーショントレーニングで広く採用されています。
しかし、患者の筋肉の喪失の独自性はしばしば見落とされます。
補強学習と生物学的に正確な筋骨格モデルを活用して、シミュレーションにおいて、特定の筋肉欠損に対処し、手観察操作タスクの補償を提供できるカスタマイズされたウェアラブルロボットコントローラーを提案します。
人間の把握タスクを実行する同じ主題のビデオデータは、デモンストレーションから学習して操作モデルを訓練するために使用されます。
その後、この操作モデルは、オブジェクト固有の相互作用タスクを実行するために微調整されています。
次に、筋骨格操作モデルの筋肉力が弱体化して神経学的運動障害をシミュレートします。これは、仮想ウェアラブルロボットグローブの作動によって後に補償されます。
結果は、仮想ウェアラブルロボットグローブを統合することで、筋肉力が弱くなったハンドマニピュレーターをサポートするための共有支援を提供することを示しています。
学んだエクソグローブコントローラーは、元の操作能力の平均90.5％を達成しました。

要約(オリジナル)

The use of wearable robots has been widely adopted in rehabilitation training for patients with hand motor impairments. However, the uniqueness of patients’ muscle loss is often overlooked. Leveraging reinforcement learning and a biologically accurate musculoskeletal model in simulation, we propose a customized wearable robotic controller that is able to address specific muscle deficits and to provide compensation for hand-object manipulation tasks. Video data of a same subject performing human grasping tasks is used to train a manipulation model through learning from demonstration. This manipulation model is subsequently fine-tuned to perform object-specific interaction tasks. The muscle forces in the musculoskeletal manipulation model are then weakened to simulate neurological motor impairments, which are later compensated by the actuation of a virtual wearable robotics glove. Results shows that integrating the virtual wearable robotic glove provides shared assistance to support the hand manipulator with weakened muscle forces. The learned exoglove controller achieved an average of 90.5\% of the original manipulation proficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google