Rapid Online Learning of Hip Exoskeleton Assistance Preferences

要約

股関節外骨格は、さまざまなシナリオにわたる有効性と、さまざまなユーザーに適応する能力により、人気が高まっています。
ただし、支援をパーソナライズするには、多くの場合、長いチューニング手順と計算的に集中的なアルゴリズムが必要であり、ほとんどの既存の方法にはユーザーフィードバックが組み込まれていません。
この作業では、股関節外骨格支援に対するユーザーの好みを迅速に学習するための新しいアプローチを提案します。
独特のランダムに生成されたアシストプロファイルのペアワイズ比較を実行し、アクティブなクエリを通じて参加者の好みを収集します。
ユーザーのフィードバックは、その信念を更新し、ユーザー依存の報酬機能を学習し、それに応じて支援トルクプロファイルを変更する優先学習アルゴリズムに統合されます。
8人の健康な被験者の結果は、異なる優先トルクプロファイルを示し、ユーザーの選択は、摂動プロファイルと比較して一貫性を保ちます。
ユーザーの好みの包括的な評価は、個々のウォーキング戦略との密接な関係を明らかにしています。
テストされたトルクプロファイルは、運動学の相乗効果を混乱させず、参加者は動きと同期している支援トルクを支持し、デバイスからの負の力が低下します。
この簡単なアプローチにより、ユーザーの好みと報酬の迅速な学習が可能になり、報酬ベースの人間と骨格の相互作用に関する将来の研究が根拠があります。

要約(オリジナル)

Hip exoskeletons are increasing in popularity due to their effectiveness across various scenarios and their ability to adapt to different users. However, personalizing the assistance often requires lengthy tuning procedures and computationally intensive algorithms, and most existing methods do not incorporate user feedback. In this work, we propose a novel approach for rapidly learning users’ preferences for hip exoskeleton assistance. We perform pairwise comparisons of distinct randomly generated assistive profiles, and collect participants preferences through active querying. Users’ feedback is integrated into a preference-learning algorithm that updates its belief, learns a user-dependent reward function, and changes the assistive torque profiles accordingly. Results from eight healthy subjects display distinct preferred torque profiles, and users’ choices remain consistent when compared to a perturbed profile. A comprehensive evaluation of users’ preferences reveals a close relationship with individual walking strategies. The tested torque profiles do not disrupt kinematic joint synergies, and participants favor assistive torques that are synchronized with their movements, resulting in lower negative power from the device. This straightforward approach enables the rapid learning of users preferences and rewards, grounding future studies on reward-based human-exoskeleton interaction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google