Spatiotemporal modeling of grip forces captures proficiency in manual robot control

要約

本論文では、人工知能を利用して、手動ロボット制御における個人の握力のばらつきを予測することにより、これまでの研究を発展させる。利き手と利き手でない手の様々な部位から、ウェアラブルワイヤレスセンサー技術により握力を記録しました。統計的な分析により、手動ロボット制御の全くの初心者と熟練者の数千の握力におけるスキル特有の時間的変動が明らかにされた。各ユーザーの両手のセンサー出力に対して、教師なし勝者総取り学習による自己組織化マップの出力メトリックを使用する、脳から着想を得たニューラルネットワークモデルを実行しました。このニューラルネットワークのメトリックは、時間tの任意の瞬間における入力表現とそのモデル表現の間の差異を表現し、握力の変動という観点から初心者と熟練者のパフォーマンスの違いを確実に捉えることができる。この分析は、リアルタイムでの握力モニタリングにつながるもので、訓練生のタスクスキルの進化を追跡したり、感覚の不確実性が高い環境下での人間ロボットインタラクションにおける個人の熟練度を特定することができる。また、NOTES（Natural Orifice Transluminal Endoscopic Surgery）やSILS（Single Incision Laparoscopic Surgery）などのシングルポートアプローチなど、新しいタイプの手術の成功に貢献する、パーシモンな人工知能（AI）支援。

要約(オリジナル)

This paper builds on our previous work by exploiting Artificial Intelligence to predict individual grip force variability in manual robot control. Grip forces were recorded from various loci in the dominant and non dominant hands of individuals by means of wearable wireless sensor technology. Statistical analyses bring to the fore skill specific temporal variations in thousands of grip forces of a complete novice and a highly proficient expert in manual robot control. A brain inspired neural network model that uses the output metric of a Self Organizing Map with unsupervised winner take all learning was run on the sensor output from both hands of each user. The neural network metric expresses the difference between an input representation and its model representation at any given moment in time t and reliably captures the differences between novice and expert performance in terms of grip force variability.Functionally motivated spatiotemporal analysis of individual average grip forces, computed for time windows of constant size in the output of a restricted amount of task-relevant sensors in the dominant (preferred) hand, reveal finger-specific synergies reflecting robotic task skill. The analyses lead the way towards grip force monitoring in real time to permit tracking task skill evolution in trainees, or identify individual proficiency levels in human robot interaction in environmental contexts of high sensory uncertainty. Parsimonious Artificial Intelligence (AI) assistance will contribute to the outcome of new types of surgery, in particular single-port approaches such as NOTES (Natural Orifice Transluminal Endoscopic Surgery) and SILS (Single Incision Laparoscopic Surgery).

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL