PulseRide: A Robotic Wheelchair for Personalized Exertion Control with Human-in-the-Loop Reinforcement Learning

要約

アクティブなライフスタイルを維持することは、生活の質に不可欠ですが、車椅子のユーザーにとっては挑戦的です。
たとえば、動力付き車椅子は、不活性による肥満と脱行のリスクの増加に直面しています。
逆に、車椅子のハンドリムを押すことで車椅子を推進する手動の車椅子ユーザーは、しばしば繰り返し動きから上肢の怪我に直面します。
これらの課題は、怪我のリスクを最小限に抑えながら活動を促進するモビリティシステムの必要性を強調しています。
車椅子の使用中に最適な運動を維持することは、健康上の利点と関与を高めますが、個々の生理学的反応の変動は運動の最適化を複雑にします。
これに対処するために、各ユーザーの生理学的反応に基づいてパーソナライズされた支援を提供する新しい車椅子システムであるPulserideを導入し、身体的運動の目標を維持するのに役立ちます。
障害物の回避とナビゲーションに焦点を当てた従来の支援システムとは異なり、Pulserideはリアルタイムの生理学的データを心拍数とECGの車椅子速度で統合して、適応支援を提供します。
深いQネットワークアルゴリズム（DQN）を使用した人間のループ補強学習アプローチを使用して、システムはプッシュアシスタンスを調整して、過剰または過剰な耐性なしにユーザーを中程度のアクティビティ範囲内に保ちます。
パルセライドの有効性を評価するために、カーペットやスレートを含むさまざまな地形で10人のユーザーとの予備テストを実施しました。
私たちの調査結果は、個々のユーザーにとって、Pulserideが中程度のアクティビティゾーン内の心拍数を、手動の車椅子よりも71.7％長く維持していることを示しています。
すべてのユーザーの中で、41.86％の筋肉収縮の平均減少が観察され、疲労発症が遅れ、全体的な快適性と関与が向上しました。
これらの結果は、Pulserideがより健康的で適応性のあるモビリティソリューションを提供し、パッシブと物理的な課税モビリティオプションのギャップを埋めることを示しています。

要約(オリジナル)

Maintaining an active lifestyle is vital for quality of life, yet challenging for wheelchair users. For instance, powered wheelchairs face increasing risks of obesity and deconditioning due to inactivity. Conversely, manual wheelchair users, who propel the wheelchair by pushing the wheelchair’s handrims, often face upper extremity injuries from repetitive motions. These challenges underscore the need for a mobility system that promotes activity while minimizing injury risk. Maintaining optimal exertion during wheelchair use enhances health benefits and engagement, yet the variations in individual physiological responses complicate exertion optimization. To address this, we introduce PulseRide, a novel wheelchair system that provides personalized assistance based on each user’s physiological responses, helping them maintain their physical exertion goals. Unlike conventional assistive systems focused on obstacle avoidance and navigation, PulseRide integrates real-time physiological data-such as heart rate and ECG-with wheelchair speed to deliver adaptive assistance. Using a human-in-the-loop reinforcement learning approach with Deep Q-Network algorithm (DQN), the system adjusts push assistance to keep users within a moderate activity range without under- or over-exertion. We conducted preliminary tests with 10 users on various terrains, including carpet and slate, to assess PulseRide’s effectiveness. Our findings show that, for individual users, PulseRide maintains heart rates within the moderate activity zone as much as 71.7 percent longer than manual wheelchairs. Among all users, we observed an average reduction in muscle contractions of 41.86 percent, delaying fatigue onset and enhancing overall comfort and engagement. These results indicate that PulseRide offers a healthier, adaptive mobility solution, bridging the gap between passive and physically taxing mobility options.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google