AR3n: A Reinforcement Learning-based Assist-As-Needed Controller for Robotic Rehabilitation

要約

このホワイト ペーパーでは、AR3n (アーロンと発音) を紹介します。これは、強化学習を利用してロボット支援の手書きリハビリ タスク中に適応支援を提供する、必要に応じて支援する (AAN) コントローラーです。
以前の AAN コントローラーとは異なり、私たちの方法は、患者固有のコントローラー パラメーターや物理モデルに依存しません。
仮想患者モデルを使用して、複数の被験者間で AR3n を一般化することを提案します。
このシステムは、ロボットによる支援の量を最小限に抑えながら、被験者の追跡エラーに基づいてロボットによる支援をリアルタイムで調整します。
コントローラーは、一連のシミュレーションと人体実験によって実験的に検証されています。
最後に、従来のルールベースのコントローラーとの比較研究を行い、2 つのコントローラーの支援メカニズムの違いを分析します。

要約(オリジナル)

In this paper, we present AR3n (pronounced as Aaron), an assist-as-needed (AAN) controller that utilizes reinforcement learning to supply adaptive assistance during a robot assisted handwriting rehabilitation task. Unlike previous AAN controllers, our method does not rely on patient specific controller parameters or physical models. We propose the use of a virtual patient model to generalize AR3n across multiple subjects. The system modulates robotic assistance in realtime based on a subject’s tracking error, while minimizing the amount of robotic assistance. The controller is experimentally validated through a set of simulations and human subject experiments. Finally, a comparative study with a traditional rule-based controller is conducted to analyze differences in assistance mechanisms of the two controllers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google