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

要約

タイトル：AR3n：ロボットリハビリテーションのための強化学習ベースのアシスト入りコントローラー

要約：

– AR3nは、ロボット支援の手書き療法タスク中に適応的な支援を提供するために強化学習を利用したアシスト入り（AAN）コントローラーである。
– 従来のAANコントローラーとは異なり、我々の方法は患者特定のコントローラーのパラメーターや物理モデルに依存しない。我々はAR3nを複数の被験者に汎用的に適用するために仮想患者モデルの使用を提案する。
– システムは、被験者のトラッキングエラーに基づいてロボット支援をリアルタイムで変調し、同時にロボット支援の量を最小限に抑えることで、ロボット支援を調節する。
– コントローラーはシミュレーションと人間の被験者実験のセットを通じて実験的に検証されている。
– さらに、従来のルールベースのコントローラーとの比較研究が行われ、2つのコントローラーの支援メカニズムの違いを分析する。

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, OpenAI