論文の概要: ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton Gait Preference Landscapes

• arxiv url: http://arxiv.org/abs/2011.04812v2
• Date: Tue, 30 Mar 2021 22:59:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 02:45:09.687480
• Title: ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton Gait Preference Landscapes
• Title（参考訳）: ROIAL:Exoskeleton Gait Preference Landscapesを特徴付ける興味あるアクティブラーニング領域
• Authors: Kejun Li, Maegan Tucker, Erdem B{\i}y{\i}k, Ellen Novoseller, Joel W. Burdick, Yanan Sui, Dorsa Sadigh, Yisong Yue, Aaron D. Ames
• Abstract要約: 興味あるアクティブラーニング(ROIAL)フレームワークの領域は、関心のある領域を通じて、各ユーザの基盤となるユーティリティ関数を積極的に学習する。 ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。 以上の結果から,限られた人為的試行から歩行実用景観を回復できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 64.87637128500889
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Characterizing what types of exoskeleton gaits are comfortable for users, and understanding the science of walking more generally, require recovering a user's utility landscape. Learning these landscapes is challenging, as walking trajectories are defined by numerous gait parameters, data collection from human trials is expensive, and user safety and comfort must be ensured. This work proposes the Region of Interest Active Learning (ROIAL) framework, which actively learns each user's underlying utility function over a region of interest that ensures safety and comfort. ROIAL learns from ordinal and preference feedback, which are more reliable feedback mechanisms than absolute numerical scores. The algorithm's performance is evaluated both in simulation and experimentally for three non-disabled subjects walking inside of a lower-body exoskeleton. ROIAL learns Bayesian posteriors that predict each exoskeleton user's utility landscape across four exoskeleton gait parameters. The algorithm discovers both commonalities and discrepancies across users' gait preferences and identifies the gait parameters that most influenced user feedback. These results demonstrate the feasibility of recovering gait utility landscapes from limited human trials.
• Abstract（参考訳）: どのような種類の外骨格歩行がユーザにとって快適であるかを特徴付け、より一般的な歩行の科学を理解するには、ユーザのユーティリティランドスケープを回復する必要がある。 歩行軌跡は多くの歩行パラメータで定義されており、人間の試行からのデータ収集は高価であり、ユーザーの安全と快適性を確保する必要がある。 本研究は,各ユーザの基礎となるユーティリティ機能を安全と快適性を保証する領域上で積極的に学習する,関心領域アクティブラーニング(roial)フレームワークを提案する。 ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。 このアルゴリズムの性能は,低体外骨格内を歩く3人の障害のない被験者に対して,シミュレーションと実験の両方で評価される。 ROIALは、4つのエクソスケルトン歩行パラメータにまたがる各エクソスケルトン利用者のユーティリティランドスケープを予測するベイズ後部学習を行う。 このアルゴリズムは、ユーザの歩行嗜好の共通点と相違点の両方を発見し、最も影響の大きい歩行パラメータを特定する。 これらの結果は, 限られた人間実験から, 歩行可能な景観を回復する可能性を示す。

関連論文リスト

• Learning Hand State Estimation for a Light Exoskeleton [50.05509088121445]
  そこで本研究では,光エクソスケトンを用いた手の状態推定手法を提案する。 本研究は,前腕の筋活動と外骨格の運動から得られる情報を用いて,手指の開度とコンプライアンスレベルを再構築する指導的アプローチを構築する。 我々のアプローチは本物の光のエクソスケルトンで検証されている。
  論文  参考訳（メタデータ） (2024-11-14T09:12:38Z)
• Adaptive Language-Guided Abstraction from Contrastive Explanations [53.48583372522492]
  報酬を計算するためにこれらの特徴をどのように使うべきかを決定する前に、環境のどの特徴が関係しているかを決定する必要がある。 連立特徴と報奨学習のためのエンドツーエンドの手法は、しばしば、刺激的な状態特徴に敏感な脆い報酬関数をもたらす。 本稿では,言語モデルを用いて人間に意味のある特徴を反復的に識別するALGAEという手法について述べる。
  論文  参考訳（メタデータ） (2024-09-12T16:51:58Z)
• Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
  本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。 本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
  論文  参考訳（メタデータ） (2021-10-28T10:09:34Z)
• Learning Reward Functions from Scale Feedback [11.941038991430837]
  一般的なフレームワークは、ユーザーが好む2つのロボット軌跡について反復的に質問することである。 そこで我々は,ユーザがスライダを使ってよりニュアンスな情報を提供するスケールフィードバックを提案する。 シミュレーションにおいてスライダフィードバックの利点を実証し,2つのユーザスタディにおけるアプローチの有効性を検証する。
  論文  参考訳（メタデータ） (2021-10-01T09:45:18Z)
• Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual Observations [75.60524561611008]
  この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。 まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。 本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
  論文  参考訳（メタデータ） (2021-09-28T20:25:10Z)
• User Role Discovery and Optimization Method based on K-means + Reinforcement learning in Mobile Applications [0.3655021726150368]
  長期的な安定と、ユーザ共有機能のセットは、ユーザロールとして抽象化できる。 この役割はユーザの社会的背景、職業、生活習慣と密接に関連している。
  論文  参考訳（メタデータ） (2021-07-02T06:40:12Z)
• Exoskeleton-Based Multimodal Action and Movement Recognition: Identifying and Developing the Optimal Boosted Learning Approach [0.0]
  本稿では,エクソスケルトンに基づく行動認識と運動認識の分野での2つの科学的貢献について述べる。 幅広いアクションや動きを検知できる、新しい機械学習とパターン認識ベースのフレームワークを提供する。
  論文  参考訳（メタデータ） (2021-06-18T19:43:54Z)
• 3D Convolution Neural Network based Person Identification using Gait cycles [0.0]
  この研究では、歩行の特徴を個人を特定するために使用される。このステップには、物体の検出、背景の抽出、シルエット抽出、骨格化、これらの歩行の特徴に関する3D畳み込みニューラルネットワークのトレーニングが含まれる。 提案法は, 膝と大腿の角度, 股関節角度, 接触角度などの特徴を抽出するために, 下肢に焦点をあてる。
  論文  参考訳（メタデータ） (2021-06-06T14:27:06Z)
• Human Preference-Based Learning for High-dimensional Optimization of Exoskeleton Walking Gaits [55.59198568303196]
  この研究は、LineCoSparという、高次元でユーザの好みを学習するヒューマン・イン・ザ・ループの好みベースのフレームワークを提示する。 シミュレーションと人為的試行において,LineCoSparは高次元の選好最適化のためのサンプル効率のよい手法であることを実証的に検証した。 この結果はエキソ骨格の歩行合成に影響を及ぼし,臨床応用と患者のリハビリテーションに有効である。
  論文  参考訳（メタデータ） (2020-03-13T22:02:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。