論文の概要: AR3n: A Reinforcement Learning-based Assist-As-Needed Controller for Robotic Rehabilitation

• arxiv url: http://arxiv.org/abs/2303.00085v4
• Date: Mon, 17 Apr 2023 03:11:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 20:53:45.053426
• Title: AR3n: A Reinforcement Learning-based Assist-As-Needed Controller for Robotic Rehabilitation
• Title（参考訳）: AR3n:ロボットリハビリテーションのための強化学習型補助制御
• Authors: Shrey Pareek, Harris Nisar and Thenkurussi Kesavadas
• Abstract要約: 本稿では,ロボットによる手書き再生作業において,強化学習を利用して適応支援を行う支援支援(AAN)コントローラAR3nを提案する。 複数の被験者にまたがってAR3nを一般化するための仮想患者モデルを提案する。 このシステムは、被験者の追跡誤差に基づいてロボット支援をリアルタイムで調整し、ロボット支援の量を最小化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 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.
• Abstract（参考訳）: 本稿では,ロボットハンドライティングリハビリテーションタスクにおいて,強化学習を利用して適応的支援を提供するアシスト・アズ・ア・ニーズド(aan)コントローラar3n(aaronと発音する)を提案する。 従来のAANコントローラとは異なり,本手法は患者固有のコントローラパラメータや物理モデルに依存しない。 複数の被験者にまたがってAR3nを一般化するための仮想患者モデルを提案する。 このシステムは、被験者の追跡誤差に基づいてロボット支援をリアルタイムで調整し、ロボット支援の量を最小化する。 コントローラは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る。 最後に,従来のルールベース制御器との比較検討を行い,2つの制御器の補助機構の違いを分析した。

関連論文リスト

• Exploring of Discrete and Continuous Input Control for AI-enhanced Assistive Robotic Arms [5.371337604556312]
  協調ロボットは、オブジェクトの把握や操作といったタスクのために、複数の自由度(DoF)を管理する必要がある。 本研究は,3種類の入力デバイスを,支援ロボットのための確立されたXRフレームワークに統合することによって探索する。
  論文  参考訳（メタデータ） (2024-01-13T16:57:40Z)
• Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from Offline Data [101.43350024175157]
  自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。 我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。 コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-06-06T01:36:56Z)
• Leveraging Sequentiality in Reinforcement Learning from a Single Demonstration [68.94506047556412]
  本稿では,複雑なロボットタスクの制御ポリシーを1つの実演で学習するために,シーケンシャルなバイアスを活用することを提案する。 本研究は, ヒューマノイド移動やスタンドアップなど, 模擬課題のいくつかを, 前例のないサンプル効率で解くことができることを示す。
  論文  参考訳（メタデータ） (2022-11-09T10:28:40Z)
• Epersist: A Self Balancing Robot Using PID Controller And Deep Reinforcement Learning [0.0]
  二輪自走式ロボットは逆振り子の例であり、本質的に非線形で不安定なシステムである。 「エスペリスト」とは、ロバストな制御機構を提供することで、当初不安定なシステムに逆らうという課題を克服することである。
  論文  参考訳（メタデータ） (2022-07-23T06:27:21Z)
• Training Robots without Robots: Deep Imitation Learning for Master-to-Robot Policy Transfer [4.318590074766604]
  深層模倣学習は、デモサンプルのみを必要とするため、ロボット操作に有望である。 既存の実証手法には欠点があり、双方向遠隔操作には複雑な制御方式が必要であり、高価である。 本研究は、力覚フィードバックに基づく操作タスクをロボットに教える必要がない新しいM2Rポリシー伝達システムを提案する。
  論文  参考訳（メタデータ） (2022-02-19T10:55:10Z)
• Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
  本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。 提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
  論文  参考訳（メタデータ） (2021-10-01T15:28:44Z)
• Human operator cognitive availability aware Mixed-Initiative control [1.155258942346793]
  本稿では,遠隔操作型移動ロボットのための認知アベイラビリティAware Mixed-Initiative Controllerを提案する。 コントローラは、AIまたは人間の操作者によって起動される異なるレベルの自律性(LOA)の動的切り替えを可能にする。 遠隔ロボットによる探査作業を人間オペレーターが行う災害対応実験において、制御器の評価を行う。
  論文  参考訳（メタデータ） (2021-08-26T16:21:56Z)
• Machine Learning for Mechanical Ventilation Control [52.65490904484772]
  圧制御換気における侵襲的機械式換気装置の制御の問題点を考察する。 PIDコントローラは、臨床医が指定する気道圧の軌跡に従って、鎮静患者の肺の空気を入出させる必要があります。 制御器は、PID制御器よりも目標圧力波形をかなりよく追跡できることを示す。
  論文  参考訳（メタデータ） (2021-02-12T21:23:33Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)
• Improving Input-Output Linearizing Controllers for Bipedal Robots via Reinforcement Learning [85.13138591433635]
  入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。 本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
  論文  参考訳（メタデータ） (2020-04-15T18:15:49Z)

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。