論文の概要: iART: Learning from Demonstration for Assisted Robotic Therapy Using
LSTM
- arxiv url: http://arxiv.org/abs/2303.01403v1
- Date: Thu, 2 Mar 2023 16:44:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 13:25:33.833292
- Title: iART: Learning from Demonstration for Assisted Robotic Therapy Using
LSTM
- Title(参考訳): iART:LSTMを用いたロボット治療のためのデモから学ぶ
- Authors: Shrey Pareek and Thenkurussi Kesavadas
- Abstract要約: 本稿では,セラピストの援助行動の模倣を目的とした,LSTMに基づく新しいロボット学習手法を提案する。
iARTは1つの軌道から任意の3次元形状への学習挙動を一般化できる軌道LfDルーチンを提示する。
このシステムはわずか2分間のデモンストレーションしか必要とせず、平均精度は91.41%である。
- 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 an intelligent Assistant for Robotic Therapy
(iART), that provides robotic assistance during 3D trajectory tracking tasks.
We propose a novel LSTM-based robot learning from demonstration (LfD) paradigm
to mimic a therapist's assistance behavior. iART presents a trajectory agnostic
LfD routine that can generalize learned behavior from a single trajectory to
any 3D shape. Once the therapist's behavior has been learned, iART enables the
patient to modify this behavior as per their preference. The system requires
only a single demonstration of 2 minutes and exhibits a mean accuracy of 91.41%
in predicting, and hence mimicking a therapist's assistance behavior. The
system delivers stable assistance in realtime and successfully reproduces
different types of assistance behaviors.
- Abstract(参考訳): 本稿では,3Dトラジェクトリトラッキングタスク中にロボット支援を行う,インテリジェントなロボットセラピーアシスタント(iART)を提案する。
本稿では,セラピストの援助行動の模倣を目的とした,LSTMに基づく新しいロボット学習手法を提案する。
iARTは1つの軌跡から任意の3次元形状への学習挙動を一般化できる軌道に依存しないLfDルーチンを提供する。
セラピストの行動が学習されると、iartは患者の好みに応じてこの行動を変更することができる。
システムはたった2分間のデモンストレーションしか必要とせず、予測において平均91.41%の精度を示し、したがってセラピストの補助行動を模倣する。
このシステムは、リアルタイムに安定した支援を提供し、様々な種類の援助行動をうまく再現する。
関連論文リスト
- Instructing Robots by Sketching: Learning from Demonstration via Probabilistic Diagrammatic Teaching [14.839036866911089]
Learning for Demonstration (LfD)は、ロボットが専門家のデモを模倣し、ユーザーが直感的に指示を伝えることを可能にする。
近年のLfDの進歩は、ユーザがデモを指定するための媒体として、審美的教育や遠隔操作に依存していることが多い。
本稿では,LfDの代替パラダイムであるダイアグラム教育を紹介する。
論文 参考訳(メタデータ) (2023-09-07T16:49:38Z) - 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) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - AR3n: A Reinforcement Learning-based Assist-As-Needed Controller for
Robotic Rehabilitation [0.0]
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。
論文 参考訳(メタデータ) (2023-02-28T21:04:05Z) - 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) - Facial Tic Detection in Untrimmed Videos of Tourette Syndrome Patients [0.20999222360659603]
本稿では,非トリミングビデオから自動ティック検出と分類を行う新しいアーキテクチャを提案する。
T-Netは、時間的検出とセグメンテーションを組み合わせて、臨床医に解釈可能な機能を操作する。
論文 参考訳(メタデータ) (2022-11-07T22:59:58Z) - Silver-Bullet-3D at ManiSkill 2021: Learning-from-Demonstrations and
Heuristic Rule-based Methods for Object Manipulation [118.27432851053335]
本稿では,SAPIEN ManiSkill Challenge 2021: No Interaction Trackにおいて,以下の2つのトラックを対象としたシステムの概要と比較分析を行った。
No Interactionは、事前に収集された実証軌道からの学習ポリシーのターゲットを追跡する。
このトラックでは,タスクを一連のサブタスクに分解することで,高品質なオブジェクト操作をトリガするHuristic Rule-based Method (HRM) を設計する。
各サブタスクに対して、ロボットアームに適用可能なアクションを予測するために、単純なルールベースの制御戦略が採用されている。
論文 参考訳(メタデータ) (2022-06-13T16:20:42Z) - Towards a Multi-purpose Robotic Nursing Assistant [0.0]
多目的知的看護支援ロボットシステム(MINA)は、患者に歩行支援を提供し、使い易く直感的なグラフィカルユーザインタフェース(GUI)で遠隔操作を行う。
本稿では,現在最先端の手法を改良した歩行支援タスクの予備的結果を提示し,遠隔操作のためのGUIについて述べる。
論文 参考訳(メタデータ) (2021-06-07T15:00:12Z) - Hierarchical Affordance Discovery using Intrinsic Motivation [69.9674326582747]
本研究では,移動ロボットの価格学習を支援するために,本質的なモチベーションを用いたアルゴリズムを提案する。
このアルゴリズムは、事前にプログラムされたアクションなしで、相互に関連のある価格を自律的に発見し、学習し、適応することができる。
一度学習すると、これらの余裕はアルゴリズムによって様々な困難を伴うタスクを実行するために一連のアクションを計画するために使われる。
論文 参考訳(メタデータ) (2020-09-23T07:18:21Z) - Scalable Multi-Task Imitation Learning with Autonomous Improvement [159.9406205002599]
我々は、自律的なデータ収集を通じて継続的に改善できる模倣学習システムを構築している。
我々は、ロボット自身の試行を、実際に試みたタスク以外のタスクのデモとして活用する。
従来の模倣学習のアプローチとは対照的に,本手法は,継続的改善のための疎い監視によるデータ収集を自律的に行うことができる。
論文 参考訳(メタデータ) (2020-02-25T18:56:42Z)
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。