論文の概要: Adaptive Torque Control of Exoskeletons under Spasticity Conditions via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2503.11433v1
• Date: Fri, 14 Mar 2025 14:22:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:08:12.627982
• Title: Adaptive Torque Control of Exoskeletons under Spasticity Conditions via Reinforcement Learning
• Title（参考訳）: 強化学習による空間性条件下における外骨格の適応トルク制御
• Authors: Andrés Chavarrías, David Rodriguez-Cianca, Pablo Lanillos,
• Abstract要約: 膝外骨格に対する深部強化学習(RL)による新しい適応型トルク制御器について述べる。 模擬膝伸展運動の結果から, 味覚レベルが異なる個人に対して, エージェントが外骨格を制御できることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Spasticity is a common movement disorder symptom in individuals with cerebral palsy, hereditary spastic paraplegia, spinal cord injury and stroke, being one of the most disabling features in the progression of these diseases. Despite the potential benefit of using wearable robots to treat spasticity, their use is not currently recommended to subjects with a level of spasticity above ${1^+}$ on the Modified Ashworth Scale. The varying dynamics of this velocity-dependent tonic stretch reflex make it difficult to deploy safe personalized controllers. Here, we describe a novel adaptive torque controller via deep reinforcement learning (RL) for a knee exoskeleton under joint spasticity conditions, which accounts for task performance and interaction forces reduction. To train the RL agent, we developed a digital twin, including a musculoskeletal-exoskeleton system with joint misalignment and a differentiable spastic reflexes model for the muscles activation. Results for a simulated knee extension movement showed that the agent learns to control the exoskeleton for individuals with different levels of spasticity. The proposed controller was able to reduce maximum torques applied to the human joint under spastic conditions by an average of 10.6\% and decreases the root mean square until the settling time by 8.9\% compared to a conventional compliant controller.
• Abstract（参考訳）: 脳性麻痺、遺伝性てんかん性麻痺、脊髄損傷、脳卒中などの症状は、これらの疾患の進行の最も不安定な特徴の1つである。 ウェアラブル・ロボットをスパスティック性の治療に利用するメリットはあるものの、現在、修正アッシュワース・スケールで1^+}$以上のスパスティック性を持つ被験者には推奨されていない。 この速度依存トニックストレッチ反射の様々なダイナミクスは、安全なパーソナライズされたコントローラの展開を困難にしている。 本稿では, 膝外骨格に対する深部強化学習(RL)による新しい適応型トルク制御器について述べる。 筋骨格外骨格系と関節脱アライメントを併用したデジタルツインを開発した。 模擬膝伸展運動の結果から, 味覚レベルが異なる個人に対して, エージェントが外骨格を制御できることが判明した。 提案した制御器は, 従来の整合制御器と比較して, 平均10.6\%で最大トルクを低減し, 8.9\%まで根平均正方形を減少させることができた。

関連論文リスト

• Deep-Learning Control of Lower-Limb Exoskeletons via simplified Therapist Input [0.0]
  部分補助性外骨格は歩行回復に有意な可能性を秘めている。 外骨格における相互作用トルクの制御は階層的な制御構造に依存している。 この研究は、外骨格における階層制御の限界に対処する3段階のデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-10T22:52:44Z)
• Reinforcement Learning for Versatile, Dynamic, and Robust Bipedal Locomotion Control [106.32794844077534]
  本稿では,二足歩行ロボットのための動的移動制御系を構築するために,深層強化学習を用いた研究について述べる。 本研究では、周期歩行やランニングから周期ジャンプや立位に至るまで、様々な動的二足歩行技術に使用できる汎用的な制御ソリューションを開発する。 この研究は、二足歩行ロボットの俊敏性の限界を、現実世界での広範な実験を通じて押し上げる。
  論文  参考訳（メタデータ） (2024-01-30T10:48:43Z)
• Learning Realistic Joint Space Boundaries for Range of Motion Analysis of Healthy and Impaired Human Arms [0.5530212768657544]
  本研究では,現実的な解剖学的制約のある上層域の運動境界を,モーションキャプチャーデータから学習するためのデータ駆動手法を提案する。 また,健常腕と障害腕の比較において,能力・障害の定量的評価を行う指標(II)を提案する。
  論文  参考訳（メタデータ） (2023-11-17T17:14:42Z)
• Gait Cycle-Inspired Learning Strategy for Continuous Prediction of Knee Joint Trajectory from sEMG [24.608475386117426]
  本稿では,2つの歩行サイクルにインスパイアされた学習戦略を統合し,膝関節の軌道予測の課題を軽減するモデルを提案する。 異なるネットワークエンティティを通して学習することにより、モデルは共通の歩行特徴とパーソナライズされた歩行特徴の両方をキャプチャする。 実験結果から, 平均根平均二乗誤差(RMSE)を3.03度(0.49度), 50ms前後で予測できることが示唆された。
  論文  参考訳（メタデータ） (2023-07-25T02:23:58Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• An adaptive closed-loop ECoG decoder for long-term and stable bimanual control of an exoskeleton by a tetraplegic [91.6474995587871]
  複雑なタスクに対する多様なエフェクタのハイパフォーマンス制御は、時間とともに堅牢で、デコーダの継続的な再校正なしに高いデコード性能でなければならない。 適応型オンラインテンソルベースデコーダ「Recursive Exponentially Weighted Markov-Switching Multi-linear Model (REW-MSLM)」を開発した。 復号器の再校正なしにREW-MSLMを用いて,外骨格と仮想アバターの8次元バイマニュアル制御の安定性を6ヶ月にわたって実証した。
  論文  参考訳（メタデータ） (2022-01-25T16:51:29Z)
• A Novel Sample-efficient Deep Reinforcement Learning with Episodic Policy Transfer for PID-Based Control in Cardiac Catheterization Robots [2.3939470784308914]
  このモデルは、血管内カテーテル用に設計されたロボットシステムの軸方向運動制御のために検証された。 従来の10試行法と比較すると,0.003mmの誤差で利得を調整できることがわかった。
  論文  参考訳（メタデータ） (2021-10-28T08:18:01Z)
• A novel approach for modelling and classifying sit-to-stand kinematics using inertial sensors [0.6243048287561809]
  立ち上がり運動は、老年者やパーキンソン病などの運動障害のある患者にしばしば影響を受け、転倒する。 本稿では,2つのウェアラブル慣性センサのみを用いて,立位から立位までの運動量を推定するための3分割体モデルを提案する。 若年健常成人10名(YH)、高齢健常成人12名(OH)、パーキンソン病12名(PwP)に適用した。
  論文  参考訳（メタデータ） (2021-07-14T17:31:50Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。