論文の概要: Ensuring Interaction Safety in Multitask Exoskeleton Control: A Simulation-Trained Variable Impedance Framework

• arxiv url: http://arxiv.org/abs/2606.06370v1
• Date: Thu, 04 Jun 2026 16:37:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-06 02:01:06.679054
• Title: Ensuring Interaction Safety in Multitask Exoskeleton Control: A Simulation-Trained Variable Impedance Framework
• Title（参考訳）: マルチタスクエクソスケルトン制御における相互作用安全性の確保:シミュレーション学習による可変インピーダンスフレームワーク
• Authors: Muyuan Ma, Houcheng Li, Haotian Zhai, Lijun Han, Xinpan Meng, Xiuze Xia, Long Cheng,
• Abstract要約: 提案フレームワークは,標準ベースライン法と組み合わせた実世界のシナリオにおけるメタボリックコストを低減する。 これらの結果は,安全なマルチタスク・エキソ骨格制御のためのフレームワークの実現可能性を示している。
• 参考スコア（独自算出の注目度）: 5.592784942576522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wearable exoskeletons can augment human phys ical capabilities during complex activities. However, ensuring adaptation across diverse tasks while guaranteeing interaction safety remains a critical challenge. To address this, a simulation trained variable impedance control approach with stability guarantees is proposed. First, a simulation-based human exoskeleton motion data generation pipeline is established, utilizing Proximal Policy Optimization (PPO) to synthesize human muscle activations while the exoskeleton provides direct compensation for human biological joint torques. Subsequently, the generated dataset is used to train a dual modality policy that fuses semantic instructions with proprioceptive history, enabling the prediction of reference trajectories and variable impedance gains for nine different motion tasks. To guarantee safety, the network outputs are constrained by a stability criterion derived from Lyapunov stability theory, which bounds stiffness variations to ensure the asymptotic stability of the coupled system. Experimental results indicate that the proposed framework reduces metabolic cost in real-world scenarios com pared with standard baseline methods. These findings suggest the feasibility of the proposed framework for safe, multitask exoskeleton control.
• Abstract（参考訳）: ウェアラブルエキソ骨格は、複雑な活動中にヒトの毛細血管の機能を増強することができる。 しかし、様々なタスクにまたがる適応の確保と相互作用の安全性の確保は、依然として重要な課題である。 そこで本研究では,安定度を保証した可変インピーダンス制御手法を提案する。 まず、シミュレーションに基づくヒト外骨格運動データ生成パイプラインを構築し、PPO(Proximal Policy Optimization)を用いてヒトの筋肉活性化を合成し、ヒトの生体関節トルクに直接補償を与える。 その後、生成されたデータセットは、セマンティックインストラクションを受容履歴と融合させ、9つの異なる動作タスクに対する参照軌跡と可変インピーダンスゲインの予測を可能にする、二重モードポリシーのトレーニングに使用される。 安全性を保証するため、ネットワーク出力は、結合系の漸近安定性を確保するために剛性変動を束縛するリャプノフ安定性理論から導かれる安定性基準によって制約される。 実験結果から,提案フレームワークは,標準的なベースライン法と組み合わせた実世界のシナリオにおけるメタボリックコストを低減することが示唆された。 これらの結果は,安全なマルチタスク外骨格制御のためのフレームワークの実現可能性を示している。

関連論文リスト

• Beyond Prompt: Fine-grained Simulation of Cognitively Impaired Standardized Patients via Stochastic Steering [58.85421622061983]
  認知障害患者の微粒化シミュレーションのためのStsPatientを提案する。 対照的な命令と応答のペアからステアリングベクトルを抽出することにより、ドメイン固有の特徴を捉える。 StsPatientは、臨床の信頼性と重症度の両方において、ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-14T02:37:46Z)
• Learning to Test: Physics-Informed Representation for Dynamical Instability Detection [12.003388826045928]
  本稿では,分散シフト下での安定性評価のためのテスト指向学習フレームワークを提案する。 認定された安全体制のベースラインデータに基づいてトレーニングされ、学習された表現により、デプロイメント時の安全監視を分散仮説テストとして定式化することができる。
  論文  参考訳（メタデータ） (2026-04-13T04:12:40Z)
• Robust Adaptive Backstepping Impedance Control of Robots in Unknown Environments [15.262365015328832]
  本稿では,接触に富んだ不確実な環境で動作しているロボットに対するロバスト適応型バックステッピングインピーダンス制御(RABIC)戦略を提案する。 本稿では, 基準インピーダンスモデルを追跡するために, バックステッピングに基づくインナーループの適応インピーダンス制御方式を提案する。 不確実性に対処するために、系力学のテイラー級数に基づく推定器と、外部力の上界を決定する適応推定器を用いる。
  論文  参考訳（メタデータ） (2026-04-10T13:48:42Z)
• Response-Aware Risk-Constrained Control Barrier Function With Application to Vehicles [0.0]
  本稿では,車両の動的安全境界制御のための応答認識型リスク制約制御バリア関数に基づく統合制御フレームワークを提案する。 このフレームワークは、制御勾配の基準方向を提供するために、名目力学と直接車体応答を融合する。 また、従来の決定論的安全制約をバリア関数誘導体のテールリスクに関する確率論的制約に再構成する。
  論文  参考訳（メタデータ） (2026-03-13T02:38:17Z)
• Adaptive Manipulation Potential and Haptic Estimation for Tool-Mediated Interaction [14.888648782445694]
  本稿では,ツール間相互作用の統一表現として,パラメータ化された平衡マニフォールド(EM)を提案する。 我々は,ハプティック推定,オンライン計画,適応剛性制御を統合したクローズドループフレームワークを開発した。 このフレームワークはシミュレーションと260以上の現実世界のスクリューロージング試験によって検証されている。
  論文  参考訳（メタデータ） (2026-03-11T02:57:55Z)
• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• Statistical Safety and Robustness Guarantees for Feedback Motion Planning of Unknown Underactuated Stochastic Systems [1.0323063834827415]
  本研究では, 平均力学モデルを用いたサンプリングベースプランナを提案し, 学習外乱境界による閉ループ追従誤差を同時に有界化する。 この保証は,10次元四角形ロボットのシミュレーションや,クレージーフライ四角形ロボットとクリアパスジャカルロボットの現実世界でのシミュレーションにおいて,経験的安全性に変換されることを検証した。
  論文  参考訳（メタデータ） (2022-12-13T19:38:39Z)
• Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
  複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。 いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。 我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
  論文  参考訳（メタデータ） (2022-10-12T07:57:03Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)

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。