論文の概要: Continual Online Personalization of Exoskeleton Control via Manifold-Aware Experience Replay

• arxiv url: http://arxiv.org/abs/2606.17455v1
• Date: Tue, 16 Jun 2026 03:17:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.235889
• Title: Continual Online Personalization of Exoskeleton Control via Manifold-Aware Experience Replay
• Title（参考訳）: マニフォールド・アウェア・エクスペリエンス・リプレイによる外骨格制御の連続オンラインパーソナライズ
• Authors: Changseob Song, Inseung Kang,
• Abstract要約: エキソ骨格制御のパーソナライズは、歩行障害のある臨床ユーザーにとって依然として重要な課題である。 オンライン適応(OA)は、主題の可変性、デバイス適合性、多様な移動タスクにリアルタイムで適応することで、効果的なソリューションを提供する。 そこで我々は,ユーザ固有の表現を維持するためにデザインされた,多様体対応のリプレイ型オンラインパーソナライズフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalizing exoskeleton control remains a critical challenge for clinical users with gait disabilities. Online adaptation (OA) offers an effective solution by adapting in real time to subject variability, device fit, and diverse locomotor tasks. However, OA involves a continual stream of user state data, which can lead to catastrophic forgetting of previously learned locomotor contexts. Here, we develop a manifold-aware experience replay-based online personalization framework designed to maintain user-specific representations across diverse tasks during OA of exoskeleton control. By replaying previously experienced tasks from a replay buffer, we preserve the personalized exoskeleton assistance across all learned tasks. Furthermore, we capture a gait manifold that distinguishes between different locomotor tasks, removing the need for explicit task labeling when selecting target replay bins. We evaluated our framework on emulated hemiplegic gait, which largely deviates from able-bodied patterns, across multiple forgetting scenarios with speed and incline transitions. Our manifold-aware replay framework achieved 40% and 60% improvements in torque and gait phase tracking accuracy, respectively, compared to a baseline framework without replay, which exhibited catastrophic forgetting during task transitions. This demonstrates that our proposed framework personalizes exoskeleton control in real time across diverse locomotor contexts in daily ambulation of clinical populations.
• Abstract（参考訳）: エキソ骨格制御のパーソナライズは、歩行障害のある臨床ユーザーにとって依然として重要な課題である。 オンライン適応(OA)は、主題の可変性、デバイス適合性、多様な移動タスクにリアルタイムで適応することで、効果的なソリューションを提供する。 しかし、OAはユーザ状態データの連続的なストリームを伴い、それによって以前に学習されたロコモレータのコンテキストを壊滅的に忘れてしまう可能性がある。 本稿では,エクソスケルトン制御のOAにおいて,多様なタスクにまたがるユーザ固有の表現を維持するために,多様体対応のオンラインパーソナライズフレームワークを開発した。 以前経験したタスクをリプレイバッファからリプレイすることで、学習したタスク全体にわたってパーソナライズされたエキソスケルトンアシストを保ちます。 さらに、異なるロケータタスクを区別するゲイト多様体を捕捉し、ターゲットのリプレイビンを選択する際に明示的なタスクラベリングの必要性を除去する。 速度と傾斜遷移を伴う複数の忘れがちなシナリオにまたがって,動作可能なパターンから大きく逸脱するヘミプレジック歩行のエミュレートに関する枠組みを評価した。 リプレイなしのベースライン・フレームワークと比較すると, タスク遷移時の破滅的忘れ込みを生じさせるのに対し, リプレイなしのベースライン・フレームワークでは, トルクと歩行位相の追跡精度が40%, 60%向上した。 本研究の枠組みは, 臨床集団の日常生活において, 様々な移動環境において, エクソスケルトン制御をリアルタイムにパーソナライズすることの証明である。

関連論文リスト

• Knowledge Reutilization in Meta-Reinforcement Learning [51.07319647819108]
  本稿では,動的に単純化されたエージェント上でタスクレベルの知識を学習し,それを異種エージェントに転送するメタ知識再利用フレームワークを提案する。 我々のフレームワークは、最新の最先端ベースラインと比較して、最終段階のトラッキングエラーを94.75% -- 99.79%削減している。
  論文  参考訳（メタデータ） (2026-06-16T16:32:28Z)
• From Articulated Kinematics to Routed Visual Control for Action-Conditioned Surgical Video Generation [43.4347713269043]
  動作条件付き手術用ビデオ生成は、ロボット手術にとって非常に難しい問題である。 そこで本研究では,音声キネマティクスを5つの画像整列制御モダリティの統一集合に変換するキネマティクス対視覚リフティングパラダイムを提案する。 本手法は,多様なベースライン上での行動忠実度,視覚的忠実度,ドメイン間の一般化を継続的に改善する。
  論文  参考訳（メタデータ） (2026-05-09T05:48:51Z)
• Personalized Gait Patterns During Exoskeleton-Aided Training May Have Minimal Effect on User Experience. Insights from a Pilot Study [0.8572409162523734]
  ほとんどの外骨格は、矢状面に拘束された、予め記録された、個人化されていない歩行軌跡に依存している。 マルチ平面運動をサポートする外骨格のためのデータ駆動歩行パーソナライズフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-19T10:23:29Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• ExoGait-MS: Learning Periodic Dynamics with Multi-Scale Graph Network for Exoskeleton Gait Recognition [20.076175885171413]
  現在の外骨格制御法は、パーソナライズされた治療を提供する際の課題に直面していることが多い。 個人の歩行は、個々のユーザーの適応性、快適性、リハビリの成果に直接影響を与えるため、外骨格ロボットの有効性に不可欠である。 本稿では,空間領域におけるマルチスケールグローバルセンスグラフ畳み込みネットワーク(GCN)を用いて,潜在関節のシナジーパターンを同定する手法を提案する。 実験の結果,本手法の精度は94.34%であり,現在のSOTA(State-of-the-art)を3.77%上回る結果となった。
  論文  参考訳（メタデータ） (2025-05-23T15:24:25Z)
• Continual Diffuser (CoD): Mastering Continual Offline Reinforcement Learning with Experience Rehearsal [54.93261535899478]
  強化学習のロボット制御のような現実世界の応用では、タスクが変化し、新しいタスクが順次発生する。 この状況は、タスクの変更に適応し、獲得した知識を保持するエージェントを訓練する上で、可塑性-安定トレードオフという新たな課題を生じさせる。 本研究では,連続拡散器(Continuous diffuser,CoD)と呼ばれるリハーサルに基づく連続拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-04T08:21:47Z)
• SkeleTR: Towrads Skeleton-based Action Recognition in the Wild [86.03082891242698]
  SkeleTRは骨格に基づく行動認識のための新しいフレームワークである。 まず、グラフ畳み込みによる各骨格配列の人体内骨格力学をモデル化する。 次に、スタック化されたTransformerエンコーダを使用して、一般的なシナリオにおけるアクション認識に重要な人物のインタラクションをキャプチャする。
  論文  参考訳（メタデータ） (2023-09-20T16:22:33Z)
• Self-Supervised Multi-Object Tracking For Autonomous Driving From Consistency Across Timescales [53.55369862746357]
  自己管理型マルチオブジェクトトラッカーは、生のドメイン固有データから学習できるという大きな可能性を秘めている。 しかし、その再識別精度は、監督対象よりも低い。 本稿では,複数の連続フレームから再同定特徴を自己教師付きで学習できる学習目標を提案する。
  論文  参考訳（メタデータ） (2023-04-25T20:47:29Z)
• 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)

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。