論文の概要: Multi-Objective Human-in-the-Loop Bayesian Optimization of a Lower-Limb Exoskeleton

• arxiv url: http://arxiv.org/abs/2609.30695v1
• Date: Fri, 25 Sep 2026 02:03:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.185554
• Title: Multi-Objective Human-in-the-Loop Bayesian Optimization of a Lower-Limb Exoskeleton
• Title（参考訳）: 下肢外骨格の多目的Human-in-the-Loopベイズ最適化
• Abstract要約: 目的よりも個人の好みを表現するために,多目的人-ループベイズ最適化(MO-HILBO)を提案する。 メタボリックコスト(有効性)と人体フィードバック(快適性)の2つの目的にまたがる低レベル外骨格のMO-HILBOを実験的に実証した。
• 参考スコア（独自算出の注目度）: 3.967853063195111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human-in-the-loop optimization (HILO) is a common approach for optimizing the control of assistive devices to account for the wearer's unique biomechanics and subjective preferences. However, despite research suggesting that a person may have a different prioritization of objectives depending on time-varying factors such as the environment, their mood, or energy levels, existing HILO approaches only consider a single objective or enforce a fixed weighting on a set of objectives. Neither approach is capable of representing an individual's preferences over objectives. In this work, we propose Multi-Objective Human-in-the-loop Bayesian Optimization (MO-HILBO), which builds on explicit multi-objective Bayesian optimization to efficiently infer a personalized set of Pareto-optimal controllers. We compare our approach with an existing multi-objective HILO method and experimentally demonstrate MO-HILBO on a lower-limb exoskeleton across two objectives: metabolic cost (efficiency) and ordinal human feedback (comfort). We find that MO-HILBO (1) discovers Pareto-optimal controllers, and (2) that the pairwise ordering of points on the Pareto front itself is consistent with validation trials. Lastly, we open-source mohilo, a Python package for running both HILO and MO-HILBO on wearable devices: https://dynamicmobility.github.io/mohilo/.
• Abstract（参考訳）: HILO(Human-in-the-loop Optimization)は、着用者のユニークな生体力学と主観的嗜好を考慮に入れた補助装置の制御を最適化するための一般的なアプローチである。 しかし, 環境, 気分, エネルギーレベルといった時間的要因によって, 目的の優先順位が異なることが示唆される研究にもかかわらず, 既存のHILOアプローチでは, 目的を1つだけ考慮するか, 目的の集合に一定の重み付けを強制するかしか考慮されていない。 どちらのアプローチも、目的よりも個人の好みを表現できない。 本研究では,パーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされたパーソナライズされた制御系を効率的に推測するために,明示的な多目的ベイズ最適化に基づく多目的ベイズ最適化(MO-HILBO)を提案する。 提案手法を既存の多目的HILO法と比較し, メタボリックコスト (効率) と経常的フィードバック (快適性) の2つの目的にまたがる低レベル外骨格のMO-HILBOを実験的に実証した。 その結果,MO-HILBO(1)はパレート最適制御器を発見し,(2)パレートフロント上の点のペア順序付けは検証試験と一致していることがわかった。 最後に、ウェアラブルデバイス上でHILOとMO-HILBOの両方を実行するPythonパッケージであるmohiloをオープンソース化しました。

関連論文リスト

• PCHC: Enabling Preference Conditioned Humanoid Control via Multi-Objective Reinforcement Learning [50.63196995993855]
  多目的強化学習(MORL)を活用してPCHC(Preference-Conditioned Humanoid Control)を実現する新しいフレームワークを提案する。 当社のフレームワークは、単一の嗜好条件のポリシーを多種多様な行動を示すために有効である。
  論文  参考訳（メタデータ） (2026-03-25T07:55:37Z)
• Multi-Objective Preference Optimization: Improving Human Alignment of Generative Models [15.799929216215672]
  制約付きKL正規化最適化としてアライメントをフレーム化するMOPOアルゴリズムを提案する。 以前の作業とは異なり、MOPOはペアワイズ好みのデータを直接操作し、ポイントワイズ報酬の仮定を必要とせず、プロンプトコンテキストエンジニアリングを避ける。
  論文  参考訳（メタデータ） (2025-05-16T05:58:26Z)
• Beyond One-Preference-Fits-All Alignment: Multi-Objective Direct Preference Optimization [76.09576643028362]
  複数のアライメント目的に対してMODPO(Multi-Objective Direct Preference Optimization)を提案する。 MODPOは、言語モデリングを直接報酬モデルに折り畳み、暗黙の集団報酬モデルとして言語モデルを訓練する。 理論的には MORLHF と同じ最適解が得られるが、実質的にはより安定で効率的である。
  論文  参考訳（メタデータ） (2023-10-05T17:35:26Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• Multi-Objective GFlowNets [59.16787189214784]
  本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。 薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
  論文  参考訳（メタデータ） (2022-10-23T16:15:36Z)
• Alleviating Search Bias in Bayesian Evolutionary Optimization with Many Heterogeneous Objectives [9.139734850798124]
  異種目的(HE-MOP)を用いた多目的最適化問題に対処する。 高速な目的に対して探索バイアスを緩和する新たな獲得関数を提案する。 提案アルゴリズムの有効性を,多目的・多目的のベンチマーク問題で検証することによって実証する。
  論文  参考訳（メタデータ） (2022-08-25T17:07:40Z)

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。