基于深度预测学习及体表感知注意力机制的双臂运动生成用于 repositioning care
机器人学
2025-10-07 v3
摘要
护理是家庭机器人中的关键角色，尤其是repositioning护理具有巨大的社会价值，显著改善行动受限者的健康和生活质量。然而，repositioning任务是研究的具有挑战性的领域，因为机器人需要在与患者灵活交互的同时适应运动。该任务涉及多个关键挑战：（1）对特定目标区域施加适当力量；（2）无缝地执行多个动作，每个动作都需要不同的力量施加策略；（3）在不确定的位置条件下进行运动适应。为此，我们提出了一种基于深度神经网络（DNN）的体系结构，利用关节力学和视觉注意力机制，以及阻抗控制来调节机器人的运动。使用dual-arm人oid机器人Dry-AIREC，所提出的模型成功生成了将机器人之手插入床头和模拟人背部之间的运动，而不施加过大力量，并支持从仰卧位置到抬升位置的转换。项目页面如下：https://sites.google.com/view/caregiving-robot-airec/repositioning
引用
@article{arxiv.2407.13376,
title = {Dual-arm Motion Generation for Repositioning Care based on Deep Predictive Learning with Somatosensory Attention Mechanism},
author = {Tamon Miyake and Namiko Saito and Tetsuya Ogata and Yushi Wang and Shigeki Sugano},
journal= {arXiv preprint arXiv:2407.13376},
year = {2025}
}
备注
Accepted at IROS 2025