DULA与DEBA：用于工效智能物理人机交互中姿态评估与优化的可微分工效风险模型
机器人学
2022-05-10 v1 人工智能
机器学习
摘要
工效学与人舒适度是物理人机交互应用中的核心关切。定义准确且易用的工效评估模型，是为姿态矫正提供反馈以改善操作者健康与舒适度的重要一步。该领域常用实用方法在姿态优化中存在工效模型不准确的缺陷。为在保持评估质量的同时改善计算考量，我们提出一种面向工效智能物理人机交互的姿态评估与优化新框架。我们引入DULA和DEBA，即可微且连续的工效学模型，学习以超过99%的精度复现流行且经科学验证的RULA与REBA评估。我们表明DULA和DEBA提供可与RULA和REBA比拟的评估，同时在姿态优化中具备计算优势。我们通过人体与仿真实验评估框架，并在一项模拟pHRI任务的姿态优化演示中凸显DULA和DEBA的强项。
引用
@article{arxiv.2205.03491,
title = {DULA and DEBA: Differentiable Ergonomic Risk Models for Postural Assessment and Optimization in Ergonomically Intelligent pHRI},
author = {Amir Yazdani and Roya Sabbagh Novin and Andrew Merryweather and Tucker Hermans},
journal= {arXiv preprint arXiv:2205.03491},
year = {2022}
}
备注
Submitted to IROS 2022. arXiv admin note: substantial text overlap with arXiv:2108.05971