GRACE：基于用户功能嵌入的通用机器人协助照护

机器人协助照护应个性化，以满足照护对象的多样化需求——在需要时协助完成任务，同时考虑用户在行动中的主动性。在手递、沐浴、穿衣和康复等物理任务中，这种多样性的关键体现在功能活动范围（fROM）上，人与人之间差异显著。本文提出一种数据驱动方法，用于预测个性化fROM，从而在广泛的照护任务中泛化机器人决策。我们开发了一种新型方法，通过职业治疗功能评估分数来预测个性化fROM。我们构建了神经网络模型，学习将功能评估分数嵌入用户身体功能的潜在表示。模型通过来自带模拟运动限制的用户的动作捕捉数据进行训练。训练后，模型可在无需动作捕捉的情况下为新用户预测个性化fROM。通过仿真实验和真人机器人用户研究，我们展示，来自我们模型的个性化fROM预测使机器人能够提供个性化且有效的协助，同时提升用户在行动中的主动性。详情请访问我们的网站：https://emprise.cs.cornell.edu/grace/。