探讨辅助机器人模型在各种任务上的可泛化性

在辅助机器人领域，有效建模的重要性已广为人知。先前的研究主要致力于提高模型精度或涉及收集大量通常不切实际的数据。虽然提高单个模型精度有益，但需要为每个新任务和用户交互不断重新建模。本文我们探讨了不同建模方法的可泛化性。我们聚焦于使用六种数据驱动回归算法构建辅助外骨骼的动态模型。我们在实验中考虑了六个任务，包括水平、垂直、左腿到右眼的对角线以及相反方向、吃东西和推东西。我们针对每个任务应用不同的回归方法构建了三个独特的模型。对每个训练模型的性能在交叉验证场景下进行评估，其中每个数据集使用五折。随后对这些训练好的模型在未训练的其他任务上进行测试。最后我们按照可泛化性对模型进行评估。结果显示，水平平面上完成的任务模型具有优越的可泛化性，决策树基于算法表现更好。