学习辅助不同穿戴者完成多任务：面向外骨骼机器人高效且个性化的在环自适应框架
机器人学
2023-09-27 v1
摘要
使用下肢外骨骼机器人的典型目的之一，是根据给定任务与人运动意图，通过支撑穿戴者体重并增强其身体能力来提供助力。机器人在多任务中跨不同穿戴者的泛化能力，对于确保其在实际使用中能提供正确有效的辅助至关重要。然而，大多数下肢外骨骼机器人仅表现出有限的泛化能力。因此，本文提出一种用于外骨骼机器人的在环学习与自适应框架，以提升其在各类任务及不同穿戴者上的表现。为适配不同穿戴者，利用动态运动基元与贝叶斯优化在线生成个性化行走轨迹；为适应多种任务，使用神经网络构建任务转换器将轨迹泛化至更复杂场景。这些泛化技术被集成于统一的变阻抗模型中，该模型在确保安全的条件下调节外骨骼提供助力。此外，开发了异常检测网络以定量评估穿戴者舒适度，其被纳入轨迹学习过程，并有助于缓解阻抗控制中的冲突。所提框架易于实现，因其仅需本体感知传感器即可执行并部署数据高效的学习方案。这使外骨骼能切实部署于复杂场景，适配不同的行走模式、习惯、任务与冲突。我们在下肢外骨骼机器人上进行了实验与对比研究，证明了该框架的有效性。
引用
@article{arxiv.2309.14720,
title = {Learning to Assist Different Wearers in Multitasks: Efficient and Individualized Human-In-the-Loop Adaption Framework for Exoskeleton Robots},
author = {Yu Chen and Gong Chen and Jing Ye and Chenglong Fu and Bin Liang and Xiang Li},
journal= {arXiv preprint arXiv:2309.14720},
year = {2023}
}
备注
16 pages journal article