面向中风康复机器人手部矫形器意图推断快速适应的元学习
机器人学
2025-09-16 v2
摘要
我们提出了 MetaEMG，一种用于中风康复机器人手部矫形器意图推断快速适应的元学习方法。在针对残障受试者的辅助与康复机器人机器学习中，一个关键挑战是难以收集带标签的训练数据。中风受试者的肌张力和痉挛程度通常差异显著，甚至同一受试者在设备的不同使用阶段中手部功能也会发生变化。我们研究了利用元学习来减轻将高容量神经网络适应于新阶段或新受试者所需的数据收集负担。我们在从五名中风受试者收集的真实临床数据上的实验表明，MetaEMG 能够凭借少量特定于阶段或受试者的数据集以及极少的微调轮次，提高意图推断的准确率。据我们所知，我们是首个将中风受试者的意图推断表述为元学习问题，并展示利用 EMG 信号控制机器人手部矫形器时对新阶段或新受试者快速适应的研究。
引用
@article{arxiv.2403.13147,
title = {Meta-Learning for Fast Adaptation in Intent Inferral on a Robotic Hand Orthosis for Stroke},
author = {Pedro Leandro La Rotta and Jingxi Xu and Ava Chen and Lauren Winterbottom and Wenxi Chen and Dawn Nilsen and Joel Stein and Matei Ciocarlie},
journal= {arXiv preprint arXiv:2403.13147},
year = {2025}
}
备注
Published at IROS 2024