PulseRide：一种基于深度 Q 网络的人机环绕强化学习的个性化 exertion 控制机器人轮椅
机器人学
2025-06-06 v1 人机交互
摘要
维持活跃生活方式对生活质量至关重要，但对轮椅用户来说却面临挑战。例如，动力轮椅因缺乏活动而面临肥胖和功能下降的风险增加。相反，手动轮椅用户通过推动轮椅的手把手柄来推进轮椅，常常因反复运动而承担上肢受伤风险。这些挑战凸显了需要一种在促进活动的同时最小化受伤风险的 mobility 系统的需求。维持轮椅使用期间的最佳 exertion 水平可提高健康益处和参与度，但个体生理反应的差异 complicate exertion 优化。为此，我们引入 PulseRide，一种基于每个用户生理反应提供个性化帮助，以帮助他们维持身体 exertion 目标的轮椅系统。与专注于障碍规避和导航的传统辅助系统不同，PulseRide 将实时生理数据（如心率和 ECG）与轮椅速度集成，以提供自适应帮助。我们采用基于深度 Q 网络 (DQN) 的人机环绕强化学习方法，该系统调整推力帮助，将用户维持在适度活动范围内，避免过度或不足的 exertion。我们对 10 名用户在包括地毯和石板等各种地形上进行了初步测试，以评估 PulseRide 的效果。我们的发现表明，对于 individual 用户，PulseRide 在 manual 轮椅中可延长保持心率在适度活动区的时间长达 71.7%。在所有用户中，我们观察到肌肉收缩平均减少 41.86%，延迟疲劳发生，提高整体舒适度和参与度。这些结果表明，PulseRide 提供了一种更健康、自适应的 mobility 解决方案，弥合了被动与体力消耗型 mobility 选项之间的差距。
关键词
引用
@article{arxiv.2506.05056,
title = {PulseRide: A Robotic Wheelchair for Personalized Exertion Control with Human-in-the-Loop Reinforcement Learning},
author = {Azizul Zahid and Bibek Poudel and Danny Scott and Jason Scott and Scott Crouter and Weizi Li and Sai Swaminathan},
journal= {arXiv preprint arXiv:2506.05056},
year = {2025}
}