ROIAL：用于刻画外骨骼步态偏好景观的兴趣区域主动学习
机器人学
2022-01-10 v2 人机交互
机器学习
摘要
刻画哪些类型的外骨骼步态对用户而言是舒适的，并更一般地理解行走的科学，需要恢复用户的效用景观。学习这些景观具有挑战性，因为行走轨迹由众多步态参数定义，人体试验的数据收集成本高昂，且必须确保用户的安全与舒适。本工作提出兴趣区域主动学习（ROIAL）框架，该框架在确保安全和舒适的兴趣区域内主动学习每位用户潜在的效用函数。ROIAL从序数与偏好反馈中学习，这些反馈机制比绝对数值评分更为可靠。该算法的性能在仿真中以及三名无残疾受试者在下半身外骨骼内行走的实验中进行了评估。ROIAL学习贝叶斯后验，预测每位外骨骼用户跨四个外骨骼步态参数的效用景观。该算法发现了用户间步态偏好的共性与差异，并识别出最影响用户反馈的步态参数。这些结果证明了从有限人体试验中恢复步态效用景观的可行性。
引用
@article{arxiv.2011.04812,
title = {ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton Gait Preference Landscapes},
author = {Kejun Li and Maegan Tucker and Erdem Bıyık and Ellen Novoseller and Joel W. Burdick and Yanan Sui and Dorsa Sadigh and Yisong Yue and Aaron D. Ames},
journal= {arXiv preprint arXiv:2011.04812},
year = {2022}
}
备注
6 pages + 1 page of references; 7 figures; To Appear at ICRA 2021