通过强化学习塑造个性化阻抗地形用于步态训练
机器人学
2022-01-04 v2
摘要
按需辅助(AAN)控制旨在通过鼓励患者主动参来促进机器人辅助康复的治疗效果。大多数AAN控制器使用阻抗控制，在目标运动周围创建柔顺力场，以确保跟踪精度同时允许适度运动学误差。然而，由于支配力场形状的参数常手动调节或基于关于受试者学习能力的简化假设在线自适应，传统AAN控制器的有效性可能受限。本工作中，我们提出一种新颖的自适应AAN控制器，能够根据个体运动能力和任务需求以相位依赖方式自主重塑力场。所提控制器由改进的带路径积分的策略改进算法（一种无模型、基于采样的强化学习方法，实时学习受试者特定阻抗地形）以及将AAN范式通过指定性能驱动学习目标嵌入的分层策略参数评估结构组成。所提控制策略对受试者运动响应的适应性及其促进短期运动适应的能力，通过对健康受试者在跑步机训练中使用动力式踝足矫形器学习改变步态模式的实验得到验证。
引用
@article{arxiv.2109.02109,
title = {Shaping Individualized Impedance Landscapes for Gait Training via Reinforcement Learning},
author = {Yufeng Zhang and Shuai Li and Karen J. Nolan and Damiano Zanotto},
journal= {arXiv preprint arXiv:2109.02109},
year = {2022}
}
备注
in IEEE Transactions on Medical Robotics and Bionics, 2022