握力时空建模捕捉手动机器人控制中的熟练度
机器人学
2023-03-06 v1 人工智能
摘要
本文在我们先前工作的基础上，利用人工智能预测手动机器人控制中个体的握力变异性。通过可穿戴无线传感器技术，从个体优势手与非优势手的多个位置记录握力。统计分析凸显了一名完全新手与一名高度熟练专家在手动机器人控制中数千次握力的技能特异性时间变化。一个受大脑启发的神经网络模型，使用自组织映射（Self Organizing Map）以无监督胜者通吃学习的输出度量，运行于每名用户双手的传感器输出上。该神经网络度量表达了在任意时刻 t 输入表示与其模型表示之间的差异，并可靠地捕捉了新手与专家在握力变异性上的表现差异。对个体平均握力进行的、受功能驱动的时空分析——计算于优势（惯用）手中少量任务相关传感器输出的等长时间窗内——揭示了反映机器人任务技能的手指特异性协同模式。这些分析为实时握力监测铺平了道路，以追踪受训者的任务技能演进，或在高感官不确定性的环境情境中识别人机交互中的个体熟练水平。简约人工智能（AI）辅助将有助于新型手术的成果，特别是单孔入路如 NOTES（自然腔道内镜手术）与 SILS（单切口腹腔镜手术）。
引用
@article{arxiv.2303.01995,
title = {Spatiotemporal modeling of grip forces captures proficiency in manual robot control},
author = {Rongrong Liu and John M. Wandeto and Florent Nageotte and Philippe Zanne and Michel de Mathelin and Birgitta Dresp-Langley},
journal= {arXiv preprint arXiv:2303.01995},
year = {2023}
}