シミュレーションでの学習による実験のない外骨格支援

科学分野:

• ロボット
• バイオメカニクス
• 機械学習

背景:

• 外骨格は人間の運動能力を高めますが 広範なヒト試験と手動制御設計により開発が妨げられています
• ロボットによる制御における シミュレーションと現実のギャップを埋めるのは大きな課題です

研究 の 目的:

• シミュレーションで多用途のエクソスケルトン制御方針を学ぶための実験フリーメソッドを開発する.
• 支援ロボットの迅速な開発と普及を図る

主な方法:

• ダイナミクスに敏感な筋骨格と外骨格のモデルで学習するフレームワークを使用しました.
• 人体実験なしに制御政策を訓練するためにデータ主導の補強学習を使用しました.
• 学習したコントローラを 特殊なの外骨格に配置した

主要な成果:

• 歩行では24. 3%,ランニングでは13. 1%,階段を登る場合は15. 4%のメタボリック・レート低下を達成した.
• さまざまな活動に適応できる多面的な管理方針を示した.
• シミュレーションと現実のギャップを 橋渡しできた

結論:

• 提案された枠組みは,補助ロボットの開発のための一般化可能でスケーラブルな戦略を提供します.
• この方法により 身体能力のある人や 移動障害のある人のための ロボットソリューションの開発が加速されます
• 外 Skeleton コントロール開発の長いヒト試験の必要性を排除します.