从领域专家那里学习技能培训时间表,用于多患者多机器人康复健身房

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 康复医学 康复医学 康复医学

背景情况:

• 机器人健身房可以在治疗师的监督下同时进行患者康复.
• 优化患者机器人任务可以提高多患者培训结果.
• 需要动态的分配策略,以适应实时的患者数据.

研究的目的:

• 开发和评估用于动态患者机器人分配的监督学习方法.
• 为自动化分配政策利用领域专家知识.
• 在模拟的机器人康复环境中提高患者技能.

主要方法:

• 开发了一个神经网络模型来预测患者-机器人分配优先级.
• 该模型在合成数据集上训练,模拟专家分配行为.
• 该方法在模拟复杂度不同的康复健身房场景中进行了评估.

主要成果:

• 分配算法在模仿专家行为方面达到很高的准确性 (75.4%84.5%).
• 拟议的方法在平均技能增长方面显著优于基线分配策略.
• 该系统在没有完全了解技能获取动态的情况下,证明了有效的患者培训计划.

结论:

• 学习的动态分配策略可以有效地优化康复环境中的患者机器人分配.
• 从专家行为中进行监督学习为创建自动化分配系统提供了一种可行的方法.
• 这种方法提高了机器人辅助物理治疗的效率和有效性.