文献

J-GLOBAL ID：202002259865386077   整理番号：20A0749312

高次元逆強化学習による医用ロボットの人間運動解析【JST・京大機械翻訳】

Human motion analysis in medical robotics via high-dimensional inverse reinforcement learning

著者 (2件)： Li Kun (Department of Mechanical and Civil Engineering, California Institute of Technology, Pasadena, CA, USA) ,  Burdick Joel W (Department of Mechanical and Civil Engineering, California Institute of Technology, Pasadena, CA, USA)
資料名： International Journal of Robotics Research  (International Journal of Robotics Research)
巻： 39  号： 5  ページ： 568-585  発行年： 2020年 
JST資料番号： W2140A  ISSN： 0278-3649  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,医療,臨床およびロボット応用における人間の運動解析のための新しい高次元逆強化学習(IRL)アルゴリズムを開発した。この方法は,外科的ロボットオペレータのスキルまたは患者の運動スキルが運動計画中に自然報酬関数に符号化され,運動実証からIRLアルゴリズムにより回復されるという仮定に基づいている。このクラスのアプリケーションは,ほとんどの既存のIRLアルゴリズムに対して計算的に禁止されている高次元の感覚データによって特徴付けられる。高次元状態空間を効率的に扱うために,新しい関数近似フレームワークを提案し,Bellman最適性方程式を再定式化した。シミュレーション環境において異なる関数近似器を比較し,関数近似器として深いニューラルネットワークを採用した。本法を脊髄刺激下で脊髄損傷を有するヒト患者を評価するために適用し,外科的ロボットオペレータのスキルレベルを評価した。結果は,提案した方法の効率と有効性を実証した。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 脊髄損傷 ,  シミュレーション ,  ニューラルネットワーク ,  計算機シミュレーション ,  定式化 ,  関数近似 ,  アルゴリズム ,  応用プログラム ,  *ロボット ,  *動作分析 ,  *高次元 ,  脊髄 ,  データ解析 ,  有効性 ,  ヒト ,  *医用ロボット

著者キーワード (3件)： 人間の運動解析 ,  逆強化学習 ,  医療データ解析

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 高次元 ,  逆強化学習 ,  医用ロボット ,  人間 ,  運動解析