文献

J-GLOBAL ID：202202248428571139   整理番号：22A0631363

逆強化学習と逆最適制御を用いた移動中の人間-ロボット性能目標の推定【JST・京大機械翻訳】

Inferring Human-Robot Performance Objectives During Locomotion Using Inverse Reinforcement Learning and Inverse Optimal Control

著者 (6件)： Liu Wentao (UNC/NCSU Department of Biomedical Engineering, North Carolina State University, Raleigh, NC, USA) ,  Zhong Junmin (School of Electrical, Computer, and Energy Engineering, Arizona State University, Tempe, AZ, USA) ,  Wu Ruofan (School of Electrical, Computer, and Energy Engineering, Arizona State University, Tempe, AZ, USA) ,  Fylstra Bretta L (UNC/NCSU Department of Biomedical Engineering, North Carolina State University, Raleigh, NC, USA) ,  Si Jennie (School of Electrical, Computer, and Energy Engineering, Arizona State University, Tempe, AZ, USA) ,  Huang He Helen (UNC/NCSU Department of Biomedical Engineering, North Carolina State University, Raleigh, NC, USA)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 2549-2556  発行年： 2022年 
JST資料番号： W2448A  ISSN： 2377-3766  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： 人間-ロボットシステムに対する移動性能目標を定量的に特徴付けることは,人間-ロボット共生に対する支援ウェアラブルロボット設計における重要な考察である。しかし,この問題は文献ではまばらにしか対処されていない。本研究では,二次形式で表現される人間-ロボット集団性能目標を推論するために,観測された人間-ロボット歩行挙動から新しい逆アプローチを提案した。ヒト実験とシミュレーション研究の革新的設計によって,逆強化学習(IRL)と逆最適制御(IOC)を用いて逆問題を解くための2つの解法の有効性を検証した。ロボット経大腿プロテーゼによるヒト歩行のIRLベース実験は,提案した逆アプローチの現実的な応用性を検証したが,IOCベース分析は,ヒト実験から得るのが困難な安定性およびロバスト性のような重要な人間-ロボットシステム特性を提供した。本研究では,ウェアラブル下肢ロボットの分野への新しいツールを紹介した。将来,ウェアラブルロボット制御を個人化するために,関節人間-ロボット移動性能目標を定量化することが期待されている。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  最適制御 ,  *ロボット ,  *学習制御 ,  ヒト ,  生体代行装置 ,  システム特性 ,  逆問題 ,  二次形式 ,  有効性 ,  ロバスト性
準シソーラス用語： ウェアラブルロボット ,  ウェアラブル ,  ロボットシステム ,  ヒト歩行 ,  *逆強化学習 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  ロボットの設計・製造・構造要素  (IC04013A)

タイトルに関連する用語 (6件)： 強化学習 ,  最適制御 ,  人間 ,  ロボット ,  目標 ,  推定