Composing an Assistive Control Strategy Based on Linear Bellman Combination From Estimated User's Motor Goal
Composing an Assistive Control Strategy Based on Linear Bellman Combination From Estimated User's Motor Goal
复制标题
根据估计的用户运动目标构建基于线性贝尔曼组合的辅助控制策略
DOI：
10.1109/lra.2021.3051562
复制
发表时间：
2021
影响因子：
5.2
通讯作者：
Morimoto Jun
中科院分区：
文献类型：
--
作者：
Furukawa Jun-ichiro;Morimoto Jun
在辅助控制策略中，我们必须估计使用者的动作意图。在以前的研究中，这种预期的运动推断线性转换肌肉活动的辅助机器人的关节扭矩或分类肌肉活动，以确定最有可能的运动从预先设计的机器人运动类。然而，这些方法的辅助性能在准确性和灵活性方面是有限的。在这项研究中，我们提出了一个最佳的辅助控制策略，使用估计的用户运动意图作为终端成本函数，不仅为不同的任务目标产生运动，但精确地提高运动与外骨骼机器人。基于线性Bellman组合方法，通过混合预先计算的最优控制律得到最优辅助策略。基于表示用户的移动意图的低维特征值来导出确定如何混合控制律的系数。为了验证我们提出的方法，我们进行了一个辅助篮球投掷任务，并表明我们的科目的性能显着提高。
In assistive control strategies, we must estimate the user's movement intentions. In previous studies, such intended motions were inferred by linearly converting muscle activities to the joint torques of an assistive robot or classifying muscle activities to identify the most likely movement from pre-designed robot motion classes. However, the assistive performances of these approaches are limited in terms of accuracy and flexibility. In this study, we propose an optimal assistive control strategy that uses estimated user movement intentions as the terminal cost function not only for generating movements for different task goals but to precisely enhance the motion with an exoskeleton robot. The optimal assistive policy is derived by blending the pre-computed optimal control laws based on the linear Bellman combination method. Coefficients that determine how to blend the control laws are derived based on low-dimensional feature values that represent the user's movement intention. To validate our proposed method, we conducted an assisted basketball-throwing task and showed that the performances of our subjects significantly improved.
DOI：
10.1007/s13246-018-0646-7
发表时间：
2018-06-01
影响因子：
--
作者：
Purushothaman, Geethanjali;Vikas, Raunak
通讯作者：
Vikas, Raunak
基于多核学习SVM的肌电模式分类用于下肢控制
DOI：
10.1109/icarcv.2010.5707406
发表时间：
2010
期刊：
2010 11th International Conference on Control Automation Robotics & Vision
影响因子：
--
作者：
Qingshan She;Zhizeng Luo;Ming Meng;Ping Xu
通讯作者：
Ping Xu
具有协作过滤功能的基于生物信号的机器人控制的数据库驱动方法
DOI：
10.1109/humanoids.2017.8246934
发表时间：
2017
期刊：
2017 IEEE-RAS 17th International Conference on Humanoid Robotics (Humanoids)
影响因子：
--
作者：
J. Furukawa;Asuka Takai;J. Morimoto
通讯作者：
J. Morimoto