由丰田工业大学机械工程系助理教授Mizuki Takeda领导的一个研究小组开发了一种技术，可以为机器人生成训练数据，这些机器人使用机器学习根据对用户状态的估计进行操作。这项研究发表在《IEEE Access》杂志上。
迄今为止，已经提出了一些基于机器学习的方法，使用候选点作为重心位置来估计机器人用户的状态。然而，对于这种学习，需要与机器人何时用于支持运动相对应的训练数据。研究小组开发了一种无需分析动作就可以利用人体连接模型生成训练数据的方法。
随着肌肉衰弱的老年人在日常生活中经常需要帮助，支持站立和行走等频繁任务的机器人的开发正在取得进展。机器人通常需要自动执行辅助动作，以减轻人类护理人员的负担。机器人的这一特性需要根据使用机器人的老年人的姿势来估计他们的状态，并为他们的状态提供合适的支持。
研究小组提出了一种利用机器学习计算机器人用户重心候选位置并估计其状态的方法。然而，在这种方法中，需要在使用机器人的同时获取用户的动作作为训练数据。特别是，获取异常状态下的数据(例如用户在走路时可能摔倒的姿势)对于处于这些异常状态的老年人来说可能会很费力。
因此，研究小组开发了一种不需要测量运动就可以利用人体连接模型来生成候选重心位置训练数据的方法。人体连杆模型是一种用刚性连杆和旋转关节表示人体的简单模型。该模型可以模拟人体在各种状态下的姿势，如坐着、站着、异常状态等，从而生成训练数据。
实验证实，护理机器人可以根据该方法生成的训练数据进行学习，估计用户的状态，并支持站、走、坐的动作。
该团队认为，开发的基于人体链接模型的训练数据创建方法可以应用于各种形状和各种用途的护理机器人。此外，它还可以应用于工业和通信机器人，这些机器人需要基于人的状态估计进行操作。
未来，研究小组计划开发出能够向用户提供必要信息的干扰型机器人，从而实现人与机器人之间的有效沟通，从而创造出更安全、更容易使用的系统。
更多信息:Mizuki Takeda等人，基于人链模型的护理机器人用户状态估计训练数据生成，IEEE Access(2023)。DOI: 10.1109/ Access .2023.3292344期刊信息:IEEE Access
丰桥工业大学提供
引用:创建训练数据以估计护理机器人用户的状态(2023年，9月20日)，2023年9月21日检索自https://techxplore.com/news/2023-09-creation-states-robot-users.html
作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司
内容仅供参考之用。
