全身运动引导的参考生成：面向不确定性感知的柔顺辅助
论文提出双环外骨骼辅助策略：外环生成器以全身人体运动、外骨骼本体感知为主，任务描述为辅助语义线索，经去噪合成未来外骨骼轨迹，并采用三阶段训练分别优化人体运动编码器、本体感知编码器与轨迹生成器。内环从生成器采样多条未来轨迹估计均值与方差，均值作控制参考，方差作为预测可靠性不确定性度量并纳入刚度调节律，在有界集总交互输入下实现输入-状态稳定的柔顺辅助。实验显示该方法较标准基线显著降低肌肉激活水平，并较无辅助条件降低使用者代谢能耗。
发布于 10-23 23:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Whole-Body Motion Guided Reference Generation for Uncertainty-Aware Compliant Assistance》查看原链
arXiv:2610.31302v1 公告类型：新论文 摘要：外骨骼在增强人体物理能力方面已展现出巨大潜力，但在实际应用中，由于人体运动模式和交互需求差异很大，生成可靠的辅助仍然具有挑战性。 为解决这一问题，本文提出一种双环辅助策略，将多模态外骨骼轨迹生成与可变导纳控制耦合起来，其中轨迹方差连接外环生成器与内环控制器。
生成器主要通过全身人体运动和外骨骼本体感知，并以任务描述作为辅助语义线索，经去噪过程合成未来的外骨骼轨迹。 为减少跨模态表示不匹配，本文引入三阶段训练流程，逐步优化人体运动编码器、外骨骼本体感知编码器和轨迹生成器。 在内环中，从生成器采样多条未来轨迹，以估计轨迹均值和方差。
均值用作控制参考，方差则提供预测可靠性的不确定性度量。 该度量进一步被纳入刚度调节律，从而在有界集总交互输入下实现具有输入-状态稳定性的柔顺辅助。 实验结果表明，与标准基线相比，所提方法显著降低了肌肉激活水平，同时相对于无辅助条件也降低了使用者的代谢能量消耗。