Création de données de formation pour estimer les états de soins des utilisateurs du robot

Une équipe de recherche dirigée par le professeur adjoint Mizuki Takeda du département de génie mécanique de l’université de technologie de Toyohashi a développé une technique permettant de générer des données d’entraînement pour les robots qui fonctionnent sur la base d’estimations de l’état de l’utilisateur à l’aide de l’apprentissage automatique. La recherche est publiée dans la revue Accès IEEE.

À ce jour, certaines méthodes basées sur l’apprentissage automatique ont été proposées pour estimer l’état des utilisateurs d’un robot en utilisant des points candidats pour la position du centre de gravité. Cependant, pour un tel apprentissage, des données d’entraînement correspondant au moment où le robot est utilisé pour supporter des mouvements sont nécessaires. L’équipe de recherche a développé une méthode de création de données d’entraînement en utilisant un modèle de lien avec le corps humain sans avoir besoin d’analyser les mouvements.

Le développement de robots prenant en charge des tâches fréquemment effectuées telles que se lever et marcher progresse, car les personnes âgées dont les muscles sont affaiblis ont souvent besoin d’aide dans leur vie quotidienne. Les robots doivent souvent effectuer automatiquement des actions d’assistance pour réduire le fardeau des soignants humains. Cette fonctionnalité des robots nécessite d’estimer l’état en fonction de la posture des personnes âgées qui utilisent le robot et de fournir un support adapté à leur état.

L’équipe de recherche a proposé une méthode permettant de calculer les positions candidates du centre de gravité de l’utilisateur du robot et d’estimer l’état à l’aide de l’apprentissage automatique. Cependant, dans cette méthode, il est nécessaire d’acquérir les mouvements de l’utilisateur comme données d’entraînement lors de l’utilisation du robot. En particulier, l’acquisition des données dans des états anormaux (tels que des postures dans lesquelles l’utilisateur est susceptible de tomber en marchant) pourrait être pénible pour les personnes âgées se trouvant dans ces états anormaux.

Par conséquent, l’équipe de recherche a développé une méthode permettant de créer des données d’entraînement pour les positions candidates du centre de gravité en utilisant un modèle de lien avec le corps humain sans avoir besoin de mesurer les mouvements. Le modèle de lien du corps humain est un modèle simple représentant le corps humain avec des liens rigides et des articulations rotatives. Ce modèle peut être utilisé pour simuler des positions humaines dans chaque état tel que les états assis, debout et anormaux et ainsi créer des données d’entraînement.

Des expériences ont confirmé que les robots de soins peuvent apprendre sur la base des données d’entraînement créées par cette méthode, estimer l’état de l’utilisateur et prendre en charge les actions debout, marchant et assis.

L’équipe estime que la méthode de création de données de formation développée, basée sur le modèle de lien avec le corps humain, peut être appliquée à des robots de soins de différentes formes et servant à divers objectifs. De plus, il peut être appliqué aux robots industriels et de communication, où des opérations basées sur des estimations d’état de personnes sont nécessaires.

À l’avenir, l’équipe de recherche prévoit de créer un système plus sûr et plus facile à utiliser en développant un robot basé sur les interférences, capable de présenter les informations nécessaires à l’utilisateur pour une communication efficace entre les humains et les robots.