使用运动传感器技术可以将人体运动作为高维连续信号捕获。即使是从机动性有限的人捕获的情况下,重新培养数据也可能会出奇丰富。在这项工作中,我们探讨了通过运动传感器捕获的有限上身运动的使用,作为控制7度自由度的机器人臂的输入。即使是密集的传感器信号也可能缺乏可靠的高维机器人控制所需的显着信息和独立性。随着人类在这种限制的背景下随着时间的流逝而学习,可以利用对机器人的智能来更好地识别关键的学习挑战,提供有用的反馈,并支持个人,直到管理挑战。在这篇简短的论文中,我们从正在进行的研究中检查了两个未受伤的参与者的数据,以提取初步结果并分享见解。我们观察到机器人智能的机会介入,包括在所有控制方面所花费的时间,单个控制维度的不对称时间以及用户在学习方面的进步的情况。关于这些情境的机器推理可能会促进将来的新界面学习。
主要关键词