Training Data Created to Gauge Care Robot User States
Training Data Created to Gauge Care Robot User States
Los investigadores han desarrollado un método para generar datos de entrenamiento para robots de asistencia, simulando posturas humanas mediante un modelo de enlaces, lo que elimina la necesidad de capturar movimientos en el mundo real, lo cual puede ser peligroso. Esta innovación permite que los robots estimen con precisión el estado físico del usuario y brinden la asistencia adecuada para actividades como levantarse y caminar, sin exponer a las personas mayores a los riesgos asociados con la recopilación de datos durante posturas inestables o anormales. El enfoque aprovecha simulaciones computacionales del cuerpo humano para crear conjuntos de datos integrales que representan diversos estados, incluidos aquellos propensos a caídas. Al basarse en estas simulaciones sintéticas en lugar de mediciones físicas, el sistema garantiza un aprendizaje más seguro y eficiente para las tecnologías de asistencia. Esto reduce la carga tanto para los usuarios como para los cuidadores, al tiempo que permite que los robots se adapten de manera más efectiva a diversas condiciones físicas. Esta investigación es relevante para el ámbito de los datos abiertos (open_data), ya que demuestra cómo los conjuntos de datos sintéticos y simulados pueden reemplazar métodos de recopilación de datos intensivos en recursos y éticamente desafiantes. Destaca el potencial para crear conjuntos de datos accesibles y reutilizables que faciliten el desarrollo de robótica más segura impulsada por inteligencia artificial. Al reducir las barreras de entrada para la generación de datos de entrenamiento, este método fomenta una colaboración más amplia y la innovación en el ecosistema de datos abiertos, particularmente para aplicaciones de bien social en el sector de la salud y la tecnología asistiva.
Fuente: miragenews.comPublicado el 2023-09-21