Основные понятия
보조 로봇 모델의 일반화 가능성을 향상시키는 것이 중요하며, 이를 위해 다양한 작업에 걸친 모델 성능 평가가 필요하다.
Аннотация
이 연구는 보조 로봇 모델의 일반화 가능성을 조사하였다. 상지 외골격 로봇인 MyoPro 2 Motion-G를 사용하여 6가지 작업(수평, 수직, 왼쪽 다리에서 오른쪽 눈, 오른쪽 다리에서 왼쪽 눈, 섭취, 밀기)에 대한 데이터를 수집하였다. 6가지 회귀 알고리즘(LWPR, KNN, SVR, XGBoost, MLP, GPR)을 사용하여 각 작업에 대한 모델을 구축하고, 교차 검증을 통해 성능을 평가하였다.
결과에 따르면 수평 작업 모델과 의사결정 트리 기반 알고리즘이 가장 우수한 일반화 성능을 보였다. 이는 보조 로봇 모델의 효과성과 적응성을 높이는 전략 수립에 활용될 수 있다.
Статистика
수평 작업 모델의 일반화 성능은 86.90%로 가장 높았다.
수직 작업 모델은 수평 작업 모델 대비 32.65% 낮은 일반화 성능을 보였다.
왼쪽 다리에서 오른쪽 눈 작업 모델은 수평 작업 모델 대비 18.69% 낮은 일반화 성능을 보였다.
오른쪽 다리에서 왼쪽 눈 작업 모델은 수평 작업 모델 대비 17.05% 낮은 일반화 성능을 보였다.
섭취 작업 모델은 수평 작업 모델 대비 15.91% 낮은 일반화 성능을 보였다.
밀기 작업 모델은 수평 작업 모델 대비 17.33% 낮은 일반화 성능을 보였다.
Цитаты
"보조 로봇 모델의 일반화 가능성을 향상시키는 것이 중요하며, 이를 위해 다양한 작업에 걸친 모델 성능 평가가 필요하다."
"수평 작업 모델과 의사결정 트리 기반 알고리즘이 가장 우수한 일반화 성능을 보였다."