由丰桥工业大学机械工程系助理教授 Mizuki Takeda 领导的研究小组开发了一种技术，可以为机器人生成训练数据，这些数据基于使用机器学习对用户状态的估计进行操作。迄今为止，已经提出了一些基于机器学习的方法来使用重心位置的候选点来估计机器人用户的状态。然而，对于这种学习，需要与机器人用于支持运动时相对应的训练数据。上述研究团队开发了一种利用人体链接模型创建训练数据的方法，而无需分析动作。

细节

由于肌肉无力的老年人在日常生活中经常需要帮助，支持站立和行走等频繁执行任务的机器人的开发正在取得进展。机器人常常需要自动进行辅助动作，以减轻人类护理人员的负担。机器人的这一特性需要根据使用机器人的老年人的姿势来估计其状态，并为其状态提供合适的支持。目前，研究团队提出了一种利用机器学习计算机器人用户重心候选位置并估计状态的方法。然而，在该方法中，需要在使用机器人时获取用户的动作作为训练数据。特别，

因此，研究团队开发了一种利用人体连杆模型创建候选重心位置训练数据的方法，而无需测量运动。人体连杆模型是用刚性连杆和旋转关节表示人体的简单模型。该模型可用于模拟人体在坐、站、异常等各种状态下的姿势，从而创建训练数据。实验证实，护理机器人可以根据该方法创建的训练数据进行学习，估计用户的状态，并支持站立、行走和坐下动作。

未来展望

研究团队认为，所开发的基于人体链接模型的训练数据创建方法可以应用于各种形状和服务于各种用途的护理机器人。此外，它还可以应用于需要基于人的状态估计进行操作的工业和通信机器人。未来，研究团队计划通过开发一种基于干扰的机器人来创建一个更安全、更易于使用的系统，该机器人能够向用户提供必要的信息，以实现人与机器人之间的有效沟通。