外骨格/ヒューマンインザループ最適化2026/9/25arXiv:2609.30695

下半身外骨格のための多目的ヒューマンインザループベイズ最適化

Multi-Objective Human-in-the-Loop Bayesian Optimization of a Lower-Limb Exoskeleton

代謝コストと快適性の2目的を同時に扱う多目的ヒューマンインザループベイズ最適化を提案し、下半身外骨格でパレート最適な制御器を個人適応的に発見できることを示した。

詳しい要約

1. どんなもの？

- 下肢外骨格の制御を、装着者の代謝コストと快適性の2目的で最適化する手法。 - 既存のHILOは単一目的か固定重み付け多目的のみ。 - 個人の選好を反映したPareto最適制御器集合を推定するMO-HILBOを提案。 - 外骨格で実験し、Pareto最適解の発見と順序の一貫性を確認。 - Pythonパッケージmohiloをオープンソース化。

2. 先行研究と比べてどこがすごい？

- 既存HILOは単一目的または固定重み付け多目的で、個人の選好を表現できない。 - MO-HILBOは明示的多目的ベイズ最適化に基づき、個人化されたPareto最適制御器集合を効率的に推論。 - 既存の多目的HILO手法と比較し、Pareto最適解の発見と順序の一貫性を実証。 - 時間変動する要因に応じた目的間の優先度変化を扱える点が新しい。

3. 技術・手法の肝は？

- 明示的多目的ベイズ最適化をHILOに拡張したMO-HILBOを提案。 - 目的は代謝コスト（効率）と順序人間フィードバック（快適性）。 - 効率的にPareto最適制御器集合を推論する。 - 詳細なアルゴリズムは要旨からは不明。

4. どうやって有効だと検証した？

- 下肢外骨格でMO-HILBOを実験的に実証。 - 2目的：代謝コストと順序人間フィードバック。 - 結果：(1) Pareto最適制御器を発見、(2) Pareto front上の点のペアワイズ順序が検証試行と一致。 - 既存の多目的HILO手法と比較。

5. 議論はある？

- 要旨からは不明。 - 限界や議論については記述なし。

6. 次に読むべき論文は？

- 既存の多目的HILO手法（具体的名称は要旨からは不明）。 - 明示的多目的ベイズ最適化に関する研究。 - 同分野の定番：Human-in-the-loop optimization (HILO) の研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Neil Janwani, Matthew T. Lerner, Aaron J. Young, Maegan Tucker

分類: cs.RO, cs.HC

原文アブストラクト

Human-in-the-loop optimization (HILO) is a common approach for optimizing the control of assistive devices to account for the wearer's unique biomechanics and subjective preferences. However, despite research suggesting that a person may have a different prioritization of objectives depending on time-varying factors such as the environment, their mood, or energy levels, existing HILO approaches only consider a single objective or enforce a fixed weighting on a set of objectives. Neither approach is capable of representing an individual's preferences over objectives. In this work, we propose Multi-Objective Human-in-the-loop Bayesian Optimization (MO-HILBO), which builds on explicit multi-objective Bayesian optimization to efficiently infer a personalized set of Pareto-optimal controllers. We compare our approach with an existing multi-objective HILO method and experimentally demonstrate MO-HILBO on a lower-limb exoskeleton across two objectives: metabolic cost (efficiency) and ordinal human feedback (comfort). We find that MO-HILBO (1) discovers Pareto-optimal controllers, and (2) that the pairwise ordering of points on the Pareto front itself is consistent with validation trials. Lastly, we open-source mohilo, a Python package for running both HILO and MO-HILBO on wearable devices: https://dynamicmobility.github.io/mohilo/.

arXivで原文を読む →arXiv概要ページ

← 論文一覧