一种结合深度学习和元强化学习的混合架构，用于老年人的适应性人工智能辅助精细运动控制训练

《Scientific Reports》：A hybrid deep learning and meta-reinforcement learning architecture for adaptive AI-assisted fine motor control training in older adults

　　

摘要

在全球人口老龄化背景下，老年人精细运动能力的下降严重影响了他们操作数字设备的能力，从而直接限制了他们参与数字学习活动和智能养老服务。传统的运动训练方法缺乏个性化及实时适应性，并且服务成本高昂，给养老服务管理体系带来了压力。本研究提出了一种混合智能架构，结合了状态表示学习和元强化学习来应对这些挑战。该架构通过深度编码网络从操纵杆交互数据中提取低维状态嵌入向量，准确量化参与者的运动控制能力和任务进展。基于元强化学习的自适应决策模块能够快速适应老年人之间的个体差异，在干预效果与自主性培养之间实现动态平衡。多维奖励函数将任务完成度、用户自主性、干预强度和运动技能进步整合为一个统一的优化目标。实验结果表明，该系统显著提升了参与者在轨迹跟踪任务中的表现和运动技能学习效率。用户自主性在训练过程中逐渐增强，而人工智能干预则逐渐减少，证明了这种混合架构在优化人机协作训练方面的有效性。这项研究为促进积极老龄化、缩小数字鸿沟以及提升养老服务管理效率提供了技术途径。