基于元学习的模式识别与自适应控制实现人机交互

该框架用元学习训练的神经网络识别主动引导与被动跟随两种人机交互模式，无需手动设定切换阈值，被动模式识别率从90.1%提升至99.1%，主动模式从79.8%提升至97.1%。自适应元学习控制器可补偿人体扰动并在线适应不同交互力，多轨迹元学习算法联合学习环境基表征与力相关参数以处理未建模动力学，实验验证了其鲁棒控制与可靠模式识别性能。