Dual-Agent Multiple-Model Reinforcement Learning for Event-Triggered Human-Robot Co-Adaptation in Decoupled Task Spaces
Este artigo apresenta uma política de controle compartilhado para reabilitação que utiliza aprendizado por reforço de dupla agente com múltiplos modelos (DAMMRL) e uma estratégia de acionamento por eventos para otimizar a co-adaptação humano-robô em tarefas de alcance, permitindo que o paciente defina a direção principal enquanto o robô ajusta dinamicamente movimentos corretivos para equilibrar precisão e eficiência temporal.