Video Experimental Relacionado
Updated: Apr 16, 2026
Engineering Platform and Experimental Protocol for Design and Evaluation of a Neurally-controlled Powered Transfemoral Prosthesis
Published on: July 22, 2014
Investigación sobre el reconocimiento de la marcha del exoesqueleto de las extremidades inferiores del robot basado
Chikun Gong1, Bingsheng Wei1, Yong Huang1
1Department of School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai, China.
Este estudio introduce un nuevo método de reconocimiento de la marcha para robots con exoesqueleto de extremidad inferior utilizando electromiografía de superficie fusionada (sEMG) y señales de unidad de medición inercial (IMU). El enfoque alcanza una precisión de más del 90%, mejorando la interacción humano-robot.
Área de la Ciencia:
- La robótica
- Ingeniería biomédica
- Procesamiento de señales
Sus antecedentes:
- El reconocimiento de la marcha en los robots de exoesqueleto de extremidades inferiores enfrenta desafíos con precisión y robustez.
- La interacción eficaz entre el hombre y la computadora se basa en un reconocimiento fiable de la marcha para un control sin fisuras.
Objetivo del estudio:
- Proponer un método de reconocimiento de la marcha robusto y preciso para robots con exoesqueleto de extremidad inferior.
- Para fusionar las señales de la electromiografía de superficie (sEMG) y la unidad de medición inercial (IMU) para un mejor reconocimiento.
- Aprovechar una red de contracción residual profunda (DRSN) para mejorar la clasificación de la marcha.
Principales métodos:
- Utilizó un nuevo método de extracción de características del núcleo de energía para las señales sEMG, convirtiendo los diagramas de fase en mapas de nivel gris.
- Aplicación de la desnudez y el procesamiento gráfico a las señales del IMU.
- Utilizó una red de contracción residual profunda (DRSN) para el reconocimiento de señales de sEMG y IMU fusionadas.
- Se llevaron a cabo experimentos fuera de línea y en línea con tres pasos comunes en el hardware desplegado.
Principales resultados:
- El DRSN con un mecanismo de atención mejoró significativamente el rendimiento de clasificación.
- La precisión de reconocimiento aumentó entre un 10% y un 20% en comparación con las señales de una sola fuente y otros métodos de extracción de características.
- Logró más del 90% de precisión de reconocimiento en experimentos en línea.
- La red de fusión multifunción demostró eficiencia en el tiempo, alta precisión y robustez.
Conclusiones:
- El método propuesto de reconocimiento de la marcha combinado de sEMG e IMU utilizando DRSN es altamente preciso y robusto.
- La extracción de características del núcleo de energía y el enfoque DRSN ofrecen mejoras significativas para las aplicaciones de robots exoesqueletos.
- Este método tiene un valor práctico para avanzar en la interacción humano-robot en la robótica de exoesqueletos.
