Red de Fusión de Doble Rama: Decodificación Precisa del Par de Múltiples Articulaciones de las Extremidades...

Área de la Ciencia:

• Ingeniería Biomédica
• Robótica
• Aprendizaje Automático

Sus antecedentes:

• La estimación precisa en tiempo real del par de las articulaciones de las extremidades inferiores es crucial para la interacción adaptativa humano-exoesqueleto.
• Los métodos existentes tienen dificultades con la locomoción diversa y los entornos dinámicos.

Objetivo del estudio:

• Desarrollar un marco novedoso para la estimación precisa en tiempo real del par de las articulaciones de las extremidades inferiores en diversas condiciones de locomoción.
• Mejorar la interacción adaptativa humano-exoesqueleto a través de un control de par preciso.

Principales métodos:

• Se desarrolló una arquitectura de doble rama que combina Redes Convolucionales Temporales (TCN) y Transformers.
• TCN procesó la dinámica temporal local, mientras que Transformers capturó las dependencias globales.
• Se empleó un mecanismo de fusión residual específico para cada articulación y consciente de la tarea con mejora residual para la síntesis de características.

Principales resultados:

• El marco logró una alta precisión en doce patrones de locomoción con bajos errores cuadráticos medios (por ejemplo, 0,1405 Nm/kg para la rodilla) y altos coeficientes de correlación de Pearson (por ejemplo, 0,9904 para el tobillo).
• Mantuvo una baja latencia de 4,2912 ms, lo que demuestra eficiencia computacional.
• Mostró una fuerte adaptabilidad en conjuntos de datos públicos.

Conclusiones:

• El método propuesto equilibra eficazmente la alta precisión de estimación con la eficiencia computacional requerida para aplicaciones en tiempo real.
• Aborda con éxito las limitaciones en la adaptación a entornos dinámicos para sistemas humano-exoesqueleto.
• Este avance proporciona una solución rápida y fiable para el control adaptativo del par del exoesqueleto, mejorando la interacción natural humano-robot.