歩行中のエクソスケルトンアシスタンスの相互作用に基づく迅速なヒューリスティック最適化

科学分野:

• 生体力学; ロボット工学; ヒューマンコンピュータインタラクション

背景:

• パーソナライズされたアシスタンスは、歩行中のエクソスケルトンのパフォーマンスを向上させます。
• 現在の最適化方法は、非効率的で、不快で、複雑です。

研究 の 目的:

• エクソスケルトンアシスタンスをパーソナライズするための、迅速、効率的、かつアクセス可能な方法を開発すること。
• エクソスケルトンの快適性、展開性、および計算の複雑さを低減すること。

主な方法:

• 2分以内に人間の関節モーメントを模倣することにより、エクソスケルトンアシスタンスを最適化する新しい方法を開発しました。
• このアプローチは、安定性を確保しながら、穏やかでパーソナライズされたトルクを提供します。
• オフボードアクチュエーションを備えた片側足首エクソスケルトンでテストされました。

主要な成果:

• アシスタンスの最適化は、最先端の方法よりも16倍高速でした。
• 筋肉活動を36.8%、代謝コストを20.4%削減しました。
• さまざまな条件、デバイス、環境にわたって効果的な展開を実証しました。

結論:

• この方法は、エクソスケルトンの研究および運用に関連するコストを大幅に削減します。
• 日常的なシナリオに対応する効果的でパーソナライズされた、継続的に調整されたエクソスケルトンのアクセシビリティを向上させます。
• フィードバック、チューニング、およびアシスタンスの定式化に関する既存の方法の制限を克服します。