デュアルブランチ融合ネットワーク：下肢多関節トルクの精密デコーディング

科学分野:

• 生物医学工学; ロボット工学; 機械学習

背景:

• 正確なリアルタイム下肢関節トルク推定は、適応型人間-外骨格相互作用にとって重要です。; 既存の方法は、多様な歩行や動的な環境への対応に苦労しています。

研究 の 目的:

• 多様な歩行条件下での正確なリアルタイム下肢関節トルク推定のための新しいフレームワークを開発すること。; 精密なトルク制御による適応型人間-外骨格相互作用を改善すること。

主な方法:

• 時間的畳み込みネットワーク（TCN）とTransformerを組み合わせたデュアルブランチアーキテクチャを開発しました。; TCNは局所的な時間的ダイナミクスを処理し、Transformerはグローバルな依存関係を捉えました。; 特徴合成のために、残差強化を備えた関節固有のタスク認識型残差融合メカニズムを採用しました。

主要な成果:

• このフレームワークは、12の歩行パターン全体で高い精度を達成し、低い二乗平均平方根誤差（例：膝で0.1405 Nm/kg）と高いピアソン相関係数（例：足首で0.9904）を記録しました。; 4.2912 msの低遅延を維持し、計算効率を示しました。; 公開データセットで強力な適応性を示しました。

結論:

• 提案された方法は、リアルタイムアプリケーションに必要な計算効率と高い推定精度を効果的にバランスさせます。; 動的な環境への適応における限界を人間-外骨格システムに対してうまく解決します。; この進歩は、適応型外骨格トルク制御のための高速で信頼性の高いソリューションを提供し、自然な人間-ロボット相互作用を強化します。