相关实验视频
Updated: Jul 7, 2025
08:16
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
13.4K
个性化对使用扩展卡尔曼波器的步态跟踪性能的影响
José A Montes-Pérez1, Gray Cortright Thomas1, Robert D Gregg1
1Department of Robotics, University of Michigan, Ann Arbor, MI 48109 USA.
Proceedings of the ... IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE/RSJ International Conference on Intelligent Robots and Systems
|December 22, 2023
概括
个性化外骨测量模型显著改善了步态估计. 这种增强有助于为各种走路模式创建更具响应性和适应性的机器人辅助.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物力学 生物力学
- 人与计算机的交互
背景情况:
- 外骨架提供移动性援助,但与个人步行变化作斗争.
- 目前的步态估计控制器依赖于独立于主体的模型,导致动力学错误.
- 在步态估计中测量模型的个性化仍未得到充分探索.
研究的目的:
- 使用个性化的测量模型量化步态跟踪精度的改进,与扩展卡尔曼波器 (EKF) 中的独立对象模型相比.
- 评估个性化对估计关键步态变量 (如阶段,步幅长度和地面倾斜) 的影响.
主要方法:
- 使用扩展卡尔曼波器 (EKF) 进行在线步态估计.
- 将一个个性化的测量模型与一个独立于主体的模型进行比较.
- 在各种参数中调整测量模型共变矩阵以评估性能.
主要成果:
- 个性化改进了平均8.5 ± 13.8%的阶段估计误差.
- 使用个性化,步伐长度估计误差平均减少了27.2±8.1%.
- 地面倾斜率估计误差平均减少了10.5 ± 13.5%.
结论:
- 个性化测量模型显著提高了基于EKF的步态估计的性能.
- 改进的步态跟踪可以为动态的人类运动提供更可靠和更适应的机器人辅助.
- 这些发现支持对外骨进行个性化控制策略的开发,以适应个体步行特征.
