相关实验视频
Updated: Jul 15, 2026
12:33
Corticospinal Excitability Modulation During Action Observation
Published on: December 31, 2013
8.9K
转移辅助行动的新预测方法,以个人差异为导向,用于排泄护理机器人
Yina Wang1, Wenjie Hao1, Yanjun Yu1
1School of Electrical Engineering, Shenyang University of Technology, Shenyang 110870, China.
Sensors (Basel, Switzerland)
|December 23, 2023
概括
这项研究引入了一种新方法,使机器人能够在分泌护理过程中准确地识别个体转移动作. 具有双向长期和短期记忆网络的多头注意力提高了识别准确性和稳定性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 精确识别转移辅助操作对于分泌护理机器人 (ECR) 的安全有效运行至关重要.
- 在移动过程中区分人类运动的微妙变化对当前的动作识别系统构成重大挑战,影响其速度,稳定性和概括性.
- 现有的方法在辅助护理场景中与个体运动模式的细微性质作斗争.
研究的目的:
- 开发一种新且准确的方法,用于识别分化转移辅助行动的分泌护理机器人.
- 在辅助分泌护理的背景下,提高动作识别系统的稳定性和泛化能力.
- 通过使用先进的深度学习技术,提高姿势解决和动作预测的精度.
主要方法:
- 利用姿势传感器捕捉人类下肢的运动,并构建了一个轻量级的3D模型.
- 采用离散扩展卡尔曼波器 (DEKF) 来完善姿势估计的准确性和预测.
- 开发了一种双向长期和短期记忆 (MHA Bi-LSTM) 网络的多头注意力,用于行动预测,整合时间信息和注意力机制.
主要成果:
- 与其他时间序列神经网络模型相比,拟议的MHA Bi-LSTM模型在识别基于姿势传感器的排泄护理行为方面表现出卓越的准确性.
- 在三名受试者的实验验证证了MHA Bi-LSTM方法的可靠性和有效性.
- 多头注意力机制成功地识别和加权了各个维度的关键运动差异.
结论:
- 在MHA Bi-LSTM模型提供了一个显著的进步,准确地区分个人转移辅助行动的排泄护理机器人.
- 这种方法为提高机器人在个性化辅助护理任务中的性能和适用性提供了一个有希望的解决方案.
- 这些发现表明,对于敏感的医疗保健应用来说,有了更智能,更适应性强的机器人系统的发展之路.
