贝叶斯推理为下肢可穿戴机器人进行基于贝叶斯推理的步态估计的强化.

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
• 控制系统 控制系统

背景情况:

• 下肢可穿戴机器人需要可靠的用户意图识别,以提供日常帮助.
• 目前基于贝叶斯波器的步态估计器可能会因各种干扰而失去跟踪精度.
• 当前的方法缺乏强大的恢复机制,当步态估计被破坏时.

研究的目的:

• 开发一种指标来量化模式跟踪步态估计器的稳定性.
• 提出和评估提高这些估计器稳定性的策略.
• 为了提高下肢可穿戴机器人的可靠性,在现实世界的场景中.

主要方法:

• 引入了基于蒙特卡洛的指标来评估步态估计器的强度.
• 开发和实施战略以提高跟踪稳定性.
• 使用模拟扰动的公共步行生物力学数据集评估拟议的策略.

主要成果:

• 通过拟议的修改,量化强度从8.9%提高到99%.
• 证明了简单的修改可以大大提高估计器的稳定性.
• 证实稳定性改进不会显著降低估计器准确性.

结论:

• 拟议的蒙特卡洛指标有效量化了步态估计器的强度.
• 对估计过程的简单修改可以带来实质性的强度提升.
• 对于下肢可穿戴机器人来说,可以实现增强的强度,提高用户辅助可靠性.