数据效率高的人类步行速度意图识别识别
Taylor M Higgins1, Kaitlyn J Bresingham1, James P Schmiedeler1
1Department of Mechanical Engineering, Florida A&M - Florida State University, Tallahassee, FL, USA.
Wearable technologies
|March 15, 2024
概括
这项研究提出了一种新的算法,用于实时识别人类步行速度的意图,使用最小的训练数据. 基于距离的Mahalanobis方法实现了87%的准确性,为辅助设备提供了高效的人机交互.
科学领域:
- 机器人和人机交互的人机交互
- 生物力学和人类运动分析
背景情况:
- 准确的人类步行意图识别对于机器人,特别是辅助设备至关重要.
- 现有的方法往往需要大量的训练数据或是传感器特定的.
研究的目的:
- 介绍一种新的,数据效率高的实时算法,用于识别人类步行速度的意图.
- 为了克服目前机器人界意图识别方法的局限性.
主要方法:
- 开发了一个实时步行速度意图识别算法,利用Mahalanobis距离.
- 假设行走数据的时间步骤之间的独立性,以提高数据效率.
- 在跑步机上进行人体实验,控制速度变化.
主要成果:
- 算法迅速融合,只需要5分钟的训练数据.
- 在一个步行周期内成功检测到所需的步行速度变化.
- 在分类加速度,减速或不改变意图时,达到87%的最大准确度.
- 随着更大的速度变化大小,准确性得到了改善;速度增加比速度下降更容易被检测出来.
结论:
- 拟议的算法为实时步行意图识别提供了一个数据效率高的解决方案.
- 证明了诸如辅助机器人等应用的实际可行性.
- 突出了Mahalanobis距离在动态环境中对人类意图理解的潜力.


