个性化步行辅助的新方法:基于回归和LSTM模型的三维轨迹预测
Pablo Romero-Sorozábal1, Gabriel Delgado-Oleas1,2, Annemarie F Laudanski3
1BioRobotics, Centro de Automática y Robótica, Consejo Superior de Investigaciones Científicas-Universidad Politécnica de Madrid (CSIC-UPM), 28500 Madrid, Spain.
Biomimetics (Basel, Switzerland)
|June 26, 2024
概括
本研究介绍了用于机器人步行辅助的高级3D步行轨迹预测. 个性化模型通过准确地绘制单个关节运动,改善了康复中人机交互.
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
- 人工智能的人工智能
背景情况:
- 在康复中,个性化的步行辅助是有效的人机交互的关键.
- 传统的临床步态分析 (CGA) 缺乏个体变异性,限制了个性化的步态轨迹生成.
- 现有的回归和人工神经网络 (ANN) 模型提供了可适应的步态模式,但通常专注于角度估计.
研究的目的:
- 开发和验证一种新的方法,用于预测全面的3D空间步行轨迹 (部,膝盖,脚) 以实现个性化的机器人步行辅助.
- 为了提高步态模式生成器的准确性和适应性,超出角度估计.
- 通过个性化动力学预测,提高终端效应器康复机器人设备的性能.
主要方法:
- 利用回归模型和长期短期记忆 (LSTM) 网络,是一种人工神经网络 (ANN).
- 扩展了ANN和回归应用程序来预测三维空间轨迹,而不仅仅是角度估计.
- 根据个体受试者的动力学量身定制的步态轨迹预测.
主要成果:
- 回归模型的整体根平均平方误差 (RMSE) 为13.40毫米,相关系数为0.92.
- 长期短期记忆 (LSTM) 模型展示了最先进的准确性,RMSE为12.57毫米,相关性为0.99.
- 开发的模型为部,膝盖和脚关节提供了全面的空间轨迹,反映了个体运动学.
结论:
- 这种新的方法显著提高了机器人康复中的个性化步行轨迹辅助.
- 精确的3D空间步态预测提高了人机交互和康复设备的有效性.
- 先进的ANN和回归技术显示出未来个性化机器人步行辅助系统的巨大潜力.
