建模神经运动适应步行时脉冲扭矩辅助

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
• 发动机控制器的控制器

背景情况:

• 机器人辅助步行训练利用机器学习机制,如基于错误和依赖使用的学习.
• 现有的模型通常只针对一个学习机制,将其应用限制在复杂的步行训练场景中.

研究的目的:

• 验证现有的机器学习模型用于机器人辅助步行训练.
• 提出和评估一种新型模型,将依赖使用和基于错误的学习整合到步行推进中.

主要方法:

• 制定了五种状态空间模型 (单状态,双状态,双状态快/慢,UDL,修改的UDL) 来分析机器人外骨训练期间的推进力学.
• 在组和个人层面使用R平方和Akaike信息标准 (AIC) 评估模型的适用性.

主要成果:

• 根据AIC值,修改后的UDL模型在大多数条件下,在集团层面上表现出优越的适用性.
• 在个人层面上,修改后的UDL和双状态模型都显著超过了其他模型.

结论:

• 修改后的UDL模型提供了一种节但有效的方法,用于在机器人辅助训练期间建模步态适应.
• 这种4参数模型提供了与9参数两态模型相比较的预测能力,突出了其理解步态康复的潜力.