整合肌肉骨模拟和机器学习:个性化脚脚外骨架辅助策略的混合方法
Xianyu Zhang1, Shihao Li1, Zhenzhi Ying1
1Department of Mechanical Engineering, The University of Tokyo, Tokyo, Japan.
Frontiers in bioengineering and biotechnology
|August 21, 2024
概括
这项研究提出了一种混合方法,使用肌肉骨模拟和机器学习来个性化下肢外骨辅助. 该方法通过适应个人用户和运动,有效地降低了代谢成本 (MC).
科学领域:
- 生物力学 生物力学
- 机器人技术 机器人技术 机器人技术
- 机器学习 机器学习
背景情况:
- 下肢外骨显示出降低行走过程中的代谢成本 (MC) 的前景.
- 由于个体差异和运动变化,个性化控制仍然是一个挑战.
研究的目的:
- 开发一种基于数据的混合方法,用于个性化脚脚外骨架辅助.
- 为了高效和适应性地定制人机交互的辅助策略.
主要方法:
- 集成的肌肉骨模拟与机器学习用于混合方法.
- 通过肌肉驱动的模拟,推导出最佳的辅助策略来最大限度地减少MC.
- 使用神经网络开发了一个预测模型,将个人/运动参数映射到最佳策略中.
主要成果:
- 混合方法在新个人和新运动的学习转移方面表现出了有效性和适应性.
- 模拟显示,与正常行走相比,小腿肌MC大约减少20%.
- 预测模型成功地确定了个性化协助策略.
结论:
- 混合方法为个性化外骨架辅助策略提供了一种可行的方法.
- 这一策略可以为下肢外骨的未来设计提供信息,以改善人机交互.
- 个性化协助是最大限度地利用外骨在降低代谢成本方面的好处的关键.
