基于变压器的方法用于预测神经康复中的交换能

科学领域:

• 机器人技术 机器人技术 机器人技术
• 神经康复疗法 神经康复疗法
• 生物医学工程 生物医学工程

背景情况:

• 在物理人机交互 (pHRI) 中提高安全性和个性化对于机器人神经康复至关重要.
• 传统的控制方法与传感器噪声和在非结构化环境中的适应性作斗争.
• 在康复期间,能源转移管理是安全的人机器人合作的关键.

研究的目的:

• 引入交易性能量作为一个坐标不变的指标来量化人机器人能量动态.
• 开发和验证基于变压器的深度学习模型,用于预测交易性潜在能量.
• 在神经康复应用中实现个性化机器人控制.

主要方法:

• 开发了一个基于变压器的深度学习模型来预测交易性潜在能量.
• 在一个符合标准的平行脚康复机器人上实现了模型,具有三个旋转自由度.
• 收集了五名中风患者的实验数据,使用阻抗和轨迹跟踪控制器.

主要成果:

• 变压器模型成功地从实验数据中学习到预测交易性潜能.
• 证明了在pHRI中使用深度学习方法进行基于能源的控制的可行性.
• 建立了以能源为基础的控制机制未来研究的基准.

结论:

• 交换式能源为提高机器人神经康复中的安全性和个性化提供了一个有希望的方法.
• 基于变压器的模型可以有效地估计人机交互中的能量转移动态.
• 这项工作为康复机器人技术中先进的能量意识控制策略奠定了基础.