IPTGNet:一个适应性的多任务识别策略,用于人类移动模式

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
• 机器学习 机器学习

背景情况:

• 下肢外骨在精确处理复杂的人类运动方面面临着挑战.
• 有效的人类运动模式识别对于先进的外骨控制和辅助至关重要.

研究的目的:

• 提出一个创新的多任务识别模型,IPTGNet,用于下肢外骨架应用中的人类运动模式.
• 为了提高外骨中人类运动处理的准确性和稳定性.

主要方法:

• 通过并行融合时间卷积网络 (TCN) 和门式循环单元 (GRU) 来开发IPTGNet.
• 采用了改进的粒子群优化 (IPSO) 算法来进行动态超参数调整.
• 集成了一个有限状态机器 (FSM) 来纠正移动过程中的过渡状态.

主要成果:

• 与现有方法相比,IPTGNet显示出更快,更稳定的趋同.
• 在人类移动模式方面实现了99.47%的高识别率.
• 报告了0.42%的低标准偏差,表明性能强.

结论:

• IPTGNet提供了一种有效的解决方案,用于在下肢外骨架中多任务识别.
• 拟议的模型显著提高了对外骨的人类运动解释的精度和可靠性.
• 这项工作为更复杂和直观的外骨与人类互动提供了基础.