深度学习通过简化治疗师输入来控制下肢外骨

科学领域:

• 康复工程 康复工程 康复工程
• 机器人技术 机器人技术 机器人技术
• 生物力学 生物力学

背景情况:

• 部分辅助外骨架通过鼓励用户积极参与来帮助步行康复.
• 当前的等级控制方法需要广泛的校准和用户特定的调整,限制了适应性,例如楼梯导航等复杂的运动.

研究的目的:

• 提出和评估一种新的三步,数据驱动的外骨控制方法,克服传统层次方法的局限性.
• 为了使治疗师能够直观地调整步态参数,并预测最佳的外骨辅助.

主要方法:

• 从传感器数据中概率地推断运动状态 (例如,步长,速度,步行阶段).
• 使用治疗师的用户界面来修改推断的步态特征.
• 根据调整的特征和预测不确定性,预测所需的关节姿势和弹阻尼器系统刚度.

主要成果:

• 数据驱动的方法证明了健康参与者的适应能力,适应不同的步行和爬楼梯条件.
• 关节和膝关节的负相互作用力表明,在不同的步行特征中,外骨架有有效的辅助作用.
• 运动变化与调整的步态特征相关,验证了系统的响应能力.

结论:

• 拟议的数据驱动方法为部分辅助外骨架的层次控制提供了一个更具适应性和更少校准密集的替代方案.
• 这种方法通过允许治疗师引导对外骨架辅助进行调整,促进了个性化的步行康复.
• 这些发现支持了这种方法在增强步行 (再学习) 和康复结果方面的潜力.