同时识别运动模式,阶段和阶段进展,使用深度学习模型.

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:

• 步行辅助可穿戴机器人面临着有限的现实应用,原因是用户意图识别的挑战.
• 有效的算法对于机器人在行走和楼梯谈判等各种运动活动中与用户同步至关重要.

研究的目的:

• 开发一种深度学习框架,用于同时预测运动模式,阶段和阶段进展.
• 通过准确地解释用户的意图来增强步行辅助可穿戴机器人的个性化协助.

主要方法:

• 利用深度学习框架从惯性测量单元 (IMU) 数据中自动提取特征.
• 使用放置在胸骨和四肢上的传感器来捕获全面的运动数据.
• 评估模型通用性使用一个离开一个主体的交叉验证方法.

主要成果:

• 深度学习模型有效地对运动阶段进行了分类.
• 该框架准确地估计了阶段进展的百分比.
• 离开一个主体的评估表明,在不同用户之间具有强大的概括性.

结论:

• 拟议的深度学习框架在步行辅助机器人的用户意图识别方面取得了重大进展.
• 同时预测移动模式,阶段和进展,使机器人辅助更加和和个性化.
• 该研究强调了基于IMU的深度学习在现实世界部署辅助机器人技术方面的潜力.