从电肌图和身体姿势来估计高水平的运动意图

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
• 人与计算机的交互

背景情况:

• 一旦学会走路,就会成为一种自动的过程,需要最小的有意识努力来控制低水平的肌肉.
• 高级 (HL) 用户意图,如所需的路径和速度,是与可穿戴设备无人机交互的关键.

研究的目的:

• 引入运动目标的连续表示来估计HL的意图.
• 为了研究从肌肉信号和身体姿势数据中估计水平步行路径.

主要方法:

• 收集了6名受试者在非稳定状态行走期间的全身运动捕捉和电肌图 (EMG) 数据.
• 训练有素的时间卷积网络以因果地预测步行路径,直接或参数地使用一个批判性减弱的轨迹模型.
• 采用了多模式方法,将肌肉和身体姿势信号结合起来.

主要成果:

• 在1秒的步行路径中,实现了平均轨迹估计精度r2=0.89.
• 成功提供了当前和所需的步行速度的估计,受到步行路径模型的限制.
• 证明了估计器输出的可解释性.

结论:

• 开发的方法使可穿戴机器人设备的用户界面能够独立于主体.
• HL意图表示可适应在虚拟环境中使用,作为生物信号的替代品.
• 这种方法为机器人应用提供了一种灵活有效的方法来解释人类运动意图.