基于可见分层自编码器的幻肢自适应生成
人机交互
2019-10-07 v1 机器学习
摘要
本文提出一种根据功能性身体部位的动力学行为（由异构动力学传感器测量）进行自适应幻肢生成的可见分层自编码器。所提出的可见分层自编码器由可解释且多相关的自编码器流水线组成，其直接源自森林数据结构中描述的分层网络。根据指定的动力学脚本（例如舞蹈、跑步等）和用户的身体状况，从人体肌肉骨骼网络中提取分层网络；该网络由多个身体组件（例如肌肉、骨骼和关节等）构成，这些组件在生物力学、功能或神经上相互关联，并表现出基本非发散的动力学行为。本文研究了多层感知机（MLP）回归模型以及若干自编码器变体模型，用于缺失或功能障碍肢体的顺序生成。幻肢的最终运动学行为将利用虚拟现实和增强现实（VR/AR）、执行器以及潜在的假肢（替代缺失身体部位的人工装置）控制器来构建。所述工作旨在开发实用的创新锻炼方法，以（1）让各年龄段人群（包括患有慢性健康状况和/或残疾者）参与规律身体活动，（2）加速患者康复，以及（3）缓解用户的幻肢痛。所述工作的生理与心理影响将在未来工作中进行严格评估。
引用
@article{arxiv.1910.01191,
title = {Adaptive Generation of Phantom Limbs Using Visible Hierarchical Autoencoders},
author = {Dakila Ledesma and Yu Liang and Dalei Wu},
journal= {arXiv preprint arXiv:1910.01191},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1612.06336 by other authors