用于卒中动力手矫形器控制的自适应半监督意图推断

为了在功能情境中提供治疗，可穿戴机器人矫形器的控制系统需要稳健且直观。我们此前提出了一种直观的、用户驱动的、基于肌电（EMG）的方法来操作机器人手矫形器，但训练一个对概念漂移（输入信号的变化）稳健的控制系统给用户带来了沉重负担。本文中，我们探索将半监督学习作为一种控制卒中受试者动力手矫形器的范式。据我们所知，这是半监督学习在矫形器应用中的首次使用。具体而言，我们提出了一种基于不一致性的半监督算法，用于基于多模态同侧感知处理会话内概念漂移。我们在从五名卒中受试者收集的数据上评估了算法的性能。结果表明，所提算法利用未标记数据帮助设备适应会话内漂移，并减轻了用户的训练负担。我们还通过一项功能性任务验证了我们算法的可行性；在这些实验中，两名受试者成功完成了多次拾取并交接任务。