偏瘫模拟服与数字孪生下的步态适应性分析

为推进辅助与康复机器人的发展，在设计周期早期进行实验至关重要。然而，直接在用户身上测试早期原型可能存在安全风险。为解决这一问题，我们探索了让健康参与者在受控环境中穿戴特定条件模拟服，以研究各种损伤相关的步态变化并支持快速原型设计。本文呈现了一项分析偏瘫模拟服对步态影响的研究。我们使用Vicon运动捕捉系统和Delsys Trigno EMG与IMU传感器，在四种行走条件下收集生物力学数据：使用和不使用助行器，以及使用和不使用模拟服。步态数据被整合到数字孪生模型中，使机器学习分析能够检测模拟服和助行器的使用、识别转弯行为，并评估模拟服随时间对步态的影响。我们的结果表明，模拟服显著改变了运动和肌肉激活模式，促使用户以更突然的动作进行补偿。我们还确定了最有助于准确捕捉步态动态以及在数字孪生框架中建模人机-助行器交互的关键特征和传感器模态。