characterization Healthy & Post-Stroke Neuromotor Behavior During 6D Upper-Limb Isometric Gaming: Implications for Design of End-Effector Rehabilitation Robot Interfaces

成功的机器人中介康复需要设计促进健康运动练习的游戏与机器人干预。然而，给定用户的神经运动行为、游戏界面与物理机器人之间的相互作用，使得设计系统元素甚至表征哪些行为为“健康”或“病理”具有挑战性。我们利用开放式机器人康复1.0数据集，评估了13名健康者与2名中风后患者在执行基于end-effector康复机器人的等向轨迹跟踪任务时，力量输出、肌肉激活与游戏表现的特征。我们提出了对界面设计细微方面如何影响用户行为的评估；对病理神经运动行为在end-effector力动态中反映的分析；以及一种基于表面肌电信号（sEMG）的循环运动中神经运动行为分类的新型隐藏马尔可夫模型（HMM）。我们展示，任务规格（包括哪些轴被约束以及用户如何解读跟踪指令）塑造了用户行为；在等向任务执行期间，病理相关特征可在6D end-effector力数据中检测到（在力误差与平均力生产方面，健康与中风后患者 profiles 在p=0.05时具有显著差异）；并且健康神经运动策略是异构的且本质上难以表征。我们还显示，HMM基模型能够区分健康与中风后神经运动动力学，其中基于synergy的分解未能实现这种区分。最后，我们讨论了这些结果对设计能够在不同用户群体中促进更健康运动策略的自适应end-effector康复机器人的意义。