基于数据驱动的人机交互表征用于动力假肢的模型控制
机器人学
2020-03-18 v1
摘要
本文提出一种用于动力假肢控制的数据驱动方法，其无需在人体上附加传感器即可实现稳定行走。核心思想是从动作捕捉数据中提取标称步态和人机交互信息，并利用人机系统的动力学模型重构行走行为。穿戴动力假肢的人体的行走行为通过动作捕捉获得，从而得到肢体和关节轨迹。随后，通过求解一个旨在重构动作捕捉所观测行走行为的步态优化问题得到标称轨迹。此外，通过在记录步态下仿真该模型恢复人体与假肢之间的交互力剖面，进而用于构造覆盖所有交互力剖面的力管。最后，设计了一个鲁棒的 Control Lyapunov Function (CLF) Quadratic Programming (QP) 控制器，以保证在力管内所有可能出现的交互力下收敛到标称轨迹。仿真结果表明，与其他具有较少模型信息的控制方法相比，该控制器在扰动力剖面下具有改进的跟踪性能。
引用
@article{arxiv.2003.07524,
title = {Data-driven Characterization of Human Interaction for Model-based Control of Powered Prostheses},
author = {Rachel Gehlhar and Yuxiao Chen and Aaron D. Ames},
journal= {arXiv preprint arXiv:2003.07524},
year = {2020}
}
备注
8 pages 8 figures