基于简化治疗师输入的下肢外骨骼深度学习控制
机器人学
2025-04-23 v2 机器学习
摘要
部分辅助外骨骼在步态康复中具有巨大潜力，通过促进规范行走模式（重新）学习过程中的主动参与。通常，部分辅助外骨骼中交互力矩的控制依赖于分层控制结构。这些方法由于控制器和用户特定参数的复杂性，需要大量校准，尤其是在楼梯或坡道导航等活动中。为了解决外骨骼分层控制的局限性，本工作提出了一种三步数据驱动方法：（1）使用近期传感器数据概率性地推断运动状态（着地步长、着地步高、行走速度、步态相位），（2）允许治疗师通过用户界面修改这些特征，以及（3）使用调整后的运动特征基于预测不确定性预测期望的关节姿态和弹簧-阻尼系统中的模型刚度。我们使用两名健康受试者进行了评估，他们在不同速度下进行跑步机行走和上下楼梯，并通过用户界面进行或不进行步态特征的外部修改。结果显示，运动学随步态特征而变化，并且交互功率为负，表明在不同条件下外骨骼提供了辅助。
引用
@article{arxiv.2412.07959,
title = {Deep-Learning Control of Lower-Limb Exoskeletons via simplified Therapist Input},
author = {Lorenzo Vianello and Clément Lhoste and Emek Barış Küçüktabak and Matthew Short and Levi Hargrove and Jose L. Pons},
journal= {arXiv preprint arXiv:2412.07959},
year = {2025}
}
备注
Accepted to the INTERNATIONAL CONSORTIUM FOR REHABILITATION ROBOTICS 2025