基于双路径区域引导注意力网络的地面反作用力和力矩回归
机器学习
2025-12-05 v1 信号处理
摘要
三维地面反作用力和力矩(GRFs/GRMs)的精确估计对于生物力学研究和临床康复评估至关重要。本研究聚焦基于鞋底的GRFs/GRMs估计，并在公共步行数据集上进一步验证了方法。我们提出了一种双路径区域引导注意力网络，将解剖学启发的空间先验和时间先验整合到区域级别的注意力机制中，同时另一条路径捕获来自整个传感器场的上下文。两种路径联合训练，其输出组合以产生最终的GRFs/GRMs预测。结论：我们的模型在两个数据集上均优于强大的基准模型，包括CNN和CNN-LSTM架构，在鞋底数据集上实现了最低的六分量平均 NRMSE 为5.78%，在公共数据集上实现1.42%的垂直地面反作用力。这显示示了对地面反作用力和力矩估计的稳健性能。
引用
@article{arxiv.2512.05030,
title = {Dual-Path Region-Guided Attention Network for Ground Reaction Force and Moment Regression},
author = {Xuan Li and Samuel Bello},
journal= {arXiv preprint arXiv:2512.05030},
year = {2025}
}