基于力肌电图的人类膝关节和踝关节扭矩估计
机器人学
2025-10-01 v2
摘要
基于肌肉活动感知的外骨骼控制在线自适应，为根据用户生物信号个性化外骨骼行为提供了有前景的途径。虽然电肌电图(EMG)基于的方法已显示出关节扭矩估计方面的改进，但EMG传感器需要直接接触皮肤且需要 extensive post-processing。相反，力肌电图(FMG)测量由于肌肉活动导致肌肉体积变化而产生的法向力。我们提出了一种基于FMG的方法，通过整合关节角度和速度与肌肉活动数据来估计膝关节和踝关节的扭矩。我们使用高斯过程回归(GPR)学习关节扭矩估计的模型。通过在十名受试者上进行的等速运动中验证了所提出FMG方法的有效性。该模型被比较用于仅使用关节角度和速度的基线模型，以及由EMG数据增强的模型。结果表明，将FMG纳入外骨骼控制可以提高对踝关节和膝关节在新颖任务特征下的关节扭矩估计精度。尽管这些发现表明该方法可能不会提高不同受试者之间估计值的普遍性，但它们凸显了在外骨骼控制中进一步研究其潜在应用的必要性。
引用
@article{arxiv.2409.11061,
title = {Force Myography based Torque Estimation in Human Knee and Ankle Joints},
author = {Charlotte Marquardt and Arne Schulz and Miha Dezman and Gunther Kurz and Thorsten Stein and Tamim Asfour},
journal= {arXiv preprint arXiv:2409.11061},
year = {2025}
}
备注
This file corresponds to the manuscript presented at the IEEE International Conference on Robotics and Automation (ICRA), May 2025