髋关节外骨骼控制的联合矩估计：广义矩特征生成方法
机器人学
2025-04-01 v2
摘要
行走过程中的髋关节力矩是髋外骨骼辅助控制的关键基础。近期研究表明，实时估计髋关节力矩相较于基于步态估计生成辅助扭矩_profile，具有更简单的传感器需求和对可变步态速度的适应性等优势。然而，现有的关节力矩估计方法仍存在缺乏个性化，导致新用户的估计精度下降。为此，本文提出一种基于广义矩特征(GMF)的髋关节力矩估计方法。构建GMF生成器，以学习不受个体变异影响且可通过专用解码器解码为关节力矩的GMF。利用这一良好特征表示，采用GRU神经网络基于关节运动学数据预测GMF，该数据可轻松通过髋外骨骼的编码器获取。所提方法在28种步态速度条件下（在跑步机数据集上），实现了0.1180 Nm/kg的均方根误差，较无身体参数融合模型提高了6.5%，较传统融合模型提高了8.3%。此外，本方法被应用于一个仅配备编码器传感器的髋外骨骼，实现了在平地行走时相对于无辅助条件的用户平均20.5%的新陈代谢减少（p<0.01）。
引用
@article{arxiv.2410.00462,
title = {Joint Moment Estimation for Hip Exoskeleton Control: A Generalized Moment Feature Generation Method},
author = {Yuanwen Zhang and Jingfeng Xiong and Haolan Xian and Chuheng Chen and Xinxing Chen and Chenglong Fu and Yuquan Leng},
journal= {arXiv preprint arXiv:2410.00462},
year = {2025}
}
备注
13 pages, 10 figures, Submitted to Biomimetic Intelligence and Robotics