基于 LSTM 的智能机器人助行器中人体步态稳定性预测网络
机器人学
2019-03-06 v2 计算机视觉与模式识别
机器学习
摘要
在这项工作中，我们提出了一种新颖的框架，利用长短期记忆（LSTM）网络，融合来自非穿戴式传感器的多模态 RGB-D 与激光测距仪（LRF）数据，对智能机器人助行器的老年用户进行在线人体步态稳定性预测。基于深度学习（DL）的方法用于上半身姿态估计。检测到的姿态用于通过无迹卡尔曼滤波（UKF）估计身体质心（CoM）。一种增强的步态状态估计框架利用 LRF 数据估计腿部位置及相应步态相位。这些估计值作为一个编码器-解码器序列到序列模型的输入，该模型预测步态稳定性状态为安全或跌倒风险行走。通过使用真实患者数据进行验证，探索了不同的网络架构、超参数设置，并将所提方法与其他基线进行比较。所提出的基于 LSTM 的人体步态稳定性预测器被证明能够提供人体稳定性状态的鲁棒预测，因此有望作为一个跌倒风险警报集成到通用的用户自适应控制架构中。
引用
@article{arxiv.1812.00252,
title = {LSTM-based Network for Human Gait Stability Prediction in an Intelligent Robotic Rollator},
author = {Georgia Chalvatzaki and Petros Koutras and Jack Hadfield and Xanthi S. Papageorgiou and Costas S. Tzafestas and Petros Maragos},
journal= {arXiv preprint arXiv:1812.00252},
year = {2019}
}
备注
8 pages, 4 figures accepted to ICRA 2019