利用超声传感在稳态与瞬态行走中学习任务不变的连续关节运动学
机器人学
2021-04-05 v1
摘要
肢体运动的自然控制是连续的，并逐步适应个体意图。尽管直观接口有潜力依赖用户的神经肌肉输入实现连续适应，但能够跨多种任务泛化的辅助装置连续随意控制尚未得到解决。在本研究中，我们提出一种方法，利用健康人股直肌和股中间肌的时空超声特征，在稳态与瞬态行走中学习任务不变的连续膝关节运动学。针对稳态（1）平地行走、（2）上坡、（3）下坡、（4）上楼梯和（5）下楼梯行走任务，对任务不变学习范式与任务特定范式进行了统计评估。同时还研究了稳态楼梯行走与平地行走之间的过渡。观察到连续膝关节运动学可使用任务不变学习范式进行学习，其精度与任务特定范式在统计上相当。统计分析进一步揭示，引入时间超声特征显著提高了连续估计的精度（p < 0.05）。任务不变学习下膝关节角度和角速度估计的平均均方根误差（RMSEs）分别为 7.06{\deg} 和 53.1{\deg}/sec，而任务特定模型分别为 6.00{\deg} 和 51.8{\deg}/sec。连续任务不变范式的高精度克服了任务特定控制方案的障碍，并推动使用超声传感实现下肢辅助装置的直接随意控制，这可能最终提升这些装置朝向“自由形式”控制方法的直观性与功能性。
引用
@article{arxiv.2104.00774,
title = {Task-Invariant Learning of Continuous Joint Kinematics during Steady-State and Transient Ambulation Using Ultrasound Sensing},
author = {M. Hassan Jahanandish and Kaitlin G. Rabe and Abhishek Srinivas and Nicholas P. Fey and Kenneth Hoyt},
journal= {arXiv preprint arXiv:2104.00774},
year = {2021}
}
备注
Accepted for presentation at 2021 IEEE International Conference on Robotics and Automation (ICRA 2021)