TempoNet：在外骨骼控制中利用动态时间注意力实现长期膝关节角度预测
机器人学
2023-10-04 v1 人机交互
摘要
在外骨骼控制领域，由于外骨骼的机械延迟，实现精确控制面临挑战。为此，已有研究提出将未来步态轨迹作为前馈输入。然而，现有的用于步态预测的深度学习模型主要关注短期预测，这些模型的长期性能相对未被探索。在本研究中，我们提出 TempoNet，一种专为精确膝关节角度预测设计的新型模型。通过在基于 Transformer 的架构中利用动态时间注意力，TempoNet 在较长时间范围内的膝关节角度预测上超越了现有模型。值得注意的是，与其他基于 Transformer 的模型相比，我们的模型在提前 100 ms 预测的平均绝对误差（MAE）上实现了 10% 至 185% 的显著降低，证明了其有效性。此外，TempoNet 相比基线 Transformer 模型展现出进一步的可靠性与优越性，在 200 ms 预测范围内以 MAE 优于其 14%。这些发现凸显了 TempoNet 在精确预测膝关节角度上的功效，并强调了引入动态时间注意力的重要性。TempoNet 提升膝关节角度预测精度的能力为精确控制、改善康复效果、先进的体育表现分析以及更深入的生物力学研究洞察开辟了可能。TempoNet 模型的代码实现可在 GitHub 仓库找到：https://github.com/LyesSaadSaoud/TempoNet。
引用
@article{arxiv.2310.01795,
title = {TempoNet: Empowering long-term Knee Joint Angle Prediction with Dynamic Temporal Attention in Exoskeleton Control},
author = {Lyes Saad Saoud and Irfan Hussain},
journal= {arXiv preprint arXiv:2310.01795},
year = {2023}
}
备注
Accepted for presentation at the 2023 IEEE-RAS International Conference on Humanoid Robots, Austin, USA, on December 12-14