基于视觉和运动学融合的地形感知步幅级轨迹预测用于动力髋部外骨骼
机器人学
2024-10-27 v1
摘要
动力髋部外骨骼已在跑步机行走中展现出运动辅助能力。然而，在涉及地形变化的真实世界行走场景中提供合适的辅助仍然具有挑战性。最近的研究表明，预测下肢关节角度可以为外骨骼和假肢提供目标轨迹，并且视觉信息可以改善性能。在本文中，我们分享了一个包含10名健康受试者在五种常见地形上行走并带有步幅级标签的真实世界数据集。我们设计了一个名为Sandwich Fusion Transformer for Image and Kinematics（SFTIK）的网络，该网络根据前一步和下一步开始时的地形图像以及前一步期间的IMU时间序列，预测下一步的大腿角度。我们引入了宽度级分块（针对自我中心地形图像定制），以降低计算需求。我们证明了所提出的三明治输入和融合机制可以显著提高预测性能。总体而言，SFTIK优于基线方法，实现了3.31 G Flops的计算效率，均方根误差（RMSE）为3.445 ± 0.804°，皮尔逊相关系数（PCC）为0.971 ± 0.025。结果表明，SFTIK能够以较低的计算成本准确预测大腿角度，这可以作为髋部外骨骼的地形自适应轨迹规划方法。代码和数据可在https://github.com/RuoqiZhao116/SFTIK获取。
引用
@article{arxiv.2404.11945,
title = {Terrain-Aware Stride-Level Trajectory Forecasting for a Powered Hip Exoskeleton via Vision and Kinematics Fusion},
author = {Ruoqi Zhao and Xingbang Yan and Yubo Fan},
journal= {arXiv preprint arXiv:2404.11945},
year = {2024}
}
备注
6 pages, submitted to IEEE RA-L, under review. This work has been submitted to the IEEE Robotics and Automation Letters (RA-L) for possible publication