迈向 AI 控制的 FES 运动恢复：利用强化学习学习骑行刺激模式
机器人学
2023-11-17 v3 机器学习
系统与控制
系统与控制
摘要
功能性电刺激（FES）已日益与其他康复设备（包括机器人）集成。FES 骑行是康复中常见的 FES 应用之一，通过以特定模式刺激腿部肌肉来实现。合适的模式因人而异，且需要手动调节，这对个体用户而言可能耗时且具有挑战性。在此，我们提出一种基于 AI 的方法来寻找刺激模式，该方法无需额外硬件或传感器。我们的方法分为两个阶段，首先利用强化学习和详细的肌肉骨骼模型寻找基于模型的模式。这些模型使用开源软件构建，可通过我们的自动化脚本进行定制，因此非技术人员也可在无额外成本的情况下使用。接下来，我们的方法利用真实骑行数据对模式进行微调。我们在仿真中以及在一辆固定三轮车上进行了实验测试。在仿真测试中，我们的方法能为不同的骑行配置稳健地提供基于模型的模式。实验评估表明，我们的方法能找到一种基于模型的模式，其诱发的骑行速度高于基于 EMG 的模式。仅使用 100 秒的骑行数据，我们的方法就能给出一种微调模式，带来更好的骑行表现。除 FES 骑行外，本工作是一个展示，显示了人机闭环 AI 在真实世界康复中的可行性与潜力。
引用
@article{arxiv.2303.09986,
title = {Towards AI-controlled FES-restoration of movements: Learning cycling stimulation pattern with reinforcement learning},
author = {Nat Wannawas and A. Aldo Faisal},
journal= {arXiv preprint arXiv:2303.09986},
year = {2023}
}