面向中风后步态的数据驱动自适应外骨骼协助

最近的工作表明，通过数据驱动方法控制的外骨骼可以动态适应各种任务为健康年轻成年人提供协助。然而，将这些方法应用于具有神经运动步态缺陷的人群，如中风后半肢麻痹，面临挑战。这不仅源于高人口异质性和步态变异性，还源于缺乏针对中风后步态数据集以训练准确模型。尽管存在这些挑战，数据驱动的方法仍为控制提供了可前景的途径， potentially allowing exoskeletons to function safely and effectively in unstructured community settings. 本工作为在中风后行走期间实现数据驱动的踝关节屈伸协助提供了第一步。我们使用来自四名中风患者在跑步机上的步态数据的多任务时序卷积网络（TCN）进行训练（R² 为 0.74 ± 0.13）。该模型使用来自三个惯性测量单元（IMU）的数据，并预训练于来自 6 名健康行走者的数据。我们实现了一个用于外骨骼控制的脚踝扭矩估计可穿戴原型机，并演示了针对一名中风患者的实时感知、估计和驱动的可行性。