基于可穿戴环境传感器预测四足动物系统与前瞻地形的互动方式
计算机视觉与模式识别
2026-02-11 v1
摘要
计算机视觉 (CV) 已用于步态期间的环境分类，常用于辅助系统中的控制；然而，对预测足部接触变化环境的能力尚未充分探索。我们评估了在水平地面至楼梯上升转换期间，预测足部前后 (AP) 脚部中心压 (COP) 和冲击时刻 (TOI) 的可行性。8 名受试者佩戴 RGB-D 摄像头位于右腘部，同时佩戴带有传感器的鞋底，完成楼梯步骤任务。我们训练了 CNN-RNN 用于在冲击前 250ms 的预测窗口内持续预测 COP 和 TOI，称为预测时域 (FH)。COP 在 150、100、50ms FH 的均值绝对误差 (MAE) 分别为 29.42mm、26.82mm、23.72mm。TOI MAE 分别为 21.14、20.08、17.73ms。虽然躯干速度对两种任务的误差无显著影响，但足部摆动速度在 COP 情况下较快可改善预测精度，但在 TOI 情况下无显著影响。进一步发现，更前置的脚步会降低 COP 预测精度，但不影响 TOI 预测精度。我们还发现，该轻量级模型可在消费级笔记本电脑或边缘计算设备上以 60 FPS 运行。该研究表明，利用轻量级模型从视觉数据预测 COP 和 TOI 是可行的，这可能对辅助系统的anticipatory控制具有重要意义。
引用
@article{arxiv.2602.09209,
title = {Wearable environmental sensing to forecast how legged systems will interact with upcoming terrain},
author = {Michael D. Murray and James Tung and Richard W. Nuckols},
journal= {arXiv preprint arXiv:2602.09209},
year = {2026}
}
备注
19 pages excluding references and comments, 5 figures, 3 tables