Terrain-Aware Stride-Level Trajectory Forecasting for a Powered Hip Exoskeleton via Vision and Kinematics Fusion

要約

動力付き股関節外骨格は、トレッドミル歩行中の移動補助の能力を示しています。
しかし、地形の変化を伴う現実世界の歩行シナリオで適切な支援を提供することは依然として困難です。
最近の研究では、下肢関節の角度を予測することで外骨格や義肢の目標軌道を提供できる可能性があり、視覚情報によってパフォーマンスを向上できる可能性があることが示唆されています。
このレターでは、歩幅レベルのラベルが付いた 5 つの一般的な種類の地形を歩く 10 人の健康な被験者の実世界のデータセットを共有します。
私たちは、Sandwich Fusion Transformer for Image and Kinematics (SFTIK) と呼ばれるネットワークを設計します。これは、前後のストライドの開始時の地形画像と、前のストライド中の IMU 時系列を考慮して、次のストライドの大腿角度を予測します。
計算量を削減するために、自己中心的な地形画像に合わせて調整された幅レベルの patchify を導入します。
提案されたサンドイッチ入力と融合メカニズムが予測パフォーマンスを大幅に向上させる可能性があることを実証します。
全体として、SFTIK はベースライン手法を上回っており、計算効率 3.31 G フロップ、二乗平均平方根誤差 (RMSE) 3.445 \textpm \ 0.804\textdegree \、およびピアソン相関係数 (PCC) 0.971 \textpm\ 0.025 を達成しています。
この結果は、SFTIK が低い計算コストで大腿部の角度を正確に予測でき、股関節外骨格の地形適応軌道計画法として機能する可能性があることを示しています。
コードとデータは https://github.com/RuoqiZhao116/SFTIK で入手できます。

要約(オリジナル)

Powered hip exoskeletons have shown the ability for locomotion assistance during treadmill walking. However, providing suitable assistance in real-world walking scenarios which involve changing terrain remains challenging. Recent research suggests that forecasting the lower limb joint’s angles could provide target trajectories for exoskeletons and prostheses, and the performance could be improved with visual information. In this letter, We share a real-world dataset of 10 healthy subjects walking through five common types of terrain with stride-level label. We design a network called Sandwich Fusion Transformer for Image and Kinematics (SFTIK), which predicts the thigh angle of the ensuing stride given the terrain images at the beginning of the preceding and the ensuing stride and the IMU time series during the preceding stride. We introduce width-level patchify, tailored for egocentric terrain images, to reduce the computational demands. We demonstrate the proposed sandwich input and fusion mechanism could significantly improve the forecasting performance. Overall, the SFTIK outperforms baseline methods, achieving a computational efficiency of 3.31 G Flops, and root mean square error (RMSE) of 3.445 \textpm \ 0.804\textdegree \ and Pearson’s correlation coefficient (PCC) of 0.971 \textpm\ 0.025. The results demonstrate that SFTIK could forecast the thigh’s angle accurately with low computational cost, which could serve as a terrain adaptive trajectory planning method for hip exoskeletons. Codes and data are available at https://github.com/RuoqiZhao116/SFTIK.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google