Force Myography based Torque Estimation in Human Knee and Ankle Joints

要約

筋肉活動の感知に基づく外骨格制御のオンライン適応は、ユーザーの生体信号に基づいて外骨格をパーソナライズする有望な方法です。
いくつかの筋電図 (EMG) ベースの方法は関節トルクの推定を改善することが示されていますが、EMG センサーは直接の皮膚接触と複雑な後処理を必要とします。
対照的に、フォースミオグラフィー (FMG) は、筋肉活動による筋肉量の変化から垂直抗力を測定します。
我々は、関節の角度と速度を筋活動情報と組み合わせることで、膝関節と足首関節のトルクを推定するFMGベースの方法を提案します。
ガウス過程回帰 (GPR) を使用して関節トルク推定のモデルを学習します。
提案された FMG ベースの方法の有効性は、2 人の被験者が実行する等速運動で検証されます。
このモデルは、関節角度と速度のみを使用するベースライン モデル、および EMG データによって強化されたモデルと比較されます。
結果は、FMG を外骨格制御に統合することで足首と膝の関節トルク推定が改善され、したがってさまざまな外骨格ユーザーへの適応性を向上させる有望な方法であることを示しています。

要約(オリジナル)

Online adaptation of exoskeleton control based on muscle activity sensing is a promising way to personalize exoskeletons based on the user’s biosignals. While several electromyography (EMG) based methods have been shown to improve joint torque estimation, EMG sensors require direct skin contact and complex post-processing. In contrast, force myography (FMG) measures normal forces from changes in muscle volume due to muscle activity. We propose an FMG-based method to estimate knee and ankle joint torques by combining joint angles and velocities with muscle activity information. We learn a model for joint torque estimation using Gaussian process regression (GPR). The effectiveness of the proposed FMG-based method is validated on isokinetic motions performed by two subjects. The model is compared to a baseline model using only joint angle and velocity, as well as a model augmented by EMG data. The results show that integrating FMG into exoskeleton control improves the joint torque estimation for the ankle and knee and is therefore a promising way to improve adaptability to different exoskeleton users.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google