要約
人間の移動動作を認識および特定することは、下腿義足などのウェアラブル ロボットのスムーズな制御を確保するための重要なステップです。
特に、意図する移動モードの分類と歩行位相の推定が重要です。
この研究では、移動モードと歩行段階を同時に予測するための、解釈可能で計算効率の高い新規アルゴリズムが提供されます。
健常者 (AB) および下脛骨プロテーゼ (PR) データを使用して、低速、中速、高速レベルの歩行 (0.6、0.8、および 1.0 m/s)、ランプの上昇/下降 (5 度)、
階段昇降(高さ20cm)。
全体的な分類精度は、AB 条件と PR 条件でそれぞれ 99.1$\%$ と 99.3$\%$ でした。
すべてのデータにわたる平均歩行位相誤差は 4$\%$ 未満でした。
データの構造を利用することで、計算効率はタイム ステップあたり 2.91 $\mu$s に達しました。
このアルゴリズムの時間計算量は、移動モードの数 $M$ と歩行周期 $N$ あたりのサンプル数に応じて $O(N\cdot M)$ としてスケールされます。
この効率と高精度により、個人が日常生活中に追求する幅広い活動に対応するために、はるかに多くの移動モードのセット (オープンソースの脚義足で $\sim$ 700) に対応できる可能性があります。
要約(オリジナル)
Recognizing and identifying human locomotion is a critical step to ensuring fluent control of wearable robots, such as transtibial prostheses. In particular, classifying the intended locomotion mode and estimating the gait phase are key. In this work, a novel, interpretable, and computationally efficient algorithm is presented for simultaneously predicting locomotion mode and gait phase. Using able-bodied (AB) and transtibial prosthesis (PR) data, seven locomotion modes are tested including slow, medium, and fast level walking (0.6, 0.8, and 1.0 m/s), ramp ascent/descent (5 degrees), and stair ascent/descent (20 cm height). Overall classification accuracy was 99.1$\%$ and 99.3$\%$ for the AB and PR conditions, respectively. The average gait phase error across all data was less than 4$\%$. Exploiting the structure of the data, computational efficiency reached 2.91 $\mu$s per time step. The time complexity of this algorithm scales as $O(N\cdot M)$ with the number of locomotion modes $M$ and samples per gait cycle $N$. This efficiency and high accuracy could accommodate a much larger set of locomotion modes ($\sim$ 700 on Open-Source Leg Prosthesis) to handle the wide range of activities pursued by individuals during daily living.
arxiv情報
著者 | Ryan Posh,Shenggao Li,Patrick Wensing |
発行日 | 2024-11-12 19:27:12+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google