Learning Hand State Estimation for a Light Exoskeleton

要約

我々は、軽量外骨格を使用したリハビリテーション目的の手の状態の機械学習ベースの推定器を提案します。
これらの装置は使いやすく、家庭内での治療や頻繁な治療に役立ちます。
私たちは、前腕の筋肉活動と外骨格の動きからの情報を使用して教師ありアプローチを構築し、手の開き具合とコンプライアンスレベルを再構築します。
このような情報は、治療の進行状況を評価し、適応制御行動を開発するために使用できます。
私たちのアプローチは実際の軽量外骨格で検証されています。
この実験では、単一のユーザーからのデータでトレーニングし、同じユーザーでテストした場合、たとえ異なるセッション間であっても、私たちのアプローチの優れた予測パフォーマンスが実証されました。
この汎化機能により、本システムは実際のリハビリテーションでの実用化が期待できます。

要約(オリジナル)

We propose a machine learning-based estimator of the hand state for rehabilitation purposes, using light exoskeletons. These devices are easy to use and useful for delivering domestic and frequent therapies. We build a supervised approach using information from the muscular activity of the forearm and the motion of the exoskeleton to reconstruct the hand’s opening degree and compliance level. Such information can be used to evaluate the therapy progress and develop adaptive control behaviors. Our approach is validated with a real light exoskeleton. The experiments demonstrate good predictive performance of our approach when trained on data coming from a single user and tested on the same user, even across different sessions. This generalization capability makes our system promising for practical use in real rehabilitation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google