Joint Moment Estimation for Hip Exoskeleton Control: A Generalized Moment Feature Generation Method

要約

ウォーキング中の股関節のモーメントは、股関節外骨格支援制御の重要な基盤です。
最近の研究では、股関節のモーメントが瞬時に瞬時に多くの利点を提供し、単純なセンサーの要件やさまざまな歩行速度への適応性など、歩行の推定に基づいて支援トルクプロファイルを生成することと比較して多くの利点を提供しています。
ただし、既存の共同モーメント推定方法は、依然としてパーソナライズの欠如に悩まされており、新しいユーザーの推定精度の低下につながります。
課題に対処するために、このペーパーでは、一般化モーメント機能（GMF）に基づいた股関節モーメント推定方法を提案します。
GMFジェネレーターは、専用のデコーダーを介してジョイントモーメントにデコードできるまま、個々のバリエーションに不変の関節モーメントのGMFを学習するために構築されています。
このよく調整された表現を利用して、GRUベースのニューラルネットワークを使用して、HIP外骨格エンコーダで簡単に取得できるジョイントキネマティクスデータを使用してGMFを予測します。
提案された推定方法は、トレッドミルデータセットの28の歩行速度条件下で0.1180 nm/kgの根平均平方根誤差を達成し、ボディパラメーター融合のないモデルと比較して6.5％、ボディパラメーターを使用した従来の融合モデルで8.3％改善します。
さらに、提案された方法は、エンコーダーセンサーのみを備えた股関節外骨格で採用され、レベルグラウンドウォーキングのアシスト状態と比較して、ユーザーの平均20.5％の代謝削減（P <0.01）を達成しました。

要約(オリジナル)

Hip joint moments during walking are the key foundation for hip exoskeleton assistance control. Most recent studies have shown estimating hip joint moments instantaneously offers a lot of advantages compared to generating assistive torque profiles based on gait estimation, such as simple sensor requirements and adaptability to variable walking speeds. However, existing joint moment estimation methods still suffer from a lack of personalization, leading to estimation accuracy degradation for new users. To address the challenges, this paper proposes a hip joint moment estimation method based on generalized moment features (GMF). A GMF generator is constructed to learn GMF of the joint moment which is invariant to individual variations while remaining decodable into joint moments through a dedicated decoder. Utilizing this well-featured representation, a GRU-based neural network is used to predict GMF with joint kinematics data, which can easily be acquired by hip exoskeleton encoders. The proposed estimation method achieves a root mean square error of 0.1180 Nm/kg under 28 walking speed conditions on a treadmill dataset, improved by 6.5% compared to the model without body parameter fusion, and by 8.3% for the conventional fusion model with body parameter. Furthermore, the proposed method was employed on a hip exoskeleton with only encoder sensors and achieved an average 20.5% metabolic reduction (p<0.01) for users compared to assist-off condition in level-ground walking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google