Deep-Learning Control of Lower-Limb Exoskeletons via simplified Therapist Input

要約

部分的支援の外骨格は、規範的な歩行パターンの（再）学習中に積極的な参加を促進することにより、歩行リハビリテーションの重大な可能性を秘めています。
通常、部分支援外骨格における相互作用トルクの制御は、階層制御構造に依存しています。
これらのアプローチでは、特に階段やランプナビゲーションなどのアクティビティでは、コントローラーとユーザー固有のパラメーターチューニングの複雑さのために、広範なキャリブレーションが必要です。
外骨格の階層制御の制限に対処するために、この作業は3段階のデータ駆動型アプローチを提案します。（1）最近のセンサーデータを使用して、ランディングステップの長さ、着陸ステップの高さ、ウォーキング速度、歩行速度、歩行段階、歩行段階）、（2）セラピストがユーザーインターフェースを使用してProsuted adseedの特徴を使用してこれらの特徴を予測することを可能にする（2）（2）（2）（2）
予測の不確実性に基づくスプリングダンパーシステムの剛性。
私たちは、ユーザーインターフェイスを通じて歩行機能の外部変更を伴う場合となしで、さまざまな速度でトレッドミルウォーキングと階段上昇と降下に従事する2人の健康な参加者とともに、提案されたアプローチを評価しました。
結果は、歩行特性に応じた運動学の変動と、異なる条件での外骨格の支援を示唆する負の相互作用力を示しました。

要約(オリジナル)

Partial-assistance exoskeletons hold significant potential for gait rehabilitation by promoting active participation during (re)learning of normative walking patterns. Typically, the control of interaction torques in partial-assistance exoskeletons relies on a hierarchical control structure. These approaches require extensive calibration due to the complexity of the controller and user-specific parameter tuning, especially for activities like stair or ramp navigation. To address the limitations of hierarchical control in exoskeletons, this work proposes a three-step, data-driven approach: (1) using recent sensor data to probabilistically infer locomotion states (landing step length, landing step height, walking velocity, step clearance, gait phase), (2) allowing therapists to modify these features via a user interface, and (3) using the adjusted locomotion features to predict the desired joint posture and model stiffness in a spring-damper system based on prediction uncertainty. We evaluated the proposed approach with two healthy participants engaging in treadmill walking and stair ascent and descent at varying speeds, with and without external modification of the gait features through a user interface. Results showed a variation in kinematics according to the gait characteristics and a negative interaction power suggesting exoskeleton assistance across the different conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google