ExoGait-MS: Learning Periodic Dynamics with Multi-Scale Graph Network for Exoskeleton Gait Recognition

要約

現在の外骨格制御方法は、しばしばパーソナライズされた治療を提供する上で課題に直面しています。
標準化された歩行歩行は、患者の不快感や怪我さえもたらす可能性があります。
したがって、個々のユーザーの適応性、快適性、リハビリテーションの結果に直接影響するため、外骨格ロボットの有効性にはパーソナライズされた歩行が不可欠です。
エクソスケレトン支援療法および関連用途でのパーソナライズされた治療を可能にするために、調整された歩行制御を実装するためには、個人歩行の正確な認識が重要です。
歩行認識における重要な課題は、ステップの周波数やステップ長などの共同相乗によって引き起こされる微妙な歩行特徴の個人差を効果的に捉えることにあります。
この問題に取り組むために、潜在的なジョイント相乗パターンを特定するために、空間ドメインでマルチスケールのグローバル密度密度畳み込みネットワーク（GCN）を使用する新しいアプローチを提案します。
さらに、時間領域での歩行の周期的特性を効果的にキャプチャするための歩行非線形周期ダイナミクス学習モジュールを提案します。
個々の歩行認識タスクをサポートするために、完全性と信頼性の両方を保証する包括的な歩行データセットを構築しました。
実験結果は、このデータセットでこの方法が94.34％の印象的な精度を達成し、現在の最先端（SOTA）を3.77％上回ることを示しています。
この進歩は、外骨格療法における個別の歩行制御を強化するアプローチの可能性を強調しています。

要約(オリジナル)

Current exoskeleton control methods often face challenges in delivering personalized treatment. Standardized walking gaits can lead to patient discomfort or even injury. Therefore, personalized gait is essential for the effectiveness of exoskeleton robots, as it directly impacts their adaptability, comfort, and rehabilitation outcomes for individual users. To enable personalized treatment in exoskeleton-assisted therapy and related applications, accurate recognition of personal gait is crucial for implementing tailored gait control. The key challenge in gait recognition lies in effectively capturing individual differences in subtle gait features caused by joint synergy, such as step frequency and step length. To tackle this issue, we propose a novel approach, which uses Multi-Scale Global Dense Graph Convolutional Networks (GCN) in the spatial domain to identify latent joint synergy patterns. Moreover, we propose a Gait Non-linear Periodic Dynamics Learning module to effectively capture the periodic characteristics of gait in the temporal domain. To support our individual gait recognition task, we have constructed a comprehensive gait dataset that ensures both completeness and reliability. Our experimental results demonstrate that our method achieves an impressive accuracy of 94.34% on this dataset, surpassing the current state-of-the-art (SOTA) by 3.77%. This advancement underscores the potential of our approach to enhance personalized gait control in exoskeleton-assisted therapy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google