TempoNet: Empowering long-term Knee Joint Angle Prediction with Dynamic Temporal Attention in Exoskeleton Control

要約

外骨格制御の領域では、外骨格の機械的な遅れのために、正確な制御を達成することが課題となっている。これに対処するために、将来の歩行軌道をフィードフォワード入力として組み込むことが提案されている。しかし、既存の歩行予測のための深層学習モデルは、主に短期的な予測に焦点を当てており、これらのモデルの長期的な性能は比較的未解明のままである。本研究では、正確な膝関節角度予測のために特別に設計された新しいモデルであるTempoNetを提示する。Transformerベースのアーキテクチャの中で動的な時間的注意を利用することにより、TempoNetは、長期的な時間軸における膝関節角度の予測において既存のモデルを凌駕する。特に、我々のモデルは、100ms先の予測において、他のトランスフォーマーベースのモデルと比較して、平均絶対誤差（MAE）を10%から185%という顕著な減少を達成し、その有効性を実証している。さらに、TempoNetは、ベースラインのTransformerモデルに対して、さらなる信頼性と優位性を示し、200ミリ秒の予測ホライズンに対して、MAEでTransformerモデルを14%上回る。これらの結果は、膝関節角度の正確な予測におけるTempoNetの有効性を強調し、動的な時間的注意を組み込むことの重要性を強調しています。膝関節角度の予測精度を向上させるTempoNetの能力は、正確なコントロール、リハビリテーション結果の改善、高度なスポーツパフォーマンス分析、バイオメカニクス研究への深い洞察への可能性を開きます。TempoNetモデルのコード実装は、GitHubリポジトリhttps://github.com/LyesSaadSaoud/TempoNet。

要約(オリジナル)

In the realm of exoskeleton control, achieving precise control poses challenges due to the mechanical delay of exoskeletons. To address this, incorporating future gait trajectories as feed-forward input has been proposed. However, existing deep learning models for gait prediction mainly focus on short-term predictions, leaving the long-term performance of these models relatively unexplored. In this study, we present TempoNet, a novel model specifically designed for precise knee joint angle prediction. By harnessing dynamic temporal attention within the Transformer-based architecture, TempoNet surpasses existing models in forecasting knee joint angles over extended time horizons. Notably, our model achieves a remarkable reduction of 10\% to 185\% in Mean Absolute Error (MAE) for 100 ms ahead forecasting compared to other transformer-based models, demonstrating its effectiveness. Furthermore, TempoNet exhibits further reliability and superiority over the baseline Transformer model, outperforming it by 14\% in MAE for the 200 ms prediction horizon. These findings highlight the efficacy of TempoNet in accurately predicting knee joint angles and emphasize the importance of incorporating dynamic temporal attention. TempoNet’s capability to enhance knee joint angle prediction accuracy opens up possibilities for precise control, improved rehabilitation outcomes, advanced sports performance analysis, and deeper insights into biomechanical research. Code implementation for the TempoNet model can be found in the GitHub repository: https://github.com/LyesSaadSaoud/TempoNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL