Deep-Learning Estimation of Weight Distribution Using Joint Kinematics for Lower-Limb Exoskeleton Control

要約

足による下肢外骨格の制御では、足の重量分布をモニタリングすることで歩行周期の位相を特定できます。
この位相情報を外骨格のコントローラーで使用して、外骨格のダイナミクスを補償し、インピーダンス パラメーターを割り当てることができます。
通常、重量配分は、トレッドミルの力プレートやインソールの力センサーなどのセンサーからのデータを使用して計算されます。
ただし、これらのソリューションではセットアップの複雑さとコストの両方が増加します。
このため、関節運動学の短い時間枠を使用して外骨格の重量分布をリアルタイムで予測する深層学習アプローチを提案します。
このモデルは、4 自由度の外骨格を装着した 6 人のユーザーからのトレッドミル歩行データでトレーニングされ、同じデバイスを装着した 3 人の異なるユーザーでリアルタイムでテストされました。
このテスト セットには、個人全体に一般化するモデルの能力を実証するために、トレーニング セットには存在しない 2 人のユーザーが含まれています。
結果は、提案された方法が R2=0.9 で実際の重み分布に適合することができ、予測時間が 1 ms 未満のリアルタイム制御に適していることを示しています。
閉ループ外骨格制御の実験では、深層学習ベースの重量分布推定を地上歩行やトレッドミル歩行における力センサーの代わりに使用できることが示されました。

要約(オリジナル)

In the control of lower-limb exoskeletons with feet, the phase in the gait cycle can be identified by monitoring the weight distribution at the feet. This phase information can be used in the exoskeleton’s controller to compensate the dynamics of the exoskeleton and to assign impedance parameters. Typically the weight distribution is calculated using data from sensors such as treadmill force plates or insole force sensors. However, these solutions increase both the setup complexity and cost. For this reason, we propose a deep-learning approach that uses a short time window of joint kinematics to predict the weight distribution of an exoskeleton in real time. The model was trained on treadmill walking data from six users wearing a four-degree-of-freedom exoskeleton and tested in real time on three different users wearing the same device. This test set includes two users not present in the training set to demonstrate the model’s ability to generalize across individuals. Results show that the proposed method is able to fit the actual weight distribution with R2=0.9 and is suitable for real-time control with prediction times less than 1 ms. Experiments in closed-loop exoskeleton control show that deep-learning-based weight distribution estimation can be used to replace force sensors in overground and treadmill walking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google