Soft insoles for estimating 3D ground reaction forces using 3D printed foam-like sensors

要約

センサー付きインソールは、日常生活における歩行研究と健康モニタリングのためのツールを提供します。
このようなインソールをユーザーが受け入れるには、快適で軽量である必要があります。
これまでの研究では、インソールを使用して地面反力 (GRF) を推定できることがすでに実証されています。
ただし、これらは多くの場合、設計の自由度やカスタマイズが制限される商用コンポーネントのアセンブリです。
この研究では、3D プリントされた柔らかいフォーム状センサー 4 つを使用してインソールを感知することを調査します。
これらのセンサーを Hammerstein-Wiener モデルのシステム識別と組み合わせて 3D GRF を推定し、黄金標準として計測器を備えたトレッドミルの値と比較しました。
4 つのセンサーが、歩行サイクル中の圧力分布の予想される変化に沿って動作することが観察されました。
さらに、特定された (パーソナライズされた) Hammerstein-Wiener モデルは、垂直、内側外側、および前後方向の GRF の最高の推定パフォーマンス (平均 RMS 誤差 9.3%、R^2=0.85、平均絶対誤差 (MAE) 7%) を示しました。
これにより、これらのセンサーが結果として生じる 3D 力をかなり適切に推定できることがわかります。
9 人の参加者に対するこれらの結果は、機械学習を備えた商用 FSR を使用した他の研究と同等かそれを上回っていました。
特定されたモデルは時間の経過とともに推定パフォーマンスが低下しましたが、1 週間後も平均 11.35% RMS と 8.6% MAE に留まり、Hammerstein-Wiener モデルは 2 日目から 7 日目まで一貫しているように見えました。
これらの結果は、システム識別機能を備えた 3D プリントされた柔らかいピエゾ抵抗フォーム状センサーの使用が、ウェアラブル (力) センサーなどの柔らかさ、軽量さ、カスタマイズを必要とするアプリケーションに対する実行可能なアプローチとなる可能性を示しています。

要約(オリジナル)

Sensorized insoles provide a tool for gait studies and health monitoring during daily life. For users to accept such insoles they need to be comfortable and lightweight. Previous work has already demonstrated that estimation of ground reaction forces (GRFs) is possible with insoles. However, these are often assemblies of commercial components restricting design freedom and customization. Within this work, we investigate using four 3D-printed soft foam-like sensors to sensorize an insole. These sensors were combined with system identification of Hammerstein-Wiener models to estimate the 3D GRFs, which were compared to values from an instrumented treadmill as the golden standard. It was observed that the four sensors behaved in line with the expected change in pressure distribution during the gait cycle. In addition, the identified (personalized) Hammerstein-Wiener models showed the best estimation performance (on average RMS error 9.3%, R^2=0.85 and mean absolute error (MAE) 7%) of the vertical, mediolateral, and anteroposterior GRFs. Thereby showing that these sensors can estimate the resulting 3D force reasonably well. These results for nine participants were comparable to or outperformed other works that used commercial FSRs with machine learning. The identified models did decrease in estimation performance over time but stayed on average 11.35% RMS and 8.6% MAE after a week with the Hammerstein-Wiener model seeming consistent between days two and seven. These results show promise for using 3D-printed soft piezoresistive foam-like sensors with system identification to be a viable approach for applications that require softness, lightweight, and customization such as wearable (force) sensors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google