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

要約

部分補助外骨格は、規範的な歩行パターンの（再）学習中の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に大きな可能性を秘めています。
通常、部分補助外骨格における相互作用トルクの制御は、階層的な制御構造に依存します。
これらのアプローチでは、特に階段やスロープの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調整が複雑であるため、広範なキャリブレーションが必要になります。
外骨格における階層制御の限界に対処するために、この研究では 3 段階のデータ駆動型アプローチを提案しています: (1) 最近のセンサー データを使用して、移動状態 (着地ステップの長さ、着地ステップの高さ、歩行速度、ステップ クリアランス、
(2) セラピストがユーザー インターフェイスを介してこれらの機能を変更できるようにする、(3) 調整された移動機能を使用して、予測に基づいてスプリング ダンパー システムの望ましい関節姿勢とモデルの剛性を予測する
不確実性。
私たちは、ユーザー インターフェイスを介して歩行特徴を外部から変更した場合と使用しない場合で、トレッドミル歩行とさまざまな速度での階段の昇降を行う 2 人の健康な参加者を対象に、提案されたアプローチを評価しました。
結果は、歩行の特徴に応じた運動学の変化と、さまざまな条件にわたる外骨格の補助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