Continuous locomotion mode classification using a robotic hip exoskeleton.
Continuous locomotion mode classification using a robotic hip exoskeleton.
复制标题
DOI：
10.1109/biorob49111.2020.9224359
复制
发表时间：
2020-11
期刊：
影响因子：
--
通讯作者：
Young, Aaron J.
中科院分区：
文献类型：
--
作者：
Kang, Inseung;Molinaro, Dean D.;Choi, Gayeon;Young, Aaron J.
通过机器人外骨骼技术的人类增强可以增强用户的移动性，以执行各种各样的辅助任务。这是通过在不同的运动模式（例如，斜坡和楼梯）。几种机器学习技术已被应用于对下肢假肢上的此类任务进行分类，但这些策略尚未广泛应用于通常依赖于类似控制输入的外骨骼系统。另外，常规方法通常在步态周期期间的离散时间处识别模式，这可延迟对用户的对应辅助且潜在地减少整体外骨骼益处。我们开发了一种基于步态相位的贝叶斯分类器，该分类器可以在整个步态周期中仅使用设备上的机械传感器连续地对五种Ampere模式进行分类。从我们使用机器人髋关节外骨骼的五名身体健全的受试者实验中，我们发现，与使用单个模型相比，在步态周期内实施多个模型可以将分类错误率降低35%（p < 0.05）。此外，我们发现，与使用单侧信息相比，利用双侧传感器信息可以将误差减少43%（p < 0.05）。我们的研究结果为未来的外骨骼开发人员提供了有价值的信息，以利用不同的机载机械传感器来增强模式分类，以加快控制器的更新速度，并在运动模式之间提供更自然和无缝的外骨骼辅助。
Human augmentation through robotic exoskeleton technology can enhance the user’s mobility for a wide range of ambulation tasks. This is done by providing assistance that is in line with the user’s movement during different locomotion modes (e.g., ramps and stairs). Several machine learning techniques have been applied to classify such tasks on lower limb prostheses, but these strategies have not been applied extensively to exoskeleton systems which often rely on similar control inputs. Additionally, conventional methods often identify modes at a discrete time during the gait cycle which can delay the corresponding assistance to the user and potentially reduce overall exoskeleton benefit. We developed a gait phase-based Bayesian classifier that can classify five ambulation modes continuously throughout the gait cycle using only mechanical sensors on the device. From our five able-bodied subject experiment with a robotic hip exoskeleton, we found that implementing multiple models within the gait cycle can reduce the classification error rate by 35% compared to using a single model (p < 0.05). Furthermore, we found that utilizing bilateral sensor information can reduce the error by 43% compared to using a unilateral information (p < 0.05). Our study findings provide valuable information for future exoskeleton developers to utilize different on-board mechanical sensors to enhance mode classification for a faster update rate in the controller and provide more natural and seamless exoskeleton assistance between locomotion modes.
登录
查看更多内容
DOI：
10.3390/s16091408
发表时间：
2016-09-02
期刊：
Sensors (Basel, Switzerland)
影响因子：
--
作者：
Long Y;Du ZJ;Wang WD;Zhao GY;Xu GQ;He L;Mao XW;Dong W
通讯作者：
Dong W
影响因子：
5.2
作者：
Kang, Inseung;Hsu, Hsiang;Young, Aaron
通讯作者：
Young, Aaron
影响因子：
4.6
作者：
Zheng, Enhao;Wang, Long;Wang, Qining
通讯作者：
Wang, Qining
DOI：
10.1109/tnsre.2016.2613020
发表时间：
2017-08
期刊：
IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
影响因子：
--
作者：
Simon AM;Ingraham KA;Spanias JA;Young AJ;Finucane SB;Halsne EG;Hargrove LJ
通讯作者：
Hargrove LJ
DOI：
10.1155/s1110865702206083
发表时间：
2002-11-01
期刊：
EURASIP JOURNAL ON APPLIED SIGNAL PROCESSING
影响因子：
--
作者：
Nefian, AV;Liang, LH;Murphy, K
通讯作者：
Murphy, K