Real-Time Gait Phase Estimation for Robotic Hip Exoskeleton Control During Multimodal Locomotion.
Real-Time Gait Phase Estimation for Robotic Hip Exoskeleton Control During Multimodal Locomotion.
复制标题
DOI：
10.1109/lra.2021.3062562
复制
发表时间：
2021-04
影响因子：
5.2
通讯作者：
Young AJ
中科院分区：
文献类型：
--
作者：
Kang I;Molinaro DD;Duggal S;Chen Y;Kunapuli P;Young AJ
我们开发并验证了一种步态相位估计器，用于在多模式运动过程中实时控制机器人髋关节外骨骼。步态阶段描述了自上一次步态事件(如脚跟着地)以来经过的时间比例，是一种在周期性任务中适当应用外骨骼辅助的很有前途的框架。传统方法利用机械传感器来检测步态事件，并使用自上次步态事件以来的时间来线性地内插当前步态阶段。虽然这种方法可能适用于持续的跑步机步行，但当转换到用户可能动态改变步行速度和运动模式的地面情况时，它表现出较差的性能。为了应对这些挑战，我们使用了一种基于卷积神经网络的步态相位估计器，它可以适应不同的运动模式设置来调制外骨骼辅助。我们得到的模型在没有任何关于用户运动模式的额外信息的情况下，准确地预测了多模式运动中的步态相位，步态相位估计的RMSE为5.04±0.79%，显著高于文献标准(p<；0.05)。我们的研究强调了将外骨骼技术转化为更现实的环境的前景，在这种环境中，用户可以自然、无缝地在不同的地形环境中导航。
We developed and validated a gait phase estimator for real-time control of a robotic hip exoskeleton during multimodal locomotion. Gait phase describes the fraction of time passed since the previous gait event, such as heel strike, and is a promising framework for appropriately applying exoskeleton assistance during cyclic tasks. A conventional method utilizes a mechanical sensor to detect a gait event and uses the time since the last gait event to linearly interpolate the current gait phase. While this approach may work well for constant treadmill walking, it shows poor performance when translated to overground situations where the user may change walking speed and locomotion modes dynamically. To tackle these challenges, we utilized a convolutional neural network-based gait phase estimator that can adapt to different locomotion mode settings to modulate the exoskeleton assistance. Our resulting model accurately predicted the gait phase during multimodal locomotion without any additional information about the user’s locomotion mode, with a gait phase estimation RMSE of 5.04 ± 0.79%, significantly outperforming the literature standard (p < 0.05). Our study highlights the promise of translating exoskeleton technology to more realistic settings where the user can naturally and seamlessly navigate through different terrain settings.
登录
查看更多内容
影响因子：
5.2
作者：
Kang, Inseung;Hsu, Hsiang;Young, Aaron
通讯作者：
Young, Aaron
影响因子：
7.8
作者：
Lim, Bokman;Lee, Jusuk;Shim, Youngbo
通讯作者：
Shim, Youngbo
影响因子：
2.4
作者：
Riener, R;Rabuffetti, M;Frigo, C
通讯作者：
Frigo, C
DOI：
10.1109/tcsii.2019.2938775
发表时间：
2020-10-01
影响因子：
4.4
作者：
Zhang, Hai-Feng;Wang, Zhen
通讯作者：
Wang, Zhen
影响因子：
4.6
作者：
Zheng, Enhao;Wang, Long;Wang, Qining
通讯作者：
Wang, Qining