海南大學科學家的一篇研究論文提出了FSS-eq2Seq作為下肢輔助設備步態(tài)協同建模的兩階段策略,以實現協同和用戶自適應的軌跡,從而改善人機交互。
這篇新研究論文于7月3日發(fā)表在《Cyborg and Bionic Systems》雜志上,指出Seq2Seq在肢體間和肢體內協同建模方面均優(yōu)于LSTM、RNN和GRU。此外,FS顯著提高了Seq2Seq的建模性能。
步態(tài)協同的概念提供了新穎的人機界面,并已應用于下肢輔助設備的控制,例如動力假肢和外骨骼。具體而言,基于步態(tài)協同,輔助設備可以根據患者健全部位的運動,為受影響或缺失的部位精確生成/預測適當的參考軌跡。
步態(tài)協同方法需要最優(yōu)建模,即對特征(輸入)進行最優(yōu)組合,以實現協同軌跡,從而改善人機交互。然而,以前的研究缺乏對協同建模最優(yōu)方法的深入討論。此外,特征選擇(FS)對于降低數據維度和提高建模質量至關重要,但在以前的研究中卻常常被忽視。
海南大學教授、這項研究的作者梁鳳艷解釋說:“在為不同患者設計和生成用戶、時間和相位自適應和協同的參考軌跡時,主動輔助設備的控制是一個關鍵且具有挑戰(zhàn)性的問題。”
標簽:
免責聲明:本文由用戶上傳,與本網站立場無關。財經信息僅供讀者參考,并不構成投資建議。投資者據此操作,風險自擔。 如有侵權請聯系刪除!