导读 海南大学科学家的一篇研究论文提出了FSS-eq2Seq作为下肢辅助设备步态协同建模的两阶段策略，以实现协同和用户自适应的轨迹，从而改善人机交...
海南大学科学家的一篇研究论文提出了FSS-eq2Seq作为下肢辅助设备步态协同建模的两阶段策略，以实现协同和用户自适应的轨迹，从而改善人机交互。
这篇新研究论文于7月3日发表在《Cyborg and Bionic Systems》杂志上，指出Seq2Seq在肢体间和肢体内协同建模方面均优于LSTM、RNN和GRU。此外，FS显著提高了Seq2Seq的建模性能。
步态协同的概念提供了新颖的人机界面，并已应用于下肢辅助设备的控制，例如动力假肢和外骨骼。具体而言，基于步态协同，辅助设备可以根据患者健全部位的运动，为受影响或缺失的部位精确生成/预测适当的参考轨迹。
步态协同方法需要最优建模，即对特征(输入)进行最优组合，以实现协同轨迹，从而改善人机交互。然而，以前的研究缺乏对协同建模最优方法的深入讨论。此外，特征选择(FS)对于降低数据维度和提高建模质量至关重要，但在以前的研究中却常常被忽视。
海南大学教授、这项研究的作者梁凤艳解释说：“在为不同患者设计和生成用户、时间和相位自适应和协同的参考轨迹时，主动辅助设备的控制是一个关键且具有挑战性的问题。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！