Svorio pasiskirstymo įvertinimas apatinių galūnių egzoskeletuose per gilųjį mokymąsi: rezultatai
Autoriai:
(1) Clement Lhos, Shirley Ryan AbilityLab kojų ir vaikščiojimo laboratorija, Čikaga, IL, JAV;
(2) Emek Barıs¸ Kuc¸uktabak, Shirley Ryan AbilityLab kojų ir vaikščiojimo laboratorija, Čikaga, IL, JAV ir Robotikos ir biosistemų centras, Šiaurės vakarų universitetas, Evanstonas, IL, JAV;
(3) Lorenzo Vianello, Shirley Ryan AbilityLab kojų ir vaikščiojimo laboratorija, Čikaga, IL, JAV;
(4) Lorenzo Amato, Shirley Ryan AbilityLab kojų ir vaikščiojimo laboratorija, Čikaga, IL, JAV ir Biorobotikos institutas, Scuola Superiore Sant'Anna, 56025 Pontedera, Italija ir Robotikos ir dirbtinio intelekto kompetencijos departamentas, Scuola Superiore Sant'Anna, 56127 Piza, Italija;
(5) Matthew R. Short, Shirley Ryan AbilityLab kojų ir vaikščiojimo laboratorija, Čikaga, IL, JAV ir Biomedicininės inžinerijos katedra, Northwestern universiteto Evanstonas, IL, JAV;
(6) Kevin Lynch2, Robotikos ir biosistemų centras, Šiaurės vakarų universitetas, Evanstonas, IL, JAV;
(7) Jose L. Pons, Shirley Ryan AbilityLab kojų ir vaikščiojimo laboratorija, Čikaga, IL, JAV, Robotikos ir biosistemų centras, Šiaurės vakarų universitetas, Evanstonas, IL, JAV ir Biomedicininės inžinerijos katedra, Šiaurės vakarų universitetas, Evanstonas, IL, JAV.
Nuorodų lentelė
Santrauka ir I Įvadas
II Metodai
III rezultatai
IV Diskusija
V. Išvada, pripažinimas ir nuorodos
III. REZULTATAI
A. Giluminio mokymosi prognozių patvirtinimas
Siūlomas LSTM modelis buvo įvertintas taikant kryžminio patvirtinimo metodą: kiekvienoje iteracijoje modelis buvo apmokytas penkiems dalykams, o tada išbandytas su likusiu subjektu. Šiame bandyme mes palyginome modelį, naudodami momentinius kinematikos duomenis (TW = 0 ms), ir kitą modelį, naudodami kinematinių duomenų istoriją (TW = 300 ms). 3 pav. parodyta prognozė kiekvienam modeliui, įvertintam bandymų rinkinyje, kurį sudaro Ketvirtas subjektas, ir pagrindinės tiesos vertės.
Modelis, kuriame naudojami momentiniai kinematikos duomenys, nešiojamojo kompiuterio („ThinkPad X1 Carbon 5th“, „Lenovo“) numatymo trukme buvo 201±70,7 µs, o naudojant kinematinių duomenų istoriją, prognozės laikas buvo 573±308 µs.
Kalbant apie numatymo tikslumą, modelis, apimantis kinematinių duomenų istoriją, davė didesnį tikslumą (TW = 0 ms: R2 = 0,84 ± 0,03, MSE = 1,8 × 10-2 ± 0,4; TW = 300 ms: R 2 = 0,90 ±0,02, MSE = 1,1×10-2 ±0,3). Skirtukas. Pateikiu išsamią modelio tikslumo ataskaitą atskiriems vartotojams. Konkrečiai, jis apima R 2 našumą tiek treniruočių, tiek testų rinkiniams esant TW = 0 ms ir TW = 300 ms sąlygomis.
B. Uždarojo ciklo našumas vaikščiojant bėgimo takeliu
Patvirtinus giluminio mokymosi prognozes, palyginome siūlomo αˆ įvertinimo metodo uždarojo ciklo veikimą ir išmatuotą pagrindinę tiesą α iš bėgimo takelio jėgos plokštelių. Tiksliau, apskaičiuotos arba išmatuotos padėties interpoliacijos koeficiento vertės buvo naudojamos kaip įvestis į WECC valdiklį [7] ir gautos kinematikos bei sąveikos sukimo momento paklaidos buvo įvertintos einant. Atliekant uždarojo ciklo bandymus, mes sutelkėme dėmesį į modelį, kurio TW = 300 ms, nes jo tikslumas buvo geresnis, palyginti su TW = 0 ms, ir vis tiek gavome numatymo laiką, tinkamą realiuoju laiku įgyvendinti (0, 57 ms).
4 pav. iliustruojame stovėsenos interpoliacijos koeficientą, atsižvelgiant į normalizuotą eisenos trukmę skirtingomis sąlygomis. Stovėjimosi interpoliacijos koeficiento vertės, gautos iš bėgimo takelio jėgos plokštelių ir gilaus mokymosi metodo, rodomos trims skirtingiems greičiams (0,14 m/s, 0,25 m/s, 0,47 m/s). Palyginti su jėgos plokštelių verčių naudojimu, siūlomas metodas lėmė ilgesnį stovėjimo laiką lėčiau einant ir trumpesnį stovėjimo laiką greitesnio ėjimo metu. Esant 0,14 m/s greičiui, stovėsenos trukmė buvo 56,0 ± 4,8 % eisenos ciklo naudojant bėgimo takelio jėgos plokštes, palyginti su 67,1 ± 9,7 % naudojant gilųjį mokymąsi. Esant 0,25 m/s greičiui, stovėsenos trukmė abiem būdais buvo panaši: 59,6±6,99 % eisenos ciklo naudojant bėgimo takelio jėgos plokštes ir 65,1±1,6 % naudojant gilųjį mokymąsi. Galiausiai, esant 0,47 m/s greičiui, bėgimo takelio jėgos plokštelės lėmė 69,3 ± 10, 2 % laikymosi trukmę, palyginti su 59, 7 ± 5, 74 %, naudojant gilųjį mokymąsi.
Sąveikos sukimo momento paklaidos buvo tiriamos siekiant įvertinti haptinio atvaizdavimo ir skaidrumo kokybę, naudojant jėgos plokštes ir gilaus mokymosi prognozes dėl padėties interpoliacijos koeficiento realiuoju laiku. 5 pav. parodytas sąveikos sukimo momento sekimo našumas atvaizdavimo režimu, naudojant jėgos plokštės matavimus ir giluminio mokymosi įvertinimą dinaminiame roboto modelyje. Pastebėta, kad sąveikos sukimo momento paklaida yra didesnė taikant giluminio mokymosi metodą sūpynės pradžioje. Konkrečiai, pirštų nukrypimas (60–70 % eisenos ciklo) lėmė vidutinę klubo sąveikos sukimo momento paklaidą 0,068 Nm/kg naudojant jėgos plokštes ir 0,109 Nm/kg naudojant gilųjį mokymąsi. Tačiau ši klaida buvo mažesnė taikant gilaus mokymosi metodą pozicijos fazėje. 20–50 % eisenos ciklo diapazone vidutinė klubų sąveikos paklaida buvo 0,111 Nm/kg naudojant jėgos plokšteles ir 0,033 Nm/kg naudojant gilųjį mokymąsi. Sąveikos sukimo momento paklaidos vidurkis per visą ciklą tarp trijų vartotojų buvo panašus tarp dviejų sąlygų. Klubo sąnaryje vidutinės absoliučios sąveikos sukimo momento paklaidos buvo atitinkamai 0,101 ± 0,004 Nm/kg ir 0,094 ± 0,005 Nm/kg, taikant gilaus mokymosi ir jėgos plokštelės sąlygas. Panašiai, vidutinė absoliuti sąveikos sukimo momento paklaida kelio sąnaryje buvo 0,119±0,006 Nm/kg ir 0,113±0,006 Nm/kg gilaus mokymosi ir jėgos plokštės sąlygomis.
6 pav. parodyti skaidrumo rezultatai abiem sąlygomis. Taikant gilųjį mokymosi metodą, santykinai mažesnė klubo sąveikos sukimo momento paklaida, palyginti su jėgos plokštelės sąlygomis (0,063 ± 0,006 Nm/kg, palyginti su 0,073 ± 0,006 Nm/kg).
0,008 Nm/kg). Kita vertus, gilaus mokymosi metodas lėmė didesnę sąveikos sukimo momento paklaidą kelių sąnariuose nuo 60% iki 70% normalizuotos eisenos, atitinkančios siūbavimo fazės pradžią. Vidutinė kelio sąveikos sukimo momento paklaida šiuo laikotarpiu buvo –0,207 Nm/kg jėgos plokštės sąlygoms ir –0,312 Nm/kg gilaus mokymosi metodui. Vartotojai taip pat kokybiškai pranešė, kad šiuo konkrečiu eisenos ciklo momentu egzoskeletas jautėsi sunkesnis. Per visą eisenos ciklą vidutinė kelio sąnario sąveikos sukimo momento paklaida buvo panaši giluminio mokymosi ir jėgos plokštelės sąlygomis (0,078±0,007 Nm/kg, palyginti su 0,071±0,007 Nm/kg).
C. Uždarojo ciklo atlikimas vaikščiojant ant žemės
Atliekant antžeminius bandymus buvo pastebėta, kad naudotojai pirmenybę teikė šiek tiek didesniam greičiui, naudodami FSR kojeles (0,241 ± 0,024 m/s), palyginti su giluminio mokymosi įverčiu (0,198 ± 0,020 m/s). 7B pav. rezultatai rodo panašius kinematikos modelius tarp dviejų sąlygų, ypač jungties kampų dydžių. Laiko srityje buvo pastebėtas ilgesnis laikymosi laikotarpis taikant giluminio mokymosi metodą (75,3 ± 2,7 %), palyginti su FSR sąlyga (63,1 ± 1,6 %). Be to, 7 pav. parodyta sąveikos sukimo momento paklaida per eisenos ciklą reprezentatyviam vartotojui naudojant FSR arba gilųjį mokymąsi. Sąveikos sukimo momento paklaida, apskaičiuota dviem naudotojams, buvo didesnė gilaus mokymosi sąlygomis (klubas: 0,094 ± 0,009 Nm/kg naudojant FSR ir 0,120 ± 0,014 Nm/kg naudojant gilųjį mokymąsi; kelio sąnarys: 0,083 ± 0,007 Nm/kg naudojant FSR ir 0,116 ± 0,009 Nm/kg naudojant giluminį mokymąsi).
