단일 IMU 센서를 이용한 직렬 탄성 구동기가 장착된 구동형 발목 보철 장치의 연속 보행 인식

Concepts de base

단일 IMU 센서를 이용하여 보행 속도, 보행 단계, 발목 각도 및 각속도를 동시에 예측할 수 있는 MLP 기반의 연속 보행 인식 방법을 제안하였다. 이를 통해 보행 의도를 정확하고 연속적으로 감지할 수 있으며, 다양한 속도 범위에 적응할 수 있는 장점을 가진다.

Résumé

본 연구에서는 직렬 탄성 구동기(SEA)가 장착된 구동형 발목 보철 장치를 제안하였다. 이 장치는 생물학적 발목과 유사한 중량, 토크 및 출력을 가지며 최대 4m/s의 보행을 지원할 수 있다. 새로운 평면 비틀림 스프링 설계를 통해 적절한 강성, 내구성 및 수정 가능성을 확보하였다.
보행 인식 시스템은 단일 IMU 센서의 신호만을 이용하여 보행 속도, 보행 단계, 발목 각도 및 각속도를 동시에 예측할 수 있다. 이를 통해 연속성, 속도 범위 적응성, 정확성 및 다기능성의 장점을 가진다.
MLP 기반 신경망 모델을 통해 보행 데이터를 학습하였다. 실험 결과, 보행 단계의 70%가 5% 이내의 상대 오차를 보였고, 0~2m/s 속도 범위에서 43%의 속도 예측이 10% 이내의 상대 오차를, 2~5m/s 범위에서 56%의 속도 예측이 10% 이내의 상대 오차를 보였다. 발목 각도 예측의 경우 41%가 10% 이내의 상대 오차를 보였다.
제안된 보철 장치의 현장 테스트 결과, 생물학적 발목 데이터를 정확하게 추종하는 것을 확인하였다. 각도, 토크 및 출력 측면에서 생물학적 데이터와 유사한 성능을 보였다.

Stats

보행 속도 0~2m/s 범위에서 43%의 속도 예측이 10% 이내의 상대 오차를 보였다.
보행 속도 2~5m/s 범위에서 56%의 속도 예측이 10% 이내의 상대 오차를 보였다.
발목 각도 예측의 경우 41%가 10% 이내의 상대 오차를 보였다.

Citations

없음

Idées clés tirées de

MLP Based Continuous Gait Recognition of a Powered Ankle Prosthesis with Serial Elastic Actuator

by Yanze Li,Fei... à arxiv.org 04-02-2024

https://arxiv.org/pdf/2309.08323.pdf

Questions plus approfondies

보행 속도 범위를 더 확장하여 연속 보행 인식 성능을 향상시킬 수 있는 방법은 무엇일까?

연속 보행 인식 성능을 향상시키기 위해 보행 속도 범위를 더 확장하는 방법은 다양한 속도에서의 데이터를 수집하고 이를 훈련 데이터로 활용하는 것입니다. 이를 통해 신경망이 다양한 속도에서의 패턴을 학습하고 보다 일반화된 모델을 구축할 수 있습니다. 또한, 다양한 속도에서의 데이터를 활용하여 모델을 더 광범위하게 테스트하고 조정함으로써 속도 범위에 대한 민감도를 줄일 수 있습니다. 더 넓은 속도 범위에서의 데이터 다양성은 모델의 성능을 향상시키고 다양한 환경에서의 적용 가능성을 높일 수 있습니다.

보행 중 갑작스러운 속도 변화에 대한 보행 인식 성능을 개선할 수 있는 방법은 무엇일까?

갑작스러운 속도 변화에 대한 보행 인식 성능을 개선하기 위해서는 모델이 빠르게 변화하는 속도에 대응할 수 있는 능력을 갖추어야 합니다. 이를 위해 신경망을 더 빠르게 업데이트하고 더 높은 주파수로 입력 데이터를 처리할 수 있는 방법을 고려할 수 있습니다. 또한, 갑작스러운 속도 변화를 감지하고 이에 대한 적절한 조치를 취할 수 있는 알고리즘을 개발하여 모델의 반응 속도를 향상시킬 수 있습니다. 더 빠른 속도 변화에 대응할 수 있는 모델을 개발함으로써 갑작스러운 변화에 민감한 보행 인식 성능을 향상시킬 수 있습니다.

보행 이외의 다른 일상 동작(예: 앉기, 계단 오르기 등)에 대한 보행 인식 기술의 확장 가능성은 어떨까?

보행 이외의 다른 일상 동작에 대한 보행 인식 기술의 확장 가능성은 매우 높습니다. 이러한 기술은 다양한 일상 동작을 포함하는 확장된 데이터셋을 활용하여 훈련될 수 있습니다. 예를 들어, 앉기, 계단 오르기, 계단 내려가기 등의 동작에 대한 데이터를 수집하고 분석함으로써 모델이 다양한 동작을 인식하고 제어할 수 있도록 학습할 수 있습니다. 이를 통해 보행 인식 기술을 다양한 일상 동작에 확장하여 보다 효과적인 보조 장치나 로봇 시스템을 개발할 수 있습니다.