Los puntos clave no están disponibles para este artículo en este momento.
La fisioterapia asistida por robot ofrece una vía prometedora para aliviar la carga sobre los profesionales de la salud y proporcionar tratamiento en la comodidad del hogar. Típicamente, la fisioterapia requiere movimientos repetitivos hasta que se alcanza un cierto indicador de eficiencia. En el campo de la fisioterapia asistida por robots, los desafíos incluyen determinar con precisión la calidad de la imitación entre los movimientos del robot y del humano, y adaptar el comportamiento del robot para coincidir con las habilidades del sujeto. Este documento presenta un marco modular innovador para la Imitación de Movimiento Adaptativa (AMI) en el contexto de la fisioterapia asistida por robot multi-articular. El marco propuesto utiliza una Red Neuronal Recurrente de Unidad Gated Profunda (GRU) y Distorsión Dinámica del Tiempo Online Segmentada (SODTW). El costo de SODTW se emplea como medida para determinar la cercanía entre los movimientos del robot y el sujeto. La GRU, que utiliza el rango de movimientos y los componentes de frecuencia fundamental de las trayectorias articulares como entradas, pronostica trayectorias de referencia dinámicas y periódicas para las articulaciones del robot. Al modificar los coeficientes de frecuencia de entrada de acuerdo con el costo SODTW del sujeto, la salida de la GRU se adapta para ajustar el movimiento del robot a las capacidades de imitación del sujeto. La división de los elementos de predicción y adaptación de nuestro marco agiliza considerablemente las pruebas y la codificación, y aumenta la escalabilidad del algoritmo. La eficacia del marco AMI propuesto fue evaluada experimentalmente con un grupo de 15 participantes y el robot social Zeno en nuestro laboratorio. Los resultados demuestran la validez del marco propuesto para adaptar el comportamiento del robot de acuerdo con las habilidades de imitación del sujeto.
Ashary et al. (Fri,) estudiaron esta cuestión.