Los puntos clave no están disponibles para este artículo en este momento.
Los robots exoesqueléticos requieren la capacidad de generar rápidamente asistencia apropiada para las necesidades del usuario en una variedad de escenarios de movimiento. En este estudio, desarrollamos una estrategia de control de asistencia multitarea utilizando un transformador que genera comandos de control para el robot exoesquelético de acuerdo con el estado del usuario y el entorno. Nuestro enfoque capturó el movimiento de las articulaciones y del tronco del usuario, así como una imagen en primera persona como entrada al sistema de control. Se empleó una serie de tareas de movimiento para validar la IA implementada con el enfoque propuesto, incluyendo caminar, agacharse y un movimiento de subir escalón. Participaron sujetos sanos y la aplicación de la IA con nuestro método a un robot exoesquelético redujo las cargas musculares. Además, se encontró que la estrategia de asistencia aprendida se generalizó, reduciendo la actividad muscular en otro participante. Estos hallazgos representan un primer paso hacia el logro de un control de robot exoesquelético que asista diversos movimientos entre individuos en varios entornos utilizando nuestro enfoque basado en transformadores.
Furukawa et al. (Wed,) estudiaron esta cuestión.