Reconocimiento Integral en Tiempo Real del Modo de Locomoción Basado en GA-CNN para Exoesqueletos de Extremidades Inferiores

Resumen El exoesqueleto portátil de extremidades inferiores es un sistema acoplado típico humano-robot en bucle humano, que lleva a cabo una cooperación natural y estrecha con el humano al reconocer la locomoción humana de manera oportuna. Requerir entrenamiento específico para el sujeto es el principal desafío de los enfoques existentes, y la mayoría de los métodos tienen el problema de un reconocimiento insuficiente. Este documento propone un método integral de Reconocimiento de Modo de Locomoción (LMR) adaptativo al sujeto y en tiempo real basado en GA-CNN para un sistema de exoesqueleto de extremidades inferiores. El método LMR es una combinación de Redes Neuronales Convolucionales (CNN) y selección de información multi-sensor basada en Algoritmos Genéticos (GA). Para mejorar el rendimiento de la red, los hiperparámetros se optimizan mediante optimización bayesiana. Se utiliza un sistema prototipo de exoesqueleto con sensores de múltiples tipos y zapatos de detección novedosos para verificar el método propuesto. Doce modos de locomoción, que componen un sistema integral de locomoción para la aplicación diaria del exoesqueleto, pueden ser reconocidos por el método propuesto. Según una serie de experimentos, el reconocedor muestra fuertes habilidades integrales que incluyen alta precisión, bajo retraso y suficiente adaptación a diferentes sujetos.