3D-CNN着陆膝力矩网络

rRMSE低至4.9%

基于大腿IMU数据，无需侵入式设备即可预测三维膝关节力矩，在精度与轻量计算间取得平衡。

Sugiarto, Tommy · Lin, Yijia · Tu, Yawen · Hsiao-Liang, Tsai · Hsieh, Linfeng · Sun, Chitien · Kutílek, Patrik · Hsu, Weichun

Engineering Applications of Artificial Intelligence 2025

参数信息

膝关节外展力矩rRMSE

6.08 %

膝关节外旋力矩rRMSE

5.3 %

膝关节屈曲力矩rRMSE

4.9 %

技术优势

大腿单个IMU就够用

仅需佩戴在大腿的惯性传感器即可捕捉落地动力学特征，省去多传感器布设与标记点。

精度与算力可兼得

从简单前馈网络到3D-CNN逐级对比，3D-CNN在计算代价可控的前提下达到了最低的rRMSE，适合资源受限的真实场景。

应用场景

• 运动生物力学分析：教练用便携传感器即时评估落地动作的膝关节负荷，预防损伤。
• 可穿戴康复评估：康复师在门诊或家中连续监测膝关节力矩，动态调整训练方案。
• 人机交互力矩估计：外骨骼用实时估计的关节力矩来确定辅助扭矩，提高人机协同。