图卷积运动意图预测模型

拟合度0.94

融合IMU与视觉信号的跨图卷积架构，比Bi-LSTM高10%的轨迹拟合度，为外骨骼康复训练提供更准确的意图感知。

Yang, Meng · Shuhao, Liang · Jinda, Wang · Fei, Niu · Wang W. · Zelin, Ci

Engineering Applications of Artificial Intelligence 2026

参数信息

关节轨迹拟合度

0.9417 R²

相对1DConv-LSTM的精度提升

9 %

相对Bi-LSTM的精度提升

10 %

技术优势

融合多源信息

跨图卷积模块基于空间节点编码融合IMU和视觉信号，捕获变量间空间关系，使模型能利用多种信息源。

捕捉时序特征

带随机合成注意力机制的多视图拓扑映射网络提取时间特征，再结合GCN-LSTM建模时序依赖。

精度更高

GCN-LSTM的关节轨迹拟合度R²达0.9417，比1DConv-LSTM高约9%，比Bi-LSTM高约10%。

应用场景

• 上肢外骨骼控制：用融合IMU和视觉的模型实时预测患者上肢运动意图，让外骨骼在康复训练中更精准地跟随关节轨迹。
• 康复机器人：更高的轨迹拟合度（R²=0.9417）可提升康复机器人对患者动作的响应准确性，从而优化训练效果。
• 人机协作：准确的运动意图感知让人与机器人协作更自然，外骨骼可及时跟随人的动作，减少延迟和误判。