残差网络运动意图识别

基于多源时间序列信息的深度学习模型，可在复杂地形下以近似100%的准确率识别下肢运动模式。

王多琎 · Xiaoping, Gu · 喻洪流

Journal of Bionic Engineering 2023

参数信息

分类准确率

100 %

技术优势

准确率近乎100%

ResNet在四种地形分类任务上达到近似100%的评估指标，远高于其他对比算法，为外骨骼的可靠控制提供坚实基础。

即插即用的意图识别

该框架以多源时间序列数据为输入，无需手工设计特征，可直接输出运动模式预测，简化了外骨骼智能控制器的开发流程。

应用场景

• 外骨骼主动控制：将识别出的运动意图实时传给控制器，使外骨骼在上下楼梯、草地行走等变化地形中主动调整助力，避免穿戴者失衡或费力对抗设备。
• 人机运动意图识别：通过多源时序信号准确分类平地、上下楼等运动模式，为外骨骼提供可靠的人机交互接口，使设备理解并响应穿戴者意图。
• 具身智能运动控制：将近100%的识别准确率作为运动控制前馈，帮助外骨骼在不同地形间实现平滑无缝的助力切换，提升穿戴体验与安全性。
• 可穿戴辅助设备：模型可直接嵌入可穿戴外骨骼的嵌入式系统中，实时处理传感器数据，为行动不便者提供智能化的辅助动力。