Conv-Informer步态预测模型

预测误差显著降低

该步态预测模型通过卷积模块有效融合表面肌电信号与关节角度特征，在保证预测精度的同时降低模型复杂度，并已在外骨骼机器人上验证了步态预测的可行性。

Yuanpei, Zhu · Ming, Yang · Wentao, Li · Li, Feng · Ziqiang, Chen · Sun, Jianquan · Peng, Ansi · Dingkui, Tian · Wu, Xinyu

2024

技术优势

能显著降低预测误差

ProbSparse自注意力机制与卷积模块有效提取和融合特征，与现有网络相比预测误差更小。

在真实外骨骼上验证可行

模型预测的步态已用于下肢外骨骼的物理实验，证明了实际应用的可行性。

模型更轻量

卷积模块在融合特征图的同时降低了模型复杂度，便于实时部署。

应用场景

• 下肢外骨骼步态控制：直接提供步态轨迹预测，作为外骨骼控制输入。
• 可穿戴设备运动意图识别：利用sEMG信号预测关节角度，识别穿戴者运动意图。