Персонализация помощи экзоскелета при ходьбе в реальном мире

Dec 25, 2023

Nature, том 610, страницы 277–282 (2022 г.) Процитировать эту статью

27 тысяч доступов

9 цитат

1362 Альтметрия

Подробности о метриках

Персонализированная помощь экзоскелета обеспечивает пользователям наибольшее улучшение скорости ходьбы1 и экономии энергии2,3,4, но требует длительных испытаний в неестественных лабораторных условиях. Здесь мы показываем, что оптимизацию экзоскелета можно выполнить быстро и в реальных условиях. Мы разработали портативный экзоскелет голеностопа на основе результатов испытаний на универсальном лабораторном стенде. Мы разработали основанный на данных метод оптимизации помощи экзоскелета на открытом воздухе с использованием носимых датчиков и обнаружили, что он столь же эффективен, как и лабораторные методы, но определяет оптимальные параметры в четыре раза быстрее. Мы провели реальную оптимизацию, используя данные, собранные во время множества коротких периодов ходьбы с различной скоростью. Помощь, оптимизированная в течение одного часа естественной ходьбы в общественных местах, увеличила самостоятельно выбранную скорость на 9 ± 4% и снизила энергию, затрачиваемую на преодоление заданного расстояния, на 17 ± 5% по сравнению с обычной обувью. Эта помощь снизила потребление метаболической энергии на 23 ± 8%, когда участники шли по беговой дорожке со стандартной скоростью 1,5 м/с. Движения человека кодируют информацию, которую можно использовать для персонализации вспомогательных устройств и повышения производительности.

Экзоскелеты, которые помогают движению ног, обещают улучшить мобильность человека, но пока не приносят реальных преимуществ. Миллионы людей имеют нарушения подвижности, из-за которых ходьба замедляется5 и становится более утомительной6, в то время как у миллионов людей есть профессии, требующие напряженных движений7. В исследовательских лабораториях экзоскелеты могут увеличить скорость ходьбы1,8,9 и снизить количество энергии, необходимой для ходьбы2,3,4,10,11,12,13,14,15,16, но эти преимущества еще не реализованы в реальном мире. условия17. Оказывать полезную помощь в реальном мире сложно по нескольким причинам: специализированное оборудование, используемое для персонализации помощи, недоступно за пределами лаборатории; в отличие от ходьбы по беговой дорожке, повседневная ходьба состоит из множества приступов различной скорости и продолжительности; устройства должны быть автономными и простыми в использовании. В этом исследовании мы рассмотрели каждую из этих проблем, чтобы продемонстрировать эффективную помощь экзоскелета в естественных условиях.

Максимизация преимуществ помощи экзоскелета требует персонализации в соответствии с индивидуальными потребностями, что является сложной задачей за пределами лаборатории. Наибольшие улучшения в способности человека ходить были достигнуты за счет индивидуализированной помощи с использованием оптимизации «человек в цикле»1,2,3,4 — процесса, в котором управление устройством систематически настраивается для улучшения производительности человека, пока он использует устройство. Измерение важных аспектов работоспособности, включая скорость метаболизма16, потребовало дорогостоящего лабораторного оборудования и длительных периодов постоянной ходьбы на беговой дорожке18. Индивидуализация потребительских или медицинских устройств таким способом потребует нескольких длительных визитов в специализированную клинику, что будет дорогостоящим и непрактичным. Если вместо этого можно было бы быстро оценить работоспособность человека с помощью недорогих носимых датчиков, оптимизацию можно было бы проводить по мере естественного движения людей в повседневной жизни. Это могло бы быть возможно с помощью скелетно-мышечного моделирования19, но такое моделирование требует больших вычислительных ресурсов20 и требует индивидуализации. Модели, основанные на данных, могут проще отражать важные характеристики человеческой деятельности21,22,23,24,25.

Мы разработали модель, основанную на данных, которая связывает движения человека во время ходьбы с помощью экзоскелета с потреблением метаболической энергии и может использоваться вне лаборатории. Движение человека возникает в результате взаимодействия инерции сегментов нашего тела и сил окружающей среды и наших мышц. Мы предположили, что тщательный анализ может извлечь значимую информацию о расходе мышечной энергии из тонких изменений в движении. В предыдущем эксперименте4 участники ходили с помощью экзоскелета примерно в 3600 различных условиях, при этом данные записывались как с лабораторного оборудования, измеряющего биомеханические результаты, так и с недорогих портативных датчиков на экзоскелете. Мы обучили модель логистической регрессии, используя этот предыдущий набор данных (расширенные данные, рис. 1). Модель классификации, основанная на данных, сравнивала данные датчиков от двух различных схем помощи экзоскелета, каждый из которых определяется «законом управления», и классифицировала, какой закон управления обеспечивает большую выгоду. Входными данными модели были угол лодыжки и скорость лодыжки, сегментированные по циклам походки, а также параметры крутящего момента для каждого закона управления. Затем модель оценила вероятность того, что первый закон контроля приведет к снижению затрат метаболической энергии. По сути, классификатор отдавал предпочтение более поздним моментам экзоскелета и плавным, своевременным движениям, которые приводили к увеличению разгибания голеностопного сустава при отрыве носка. В ходе оптимизации пользователь испытывал набор законов управления, управляемая данными модель сравнивала все возможные пары законов управления, законы управления ранжировались, а алгоритм оптимизации26 обновлял оценку оптимальных параметров и генерировал новый набор законов управления. оценить (рис. 1). Этот процесс повторялся до тех пор, пока не были выполнены критерии сходимости.