論文の概要: IMU-based Real-Time Crutch Gait Phase and Step Detections in Lower-Limb Exoskeletons

• arxiv url: http://arxiv.org/abs/2601.10832v1
• Date: Thu, 15 Jan 2026 20:07:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.803403
• Title: IMU-based Real-Time Crutch Gait Phase and Step Detections in Lower-Limb Exoskeletons
• Title（参考訳）: IMUを用いた下肢外骨格のリアルタイム歩行位相とステップ検出
• Authors: Anis R. Shakkour, David Hexner, Yehuda Bitton, Avishai Sintov,
• Abstract要約: そこで本論文では,IMU(Inertial-Measurement Unit)を用いたミニマリストフレームワークについて述べる。 本研究では,望ましくない動きを防止するため,標準歩行位相と非運動補助状態を含む5段階分類システムを提案する。 一時畳み込みネットワーク(TCN)が優れたアーキテクチャとして登場し、最高成功率と低レイテンシを実現した。
• 参考スコア（独自算出の注目度）: 4.199844472131922
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lower limb exoskeletons and prostheses require precise, real time gait phase and step detections to ensure synchronized motion and user safety. Conventional methods often rely on complex force sensing hardware that introduces control latency. This paper presents a minimalist framework utilizing a single, low cost Inertial-Measurement Unit (IMU) integrated into the crutch hand grip, eliminating the need for mechanical modifications. We propose a five phase classification system, including standard gait phases and a non locomotor auxiliary state, to prevent undesired motion. Three deep learning architectures were benchmarked on both a PC and an embedded system. To improve performance under data constrained conditions, models were augmented with a Finite State Machine (FSM) to enforce biomechanical consistency. The Temporal Convolutional Network (TCN) emerged as the superior architecture, yielding the highest success rates and lowest latency. Notably, the model generalized to a paralyzed user despite being trained exclusively on healthy participants. Achieving a 94% success rate in detecting crutch steps, this system provides a high performance, cost effective solution for real time exoskeleton control.
• Abstract（参考訳）: 下肢外骨格と義肢は、正確なリアルタイム歩行フェーズとステップ検出を必要とし、同期した動きとユーザーの安全を確保する。 従来の手法は、制御遅延をもたらす複雑な力覚ハードウェアに依存していることが多い。 本報告では,手持ちグリップに一体化したシングルコストの慣性測定ユニット(IMU)を用いた最小限のフレームワークを提案する。 本研究では,望ましくない動作を防止するため,標準歩行位相と非運動補助状態を含む5段階分類システムを提案する。 3つのディープラーニングアーキテクチャをPCと組み込みシステムの両方でベンチマークした。 データ制約条件下での性能向上のために、モデルはFSM(Finite State Machine)で強化され、生体力学的一貫性が強化された。 一時畳み込みネットワーク(TCN)が優れたアーキテクチャとして登場し、最高成功率と低レイテンシを実現した。 特に、モデルは、健康な参加者にのみ訓練されているにもかかわらず、麻痺したユーザーに一般化された。 松葉杖の段差検出において94%の成功率を得ることができ、リアルタイムな外骨格制御のための高性能で費用対効果の高いソリューションを提供する。

関連論文リスト

• Learning Hip Exoskeleton Control Policy via Predictive Neuromusculoskeletal Simulation [0.0]
  本稿では,ヒップ・エキソスケルトン制御ポリシをシミュレーションで完全に訓練する物理に基づく神経筋骨格学習フレームワークを提案する。 強化学習教師の政策は、幅広い歩行速度と斜面に先立って筋神経活動を用いて訓練される。 シミュレーションでは、エキソスケルトンアシストにより、平均筋活動量が3.4%まで減少し、平均正のジョイントパワーが7.0%まで上昇する。
  論文  参考訳（メタデータ） (2026-03-04T15:23:50Z)
• Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
  分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。 近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。 物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
  論文  参考訳（メタデータ） (2026-02-02T14:13:28Z)
• Neural Finite-State Machines for Surgical Phase Recognition [30.912252237906724]
  ワークフロー最適化、パフォーマンス評価、リアルタイム介入ガイダンスの応用において、外科的位相認識は不可欠である。 従来の状態遷移前処理を現代のニューラルネットワークに統合することにより時間的コヒーレンスを実現する新しい手法であるNeural Finite-State Machine (NFSM)を提案する。 我々は、BernBypass70データセットの大幅な改善を含む、複数のベンチマークにおける最先端のパフォーマンスを実証した。
  論文  参考訳（メタデータ） (2024-11-27T03:21:57Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• The online learning architecture with edge computing for high-level control for assisting patients [3.1084001733555584]
  脊髄損傷、脳卒中、変性疾患などの疾患による移動障害の頻度は世界中で上昇している。 下肢のエキソ骨格は、このような障害のある個人に対する移動性とリハビリテーションを強化するための有効な解決策として、ますます認識されている。 既存のエクソスケルトン制御システムは、レイテンシ、適応性の欠如、計算不効率といった制限に悩まされることが多い。 本稿では,高レベル低域外骨格制御のためのエッジコンピューティングと統合された新しいオンライン対角学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-09-10T20:30:03Z)
• Recall-driven Precision Refinement: Unveiling Accurate Fall Detection using LSTM [0.0]
  本稿では,高齢者の転倒事故に対するプレッシャー的懸念に対処するために,正確な転倒検知システムを開発することで,革新的なアプローチを提案する。 提案システムは,加速度センサやジャイロセンサなどの最先端技術とディープラーニングモデル,特にLong Short-Term Memory(LSTM)ネットワークを組み合わせる。 本稿では,LSTMモデルのアーキテクチャとパラメータを戦略的に微調整し,システムの性能を最適化するプルーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-09-09T20:17:39Z)
• An adaptive closed-loop ECoG decoder for long-term and stable bimanual control of an exoskeleton by a tetraplegic [91.6474995587871]
  複雑なタスクに対する多様なエフェクタのハイパフォーマンス制御は、時間とともに堅牢で、デコーダの継続的な再校正なしに高いデコード性能でなければならない。 適応型オンラインテンソルベースデコーダ「Recursive Exponentially Weighted Markov-Switching Multi-linear Model (REW-MSLM)」を開発した。 復号器の再校正なしにREW-MSLMを用いて,外骨格と仮想アバターの8次元バイマニュアル制御の安定性を6ヶ月にわたって実証した。
  論文  参考訳（メタデータ） (2022-01-25T16:51:29Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。