MLformer：一种用于下肢外骨骼佩戴者跨学科和跨速度步态预测的元学习网络

《IEEE Transactions on Medical Robotics and Bionics》：MLformer: A Meta-Learning Network for Cross-Subject and Cross-Speed Gait Prediction in Lower Limb Exoskeleton Wearers

本文提出基于元学习的步态预测框架MLformer，融合ResNet和视觉Transformer提取局部与全局特征，解决下肢外骨骼机器人小样本多场景步态预测难题，实验验证其泛化性和可靠性。

　　

摘要：

下肢外骨骼机器人（LLERs）越来越多地被下肢疾病患者用于自主行走和康复训练，从而无需他人的帮助。在LLERs的应用中，一个关键问题在于准确的步态预测，这仍然是一个重要的研究挑战。本文旨在介绍一种创新的步态预测框架——基于元学习的神经网络（MLformer），该框架能够在复杂运动场景下（如不同速度和不同受试者之间的情况）准确预测佩戴LLER者的步态。该框架结合了残差网络（ResNet）、视觉变换器（ViTs）和元学习结构，以解决在小样本数据集上进行多场景步态预测的难题。ResNet擅长提取局部特征，而ViT则擅长提取全局特征。此外，元学习网络非常适合处理样本量较少的学习任务。最后，包括跨速度预测实验、跨受试者预测实验和物理实验在内的综合实验结果证明了所提出的MLformer的有效性、强大的泛化能力和可靠性。