无需GPU的地形重建下的自主运动模式预测

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Self-Initialized Locomotion Mode Prediction with GPU-Free Terrain Reconstruction

　　

摘要：

下肢可穿戴机器人需要精确的移动模式预测技术，以便在各种地形条件下提供适当的辅助。目前基于重建的移动模式预测方法通过融合高维多模态传感器数据来建模人类动作与地形之间的关系，从而提高预测精度和在不同地形下的适应性。然而，这类方法通常计算成本较高，依赖于GPU，并且往往需要穿戴者参与或专业人员监督才能进行初始化。本文提出了一种无需GPU、可自主初始化的移动模式预测方法，以克服这些应用限制。该方法采用与重力对齐的世界坐标系作为统一的几何参考框架：首先通过自主初始化程序建立该参考框架，随后利用渐进式平面表示方法实现无需GPU的地形重建。这两个部分共同构成一个流程，能够在无需人工干预的情况下，依靠内置CPU完成基于重建的移动模式预测。我们在不同地形和测试对象上进行了大量实验，从移动模式预测精度、初始化成功率、计算效率以及内存占用等方面对系统进行了评估。此外，还将所提方法与一种轻量级的端到端基准方法进行了比较，进一步分析了无需GPU的地形重建的作用。实验结果表明，所提方法的预测精度可与现有的最先进方法相媲美，包括那些依赖GPU的方法，而且完全在CPU上运行，无需人工干预。