Resumen

Este documento presenta un robot exoesqueleto de extremidades inferiores inspirado en la biología. El robot exoesqueleto propuesto puede ajustarse en su estructura para adaptarse a la altura de los usuarios de 150-185 cm y tiene una buena estabilidad de la marcha. En la parte de control de la marcha, se propone un método para identificar diferentes modos de locomoción; en este documento se consideran cinco modos comunes de locomoción, incluyendo sentarse, levantarse, caminar en terreno plano, subir escaleras y bajar escaleras. La identificación se basa en la información de ángulo de las articulaciones de cadera, rodilla y tobillo. En este documento se propone un modelo de identificación de modo de locomoción profundo (DLMIM) basado en una arquitectura de memoria a largo plazo (LSTM) para explotar los datos de ángulo. Realizamos dos experimentos para verificar la efectividad del método propuesto. Los resultados experimentales muestran que el DLMIM es capaz de aprender las características inherentes de los ángulos

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Propuesto; Exoesqueleto; Modos de locomoción; Identificación; DLMIM; Experimentos
• Keywords:Proposed; Exoskeleton; Locomotion modes; Identification; DLMIM; Experiments