Gait Optimization (GO) Lab
简介
宾夕法尼亚州立大学的Gait Optimization Lab研究人类步态模式。团队专注于增强人类康复的技术。为了研究步态，他们采用了最初为机器人开发的方法，这些方法已被改编得更接近人类运动。此外，实验室还使用了包括优化、控制和机械设计在内的各种工程工具。
主导师: Anne Martin,教授, 宾夕法尼亚州立大学机械工程系
点击了解更多关于GO Lab的信息
用于外骨骼辅助行走的自动步态周期检测
2023-2024
本研究开发了一种基于机器学习的方法，用于准确检测外骨骼辅助行走中的关键步态事件——脚跟着地（HS）和脚尖离地（TO），因为传统方法不适用于外骨骼的步态事件检测。我们利用地面反作用力和运动学数据训练了两个独立的LSTM模型，以提高事件检测的准确性。模型处理了113,236个事件，实现了HS超过98%和TO超过99%的准确率，且时间误差在16ms以内，显著超越了以前的技术。此方法不仅展示了卓越的精度和强大的通用性，还大大减少了步态分析所需的劳动量，使其成为临床和研究应用的有效工具。
从宾夕法尼亚州立大学数据共享平台获取本研究的MATLAB脚本和示例数据下载本研究的手稿（英文） （由Plos One审稿中）
步态事件检测的直方图
项目: 增强外骨骼辅助行走试验的数据处理
2022-2023
本项目的主要目的为从外骨骼行走试验中提取逆运动学（IK）和逆动力学（ID）数据。由于穿戴外骨骼的人体标记位置发生变化，Vicon的运动捕捉系统变得不再稳定。因此，通过掌握OpenSim的逆运动学功能并自学逆动力学分析，我开发了定制的外骨骼-肌肉骨骼模型。我同时编撰了可以高效地将数据从Vicon传输到OpenSim的MATLAB脚本，大大改善了GO实验室的工作流程和数据验证过程。
外骨骼行走模拟视频
下载逆动力学教程PDF（英文）