ES2969892T3 - Sistema y método para reconocimiento de intención de usuario - Google Patents

Sistema y método para reconocimiento de intención de usuario Download PDF

Info

Publication number
ES2969892T3
ES2969892T3 ES18748599T ES18748599T ES2969892T3 ES 2969892 T3 ES2969892 T3 ES 2969892T3 ES 18748599 T ES18748599 T ES 18748599T ES 18748599 T ES18748599 T ES 18748599T ES 2969892 T3 ES2969892 T3 ES 2969892T3
Authority
ES
Spain
Prior art keywords
classification
exoskeleton
classification program
program
exoskeleton system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES18748599T
Other languages
English (en)
Inventor
Tim Swift
Nicolas Cox
Kevin Kemper
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Roam Robotics Inc
Original Assignee
Roam Robotics Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Roam Robotics Inc filed Critical Roam Robotics Inc
Application granted granted Critical
Publication of ES2969892T3 publication Critical patent/ES2969892T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
    • B25J9/14—Programme-controlled manipulators characterised by positioning means for manipulator elements fluid
    • B25J9/142—Programme-controlled manipulators characterised by positioning means for manipulator elements fluid comprising inflatable bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/68—Operating or control means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G06F8/65—Updates
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A61H2003/001—Appliances for aiding patients or disabled persons to walk about on steps or stairways
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A61H2003/005—Appliances for aiding patients or disabled persons to walk about with knee, leg or stump rests
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/12—Driving means
    • A61H2201/1238—Driving means with hydraulic or pneumatic drive
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/164—Feet or leg, e.g. pedal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/165—Wearable interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5007—Control means thereof computer controlled
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5007—Control means thereof computer controlled
    • A61H2201/501—Control means thereof computer controlled connected to external computer devices or networks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5023—Interfaces to the user
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5023—Interfaces to the user
    • A61H2201/5038—Interfaces to the user freely programmable by the user
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5023—Interfaces to the user
    • A61H2201/5043—Displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5023—Interfaces to the user
    • A61H2201/5043—Displays
    • A61H2201/5046—Touch screens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5061—Force sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5064—Position sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5084—Acceleration sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/10—Leg

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Software Systems (AREA)
  • Rehabilitation Therapy (AREA)
  • Pain & Pain Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Computer Security & Cryptography (AREA)
  • Biophysics (AREA)
  • Vascular Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Transplantation (AREA)
  • Cardiology (AREA)
  • Manipulator (AREA)
  • User Interface Of Digital Computer (AREA)
  • Prostheses (AREA)

Abstract

La divulgación incluye un método para operar un sistema de exoesqueleto. El método incluye determinar una primera estimación de estado para un programa de clasificación actual que se está implementando mediante el sistema de exoesqueleto, determinar una segunda estimación de estado para un programa de clasificación de referencia; determinar que una diferencia entre la primera y la segunda estimación estatal es mayor que un umbral de reemplazo del programa de clasificación; generar un programa de clasificación actualizado; y reemplazar el programa de clasificación actual con el programa de clasificación actualizado basado al menos en parte en la determinación de que la diferencia entre las estimaciones del primer y segundo estado es mayor que el umbral de reemplazo del programa de clasificación. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Sistema y método para reconocimiento de intención de usuario
La invención comprende un exoesqueleto según la reivindicación 1, una red de exoesqueleto según la reivindicación 6 y un método de funcionamiento de un sistema de exoesqueleto según la reivindicación 10.Descripción de la técnica relacionada
El documento US2016/331557 describe un robot con articulación de tobillo de exoesqueleto accionada con motor eléctrico portátil con transmisión de caja de cambios y sistema de control que pretende proveer ayuda para caminar en diferentes condiciones de velocidad y caminata a personas con capacidades reducidas para caminar o debilidad muscular o problemas en las articulaciones.
El documento US2011/071417 describe sistemas y métodos para reproducir un movimiento corporal mediante una red, y sistemas, dispositivos y métodos para identificar un movimiento corporal. El sistema para reproducir un movimiento corporal mediante una red puede comprender un sensor configurado para capturar una señal de electromiografía de superficie generada por un movimiento corporal de un usuario en un primer terminal en la red; un procesador configurado para recibir la señal del sensor e identificar el movimiento corporal según la señal recibida, y enviar información asociada al movimiento corporal a un segundo terminal en la red, el procesador estando ubicado en el primer terminal; y un miembro mecánico configurado para recibir la información asociada al movimiento corporal del segundo terminal y reproducir el movimiento corporal según la información recibida.
El documento US2010/114329 describe un aparato híbrido de extremidad inferior adaptativo al terreno y métodos que se llevan a cabo en una variedad de diferentes situaciones mediante la detección del terreno que se recorre, y adaptándose al terreno detectado. La capacidad de controlar el aparato para cada una de estas situaciones puede basarse en cinco capacidades básicas: (1) determinar la actividad que se está llevando a cabo; (2) controlar, de forma dinámica, las características del aparato según la actividad que se está llevando a cabo; (3) conducir dinámicamente el aparato según la actividad que se está llevando a cabo; (4) determinar las irregularidades de textura del terreno (p.ej., cuán pegajoso es el terreno, cuán resbaloso es el terreno, si el terreno es irregular o liso, si el terreno tiene obstrucciones como, por ejemplo, rocas) y (5) un diseño mecánico del aparato que puede responder al control dinámico y a la conducción dinámica.
Breve descripción de los dibujos
La Figura 1 es un diagrama a modo de ejemplo que ilustra una realización de una red de exoesqueleto. La Figura 2 es un diagrama a modo de ejemplo que ilustra otra realización de una red de exoesqueleto. La Figura 3 es un diagrama de bloques a modo de ejemplo que ilustra una realización de un sistema de exoesqueleto.
La Figura 4 ilustra un método a modo de ejemplo de actualización de un conjunto de reglas de clasificación. La Figura 5 ilustra un método a modo de ejemplo de mejora de programas de clasificación de múltiples sistemas de exoesqueleto.
La Figura 6 ilustra un método a modo de ejemplo de actualización de un programa de clasificación según el estado de uno o más sensores de un sistema de exoesqueleto.
La Figura 7 ilustra un método a modo de ejemplo de ajuste de un programa de clasificación según al menos en parte una respuesta de usuario a una determinación de clasificación.
La Figura 8 ilustra un método de determinación de si presentar una solicitud de confirmación para una determinación de clasificación.
La Figura 9 ilustra una realización de una red de procesamiento de exoesqueleto que comprende tres niveles de procesamiento.
La Figura 10 es una ilustración a modo de ejemplo de una realización de un sistema de exoesqueleto.
La Figura 11 es una ilustración a modo de ejemplo de otra realización de un sistema de exoesqueleto.
La Figura 12 es una ilustración a modo de ejemplo de una realización adicional de un sistema de exoesqueleto.
Debe observarse que las figuras no se dibujan a escala y que los elementos de estructuras o funciones similares se representan, en general, por numerales de referencia iguales con fines ilustrativos a lo largo de las figuras. Debe observarse que las figuras solo pretenden facilitar la descripción de las realizaciones preferidas. Las figuras no ilustran cada aspecto de las realizaciones descritas y no limitan el alcance de la presente descripción.
Descripción detallada
En un aspecto, esta solicitud describe realizaciones a modo de ejemplo pertenecientes al diseño de programas innovadores para el reconocimiento de intención de usuarios de uno o más exoesqueletos motorizados. Varias realizaciones descritas en la presente memoria ofrecen una mejora sustancial con respecto a los programas de reconocimiento de intención usados en dispositivos convencionales. Por ejemplo, un método convencional para el reconocimiento de la intención es el diseño experto de una máquina de estado finito que incluye guardas de transición diseñadas que se establecenad hocpor los desarrolladores para mejorar la precisión. Por el contrario, varios métodos a modo de ejemplo descritos en la presente memoria permiten que programas de reconocimiento de intención se adapten con el tiempo ya sea según rendimiento aprendido o se adapten al comportamiento único de un operador individual. Varios métodos a modo de ejemplo descritos en la presente memoria proveen programas de reconocimiento de intención que pueden aumentar la precisión de reconocimiento, reducir el retardo del reconocimiento, y personalizar el rendimiento para cada usuario. Por consiguiente, varias realizaciones se refieren a métodos que pueden llevarse a cabo de forma automática, sin interacción humana, o con solamente la mínima interacción humana en momentos deseables específicos limitados según se describe en la presente memoria.
Con referencia a la Figura 1, se ilustra una red 100 de dispositivo de exoesqueleto a modo de ejemplo de una primera realización 100A, que incluye un sistema 110 de exoesqueleto, un dispositivo 120 de usuario y un servidor 130 de clasificación, que se conectan, de manera utilizable, mediante una red 140. Además, el sistema 110 de exoesqueleto y el dispositivo 120 de usuario se muestran directamente conectados de manera utilizable.
En varias realizaciones descritas en mayor detalle en la presente memoria, un sistema 110 de exoesqueleto puede configurarse para comunicarse con un dispositivo 120 de usuario local, que puede actuar como un dispositivo de entrada, visualización y/o interfaz de usuario para el sistema 110 de exoesqueleto. Por ejemplo, el dispositivo 120 de usuario puede presentar información sobre varios estados del sistema 110 de exoesqueleto y el dispositivo 120 de usuario puede usarse para controlar el sistema 110 de exoesqueleto, incluida la provisión de entrada relacionada con la clasificación del estado como se describe en la presente memoria.
En el ejemplo de la Figura 1, el sistema 110 de exoesqueleto y dispositivo 120 de usuario se muestran directamente conectados, de manera utilizable, mediante un canal de comunicación inalámbrica (p. ej., Bluetooth) e indirectamente mediante la red 140, que puede incluir una o más redes cableadas y/o inalámbricas, incluida Internet, una red Wi-Fi, una red celular, una red de área local (LAN, por sus siglas en inglés), red de área amplia (WAN, por sus siglas en inglés), o similar. Sin embargo, en algunas realizaciones, una de estas conexiones utilizables puede estar ausente. Por ejemplo, en una realización, el sistema 110 de exoesqueleto puede configurarse para comunicarse con el dispositivo 120 de usuario solamente mediante una conexión local directa y no mediante la red 140. En otra realización, el sistema 110 de exoesqueleto puede configurarse para comunicarse solamente mediante canales de comunicación local con el dispositivo 120 de usuario, pero que no puede comunicarse con dispositivos como, por ejemplo, el servidor 130 de clasificación o dispositivo 120 de usuario mediante la red 140. En algunos ejemplos, sin embargo, el sistema 110 de exoesqueleto puede comunicarse con dispositivos como, por ejemplo, el servidor 130 de clasificación mediante el dispositivo 120 de usuario.
En algunas realizaciones, el servidor 130 de clasificación puede comprender uno o más dispositivos configurados con varias capacidades, que se describen en mayor detalle en la presente memoria. Aunque un servidor físico se muestra en el ejemplo de la Figura 1, en realizaciones adicionales, el servidor 130 de clasificación puede comprender uno o más servidores virtuales o no virtuales, o similares. En algunos ejemplos, el servidor 130 de clasificación puede estar ausente.
Aunque el dispositivo 120 de usuario en la red 100 de exoesqueleto a modo de ejemplo se muestra como un teléfono inteligente, en realizaciones adicionales, varios otros dispositivos adecuados pueden comprender el dispositivo 120 de usuario, incluidos una tableta, reloj inteligente, ordenador portátil, ordenador de sobremesa, dispositivo de juegos, dispositivo de entretenimiento, dispositivo de automatización doméstico, sistema incorporado, o similar. Además, en algunos ejemplos, el dispositivo 120 de usuario puede ser una parte integral del sistema 110 de exoesqueleto. En otras palabras, en algunos ejemplos, pueden combinarse el dispositivo 120 de usuario y el sistema 110 de exoesqueleto. Además, en algunas realizaciones, el dispositivo 120 de usuario puede estar ausente o presente en cualquier pluralidad adecuada.
Según se describe en mayor detalle en la presente memoria, el sistema 110 de exoesqueleto puede ser cualquier sistema de exoesqueleto adecuado que tenga varias capacidades. Por consiguiente, el sistema 110 de exoesqueleto de pierna a modo de ejemplo que se muestra en la Figura 1 no debe interpretares como restrictivo de la amplia variedad de sistemas de exoesqueleto que se encuentran dentro del alcance y espíritu de la presente descripción. Además, en algunas realizaciones, la red 100 de exoesqueleto puede comprender múltiples sistemas 110 de exoesqueleto. Por ejemplo, la Figura 2 ilustra otra realización 100B de una red 100 de exoesqueleto que comprende múltiples sistemas 110A, 110B, 110C de exoesqueleto y un servidor 130 de clasificación.
La Figura 3 es un diagrama de bloques de una realización 110D a modo de ejemplo de un sistema 110 de exomúsculo que incluye un dispositivo 310 de exoesqueleto que se conecta, de manera utilizable, a un sistema 320 neumático. El dispositivo 310 de exoesqueleto comprende un procesador 311, una memoria 312, uno o más sensores 313 y una unidad 314 de comunicación. Múltiples accionadores 305 se acoplan, de manera utilizable, al sistema 320 neumático mediante respectivas líneas 330 neumáticas. Los múltiples accionadores 305 incluyen pares de accionadores 305S de hombro, accionadores 305E de codo, accionadores 305KA de rodilla anteriores y accionadores 305KP de rodilla posteriores que se posicionan en los lados derecho e izquierdo de un cuerpo. Por ejemplo, como se describe más arriba, el sistema 110D de exomúsculo a modo de ejemplo que se muestra en la Figura 3 puede ser parte de trajes 110E, 110F superiores y/o inferiores (p. ej., como se muestra en las Figuras 10 y 11), con los accionadores 305 posicionados en las respectivas partes del cuerpo según se describe en la presente memoria. Por ejemplo, los accionadores 305S de hombro pueden posicionarse en los hombros izquierdo y derecho; los accionadores 305E de codo pueden posicionarse en los codos izquierdo y derecho; y los accionadores 305KA, 305KP de rodilla anterior y posterior pueden posicionarse en las partes anterior y posterior de la rodilla.
En varias realizaciones, el sistema 110D a modo de ejemplo puede configurarse para mover y/o mejorar el movimiento del usuario que usa el sistema 110D de exomúsculo. Por ejemplo, el dispositivo 310 de exoesqueleto puede proveer instrucciones al sistema 320 neumático, el cual puede inflar y/o desinflar de manera selectiva los accionadores 305. Dicho inflado/desinflado selectivo de los accionadores 305 puede mover el cuerpo para generar y/o aumentar movimientos corporales como, por ejemplo, caminar, correr, saltar, trepar, elevar, arrojar, agacharse, o similar.
En algunas realizaciones, dichos movimientos pueden controlarse y/o programarse por el usuario que está usando el sistema 110D de exomúsculo o por otra persona. En algunas realizaciones, el sistema 110D de exomúsculo puede controlarse por el movimiento del usuario. Por ejemplo, el dispositivo 310 de exoesqueleto puede detectar que el usuario está caminando y llevando una carga y puede proveerse una ayuda asistida al usuario mediante los accionadores 305 para reducir el esfuerzo asociado a la carga y al caminar. Por consiguiente, en varias realizaciones, el sistema 110D de exomúsculo puede reaccionar automáticamente sin interacción directa del usuario. En realizaciones adicionales, los movimientos pueden controlarse en tiempo real por un controlador, palanca de mando o control del pensamiento. Además, varios movimientos pueden preprogramarse y accionarse, de manera selectiva (p. ej., caminar hacia delante, sentarse, agacharse) en lugar de controlarse de forma completa. En algunas realizaciones, los movimientos pueden controlarse por instrucciones generalizadas (p. ej., caminar del punto A al punto B, levantar una caja del estante A y moverla al estante B).
En algunas realizaciones, el dispositivo 310 de exoesqueleto puede ser utilizable para llevar a cabo métodos o porciones de métodos descritos en mayor detalle más abajo, incluidos los métodos 400, 500, 600, 700, 800 y similar. Por ejemplo, la memoria 312 puede incluir instrucciones legibles por ordenador no transitorias, que, si se ejecutan por el procesador 311, pueden hacer que el sistema 110 de exoesqueleto lleve a cabo métodos o porciones de métodos descritos en la presente memoria. La unidad 314 de comunicación puede incluir hardware y/o software que permite al sistema 110 de exoesqueleto comunicarse con otros dispositivos, incluidos un dispositivo 120 de usuario, servidor 130 de clasificación, otros sistemas 110 de exoesqueleto, o similar, directamente o mediante una red (es preciso ver, p. ej., las Figuras 1 y 2).
En algunas realizaciones, los sensores 313 pueden incluir cualquier tipo adecuado de sensor, y los sensores 313 pueden ubicarse en una ubicación central o pueden distribuirse alrededor del sistema 110D de exomúsculo. Por ejemplo, en algunas realizaciones, el sistema 110D de exoesqueleto puede comprender múltiples acelerómetros, sensores de fuerza, sensores de posición, y similares, en varias posiciones adecuadas, incluso en los accionadores 305 o cualquier otra ubicación corporal. Por consiguiente, en algunos ejemplos, los datos de sensores pueden corresponder a un estado físico de uno o más accionadores 305, un estado físico de una porción del sistema 110 de exoesqueleto, un estado físico de una porción del sistema 110 de exoesqueleto generalmente, y similares. En algunas realizaciones, el sistema 110D de exoesqueleto puede incluir un sistema de posicionamiento global (GPS, por sus siglas en inglés), cámara, sistema de detección de alcance, sensores ambientales, o similares.
El sistema 320 neumático puede comprender cualquier dispositivo o sistema adecuado que sea utilizable para inflar y/o desinflar los accionadores 305. Por ejemplo, en una realización, el sistema neumático puede comprender un compresor de diafragma según se describe en la solicitud de patente relacionada en tramitación con la presente 14/577,817, presentada el 19 de diciembre de 2014, que reivindica el beneficio de la Solicitud Provisional de los Estados Unidos n.° 61/918,578, presentada el 19 de diciembre de 2013.
Según se describe en la presente memoria, varios sistemas 110 de exoesqueleto adecuados pueden usarse con los sistemas y métodos a modo de ejemplo descritos en la presente memoria, incluidos los sistemas 110 de exoesqueleto de las Figuras 10, 11 y 12, como se describe en la presente memoria. Sin embargo, dichos ejemplos no deben interpretarse como restrictivos de la amplia variedad de sistemas 110 de exoesqueleto o porciones de él que se encuentran dentro del alcance y espíritu de la presente descripción. Por consiguiente, los sistemas 110 de exoesqueleto que son más o menos complejos que los ejemplos de las Figuras 3, 10, 11 y 12 se encuentran dentro del alcance de la presente descripción.
Además, aunque varios ejemplos de refieren a un sistema 110 de exoesqueleto asociado a las piernas o cuerpo inferior de un usuario, ejemplos adicionales pueden referirse a cualquier porción adecuada del cuerpo de usuario incluidos el torso, brazos, cabeza, piernas o similares. Asimismo, aunque varios ejemplos se refieren a exoesqueletos, debe observarse que la presente descripción puede aplicarse a otros tipos similares de tecnología, incluidos prótesis, implantes corporales, robots, o similares. Además, aunque algunos ejemplos pueden referirse a usuarios humanos, otros ejemplos pueden referirse a usuarios animales, usuarios robot, o similares.
La presente descripción incluye varios métodos para desarrollar realizaciones a modo de ejemplo de un programa de reconocimiento de intención accionado por datos para aplicaciones de exoesqueleto. Varias realizaciones preferidas incluyen un sistema de reconocimiento de intención que usa datos recogidos de los sensores 313 incluidos en uno o más sistemas 110 de exoesqueleto con el fin de permitir el refinamiento no supervisado del rendimiento del reconocimiento de intención.
Por ejemplo, el programa de reconocimiento de intención accionado por datos puede comprender un clasificador u otro programa que procese datos de sensor (p. ej., datos recibidos de uno o más sensores 313) hasta un punto en el tiempo (t=0) para determinar la maniobra prevista del usuario en dicho momento. En otras palabras, el sistema 110 de exoesqueleto puede ejecutar un programa que anticipa acciones previstas por un usuario que está usando el sistema 110 de exoesqueleto, según al menos en parte los datos de sensor recibidos.
En algunos ejemplos, una fuente de error para dichos programas o métodos puede referirse a la capacidad de los clasificadores en tiempo real de entregar predicciones precisas de los movimientos del usuario, en algunos casos antes de que el operador haya llevado a cabo movimientos físicos significativos para actuar según su intención. Por ejemplo, si estos programas buscan identificar la fase de puntera de la marcha de un usuario que está usando el sistema 110 de exoesqueleto, el programa de reconocimiento de intención puede buscar encontrar la intención de la fase de puntera cuando solo hay datos de sensor contenidos dentro del siguiente conjunto t=[-n:0], dado que los sensores 313 no pueden detectar comportamientos que aún no han ocurrido.
En varios ejemplos, un programa teóricamente ideal podrá detectar la puntera tan pronto como todas las señales de contacto del suelo en el pie vayan a cero. Sin embargo, en algunos sistemas, el programa puede tener que competir con una variedad de imperfecciones como, por ejemplo, ruido de sensor, y similares, que significan que el sistema 110 de exoesqueleto no puede responder a la señal en el momento en el que las señales de contacto del suelo caen a cero y en muchos casos necesitará esperar a que los datos de sensor indiquen, de manera repetida, que el contacto con el suelo ha finalizado.
Esto puede resultar en un retardo de la velocidad del comportamiento de la clasificación de dichos programas de clasificación. Como resultado, el programa de reconocimiento de intención accionado por datos incorpora supervisión donde una persona con experiencia en la técnica puede analizar los datos de sensor e indicar verdad con el contexto de datos de sensor de modo que los métodos accionados por datos puedan entrenarse a sí mismos para aproximarse mejor a las selecciones del experto que lleva a cabo la supervisión.
La presente descripción describe algunos métodos a modo de ejemplo que pueden eliminar la necesidad de un supervisor experto. De manera específica, el comportamiento de los métodos de clasificación puede mejorar de manera significativa en algunos ejemplos si las clasificaciones se estaban completando en datos de sensor para el tiempo que lleva hasta y después del tiempo de interés específico, t=[-n:n]. Por consiguiente, varias realizaciones descritas en la presente memoria están dirigidas a métodos que se centran en el comportamiento de clasificación.
Algunos métodos a modo de ejemplo pueden reconsiderar la clasificación de una maniobra por un usuario del sistema 110 de exoesqueleto un tiempo establecido en el pasado (consideremos t=-n), que puede permitir al programa de clasificación usar datos de sensores 313 de antes y después de la maniobra por un usuario del sistema 110 de exoesqueleto en cuestión que comprenden tiempos t=[-2n:0]. En algunas realizaciones, la clasificación mediante dicho método puede completarse de manera mucho más precisa que un programa que es responsable de clasificar instantáneamente maniobras de un usuario del sistema 110 de exoesqueleto. Por consiguiente, varios métodos a modo de ejemplo pueden usar datos de sensor para refinar la predicción instantánea que habría tenido lugar en t=-n, en un esfuerzo por hacer que el sistema 110 de exoesqueleto se desempeñe más como los datos de verdad asumidos que se determinan a partir de la clasificación de previsión.
En una realización, un proceso de comparación y actualización de clasificación instantánea puede ocurrir en un ordenador externo (p. ej., dispositivo 120 de usuario, servidor 130 de clasificación, o similar) y luego los datos de clasificador refinados pueden redesplegarse en uno o más sistemas 110 de exoesqueleto con el fin de mejorar el rendimiento del único o más sistemas 110 de exoesqueleto. En dicha realización, datos de sensor pertinentes pueden transmitirse fuera del sistema 110 de exosequeleto y procesarse en el servidor 130 de clasificación donde puede generarse un método de clasificación actualizado o mejorado. Los datos del método de clasificación resultantes pueden desplegarse al dispositivo 110 de exoesqueleto para permitir que este ejecute el comportamiento de reconocimiento de intención refinado realizado en los datos del método de clasificación. Sin embargo, en realizaciones adicionales, dicho procesamiento puede ocurrir en uno o más dispositivos adecuados diferentes, incluso en el dispositivo 310 de exoesqueleto o en el dispositivo 120 de usuario (p. ej., un teléfono inteligente, un ordenador portátil, un servidor u otro dispositivo adecuado).
Algunas realizaciones del presente método a modo de ejemplo pueden proveer actualizaciones con alta frecuencia de un programa de clasificación tan rápidamente como un bucle de control, mientras que otras pueden tener ciclos de actualización significativamente más lentos como, por ejemplo, realizaciones que solo actualizan el programa de clasificación una vez al año. Incluso otras pueden actualizar el programa de clasificación en intervalos no periódicos según otras reglas como, por ejemplo, una realización que actualiza el programa de clasificación local de un sistema 110 de exoesqueleto cuando se determina que la actualización mejorará la precisión en un 1 % u otra cantidad o parámetro adecuado.
En algunos ejemplos de los sistemas 110 de exoesqueleto adaptativos que se usan en conjunto con usuarios humanos, puede ser importante conocer a qué velocidad se está adaptando el reconocimiento de intención adaptativo. De manera específica, si el sistema 110 de exoesqueleto adaptativo se adapta demasiado rápido, puede responder a comportamientos atípicos intermitentes que no son representativos de los movimientos típicos del usuario. Si el sistema 110 de exoesqueleto se adapta a una cantidad ligera más lentamente, puede ser posible en algunas realizaciones crear un sistema 110 de exoesqueleto adaptativo que responde en un ancho de banda similar al propio proceso de aprendizaje interno del usuario asociado al aprendizaje del usuario de cómo usar el sistema 110 de exoesqueleto. Donde se implementa dicha velocidad de adaptación ajustada, en algunas realizaciones, el sistema 110 de exoesqueleto puede comenzar a adaptar sus comportamientos cuando el usuario comienza a confiar en cómo funciona el sistema 110 de exoesqueleto, lo cual lleva a una nueva fase de aprendizaje para el usuario.
Como resultado, puede ser importante en algunos ejemplos que los programas de reconocimiento de intención adaptativos se adapten a una velocidad significativamente diferente de la de las propias adaptaciones internas de los usuarios. En muchas realizaciones, esto puede tratarse haciendo que el sistema 110 de exoesqueleto se adapte a una velocidad significativamente más lenta que la del usuario. En otras realizaciones, la velocidad de adaptación de un programa de reconocimiento de intención puede ser seleccionable por el usuario para permitir a un operador o administrador seleccionar de forma individual la capacidad de respuesta de las adaptaciones de intención del sistema 110 de exoesqueleto.
Por consiguiente, en varias realizaciones, el sistema 110 de exoesqueleto puede cambiar la velocidad de adaptación de un programa de reconocimiento de intención que se ejecuta en el sistema 110 de exoesqueleto, según al menos en parte la entrada recibida en una interfaz en el sistema 110 de exoesqueleto, según al menos en parte la entrada recibida en una interfaz en un dispositivo 120 de usuario, y/o mediante instrucciones recibidas de un servidor 130 de clasificación. En realizaciones adicionales, el sistema 110 de exoesqueleto puede, de forma automática, ajustar la velocidad de adaptación de un programa de reconocimiento de intención que se ejecuta en el sistema 110 de exoesqueleto, sin entrada de usuario, según datos del sensor o similar. Por ejemplo, puede llevarse a cabo la determinación de que el programa de reconocimiento de intención se está adaptando demasiado rápidamente para un usuario según al menos en parte datos de sensor y el sistema 110 de exoesqueleto puede, de forma automática, reducir la velocidad del programa de reconocimiento de intención de modo que el sistema 110 de exoesqueleto se adapta a una velocidad que satisface mejor las necesidades del usuario.
Por ejemplo, la Figura 4 ilustra un método 400 a modo de ejemplo de actualización de un conjunto de reglas de clasificación, que pueden realizarse en un programa de clasificación almacenado en la memoria 312 de un sistema 110 de exoesqueleto. El método 400 comienza, en 405, cuando se determina la precisión para un conjunto actual de reglas de clasificación. Por ejemplo, puede determinarse la precisión de la línea de base aplicando el conjunto actual de reglas de clasificación para determinar un cálculo de un estado de dispositivo o estado de usuario del sistema 110 de exoesqueleto en el tiempo de interés (t=0). En otros ejemplos, puede determinarse la precisión según al menos en parte datos históricos relacionados con el conjunto actual de reglas de clasificación, que pueden incluir datos relativos a intentos de clasificación exitosos y no exitosos que usan el conjunto actual de las reglas de clasificación. Una precisión puede basarse en una relación de intentos de clasificación exitosos y no exitosos en varias realizaciones.
En 410, puede generarse un conjunto actualizado de reglas de clasificación. Por ejemplo, un conjunto actualizado de reglas de clasificación puede generarse en varias maneras adecuadas mediante cambios aleatorios a las reglas de clasificación actuales, cambios a las reglas de clasificación actuales según una o más heurísticas, y similares. En otras palabras, un conjunto actualizado de reglas de clasificación puede comprender cambios a o delta del conjunto actual de reglas de clasificación. En realizaciones adicionales, puede generarse un conjunto actualizado de reglas de clasificación, que no se basa en un conjunto actual de reglas de clasificación. En otras palabras, un conjunto actualizado de reglas de clasificación o una porción de él puede generarse sin referencia a o sin considerar el conjunto actual de reglas de clasificación. En varias realizaciones, un conjunto de referencia de reglas de clasificación o un programa de clasificación de referencia puede generarse de manera similar.
En 415, puede determinarse la precisión del conjunto actualizado de reglas de clasificación. Por ejemplo, donde se determina la precisión de la base de línea mediante aplicación del conjunto actual de reglas de clasificación para determinar un cálculo de un estado de dispositivo o estado de usuario del sistema 110 de exoesqueleto en el tiempo de interés (t=0) según se describe más arriba, y luego las reglas de clasificación actualizadas pueden aplicarse en un momento fijo posterior (t=n) para determinar un cálculo de un estado de dispositivo o estado de usuario del sistema 110 de exoesqueleto en el tiempo de interés original (t=0) mediante el uso de información de sensor adicional recogida en un marco temporal posterior (t > n) y/o antes del marco temporal posterior (p. ej., n > t > 0).
En otros ejemplos, la precisión del conjunto actualizado de reglas de clasificación puede determinarse según al menos en parte datos históricos relacionados con el sistema 110 de exoesqueleto, que pueden incluir llevar a cabo intentos de clasificación mediante el uso de datos históricos, y luego dichos intentos pueden analizarse para determinar si dichos intentos de clasificación han sido exitosos o no exitosos. La precisión de las reglas de clasificación actualizadas puede basarse en una relación de intentos de clasificación exitosos y no exitosos por las reglas de clasificación actualizadas. Por ejemplo, intentos de clasificación exitosos y no exitosos por las reglas de clasificación actualizadas pueden determinarse según datos como, por ejemplo, datos usados para determinar intentos de clasificación exitosos y no exitosos por las reglas de clasificación actuales.
En algunos ejemplos, las reglas de clasificación actualizadas pueden implementarse de manera temporal en uno o más sistemas 110 de exoesqueleto y las reglas de clasificación actualizadas pueden evaluarse según el uso real del único o más sistemas 110 de exoesqueleto. Además, aunque la evaluación de reglas actuales o actualizadas puede basarse en datos de un solo sistema 110 de exoesqueleto, en algunos ejemplos, dicha evaluación puede basarse en datos históricos de múltiples sistemas 110 de exoesqueleto (es preciso ver, p. ej., la Figura 2).
Con referencia a la Figura 4, el método 400 continúa a 420 donde se determina una diferencia de precisión entre el conjunto actualizado de reglas de clasificación y el conjunto actual de reglas de clasificación, y en 425, se lleva a cabo la determinación de si la diferencia de precisión es mayor que un umbral de reemplazo. Si no, el conjunto actual de reglas de clasificación se mantiene en 430, y si es así, en 435, el conjunto actual de reglas de clasificación se reemplaza por el conjunto actualizado de reglas de clasificación. Por ejemplo, donde se determina que las reglas de clasificación actualizadas proveen una mejora sustancial con respecto al conjunto actual de reglas de clasificación, las reglas de clasificación actuales pueden reemplazarse por las reglas de clasificación actualizadas mejoradas. Como se muestra en la Figura 4, dicho método 400 puede mejorar, de manera iterativa, un conjunto actual de reglas de clasificación. Por ejemplo, después de 430 y 435, el método 400 puede volver a 405 donde el conjunto nuevo o mantenido de reglas de clasificación se evalúa nuevamente.
En ejemplos adicionales, donde estados de dispositivo y/o estados de usuario del sistema 110 de exoesqueleto calculado se determinan para los conjuntos actuales y actualizados de reglas de clasificación, se comparan dichos cálculos. Si los resultados del conjunto actual de reglas de clasificación son diferentes de los resultados del conjunto actualizado de reglas de clasificación (que pueden ser más precisos en algunos ejemplos) entonces el conjunto actual de reglas de clasificación puede adaptarse para desarrollar un segundo conjunto actualizado de reglas de clasificación que está diseñado para determinar mejor la precisión de la clasificación del tiempo de interés (t=0). El conjunto actual de reglas de clasificación puede actualizarse con, o puede reemplazarse por, el segundo conjunto actualizado de reglas de clasificación.
Por consiguiente, en algunas realizaciones, un método de actualización de un conjunto de reglas de clasificación puede comprender determinar un primer cálculo de estado para un programa de clasificación actual implementado por el sistema 110 de exoesqueleto; determinar un segundo cálculo de estado para un programa de clasificación de referencia; determinar que la diferencia entre el primero y segundos cálculos de estado es mayor que un umbral de reemplazo de programa de clasificación; generar un programa de clasificación actualizado; y reemplazar el programa de clasificación actual con el programa de clasificación actualizado, según al menos en parte la determinación de que la diferencia entre el primero y segundo cálculos de estado es mayor que el umbral de reemplazo de programa de clasificación.
En varias realizaciones, dichos métodos pueden llevarse a cabo localmente en un sistema 110 de exoesqueleto, localmente en un dispositivo 120 de usuario y/o remotamente en un servidor 130 de clasificación. Además, el método 300, o porciones de él, puede llevarse a cabo de forma automática sin entrada de usuario. Por ejemplo, un sistema 110 de exoesqueleto puede mejorar, de forma automática, reglas de clasificación que el sistema 110 de exoesqueleto usa durante el funcionamiento del sistema 110 de exoesqueleto sin entrada del usuario, administrador o similar. De manera similar, un dispositivo 120 de usuario y/o servidor 130 de clasificación pueden mejorar, de forma automática y similar, reglas de clasificación que el sistema 110 de exoesqueleto usa durante el funcionamiento del sistema 110 de exoesqueleto sin entrada del usuario, administrador o similar. Dicha automatización puede ser deseable para mejorar, de manera eficiente, el funcionamiento de uno o más sistemas 110 de exoesqueleto sin la necesidad de, o con la necesidad limitada de, entrada de usuarios o administradores. Además, aunque las reglas de clasificación se describen en varios ejemplos en la presente memoria, debe observarse que dichos métodos pueden aplicarse a un programa de clasificación, programa de reconocimiento de intención, o similar, que realiza, emplea o exige el cumplimiento de dichas reglas de clasificación. En varias realizaciones, un programa de clasificación y programa de reconocimiento de intención pueden referirse al mismo tipo de programa, método, algoritmo, o similar.
El refinamiento no supervisado de los programas de reconocimiento de intención puede ejecutarse por una variedad de motivos. Por ejemplo, una realización puede refinar el comportamiento de clasificación de reconocimiento de intención con el fin de mejorar el rendimiento de la clasificación a lo largo de una población de usuarios. En esta realización, el mismo programa de clasificación puede desplegarse a múltiples sistemas 110 de exoesqueleto y usar un gran grupo de datos disponibles recogidos a lo largo del conjunto de sistemas 110 de exoesqueleto en uso para aumentar el rendimiento de los sistemas 110 de exoesqueleto.
Por ejemplo, según se ilustra en la Figura 5, un método 500 a modo de ejemplo para mejorar programas de clasificación de múltiples sistemas 110 de exoesqueleto puede comenzar en 510 donde datos de rendimiento se obtienen de múltiples sistemas 110 de exoesqueleto. En 520, se genera un método de clasificación actualizado según los datos de rendimiento recibidos, y en 530, el programa de clasificación actualizado se envía a los múltiples sistemas 110 de exoesqueleto. Por ejemplo, en algunas realizaciones, el método 500 puede llevarse a cabo por un servidor 130 de clasificación (es preciso ver, p. ej., la Figura 2). Sin embargo, en algunas realizaciones, el método 500 puede implementarse por un dispositivo 120 de usuario y/o en uno o más sistemas 110 de exoesqueleto. Además, la generación de un programa de clasificación actualizado puede incluir varias etapas adecuadas, incluidas las etapas descritas más arriba en el método 400 de la Figura 4.
En otra realización, el comportamiento de programas de reconocimiento de intención puede refinarse para permitir que el rendimiento de un sistema 110 de exoesqueleto específico sea mejor para un usuario individual. Dicha realización puede refinar el comportamiento del recontamiento de intención para mejorar la precisión o la capacidad de respuesta de las clasificaciones con el tiempo para el sistema 110 de exoesqueleto específico. Los detalles específicos de dichos comportamientos de reconocimiento mejorados para el sistema 110 de exoesqueleto específico pueden entonces almacenarse (p. ej., en uno o más dispositivos locales como, por ejemplo, en la memoria 312 del sistema 110 de exoesqueleto, en un dispositivo 120 de usuario y/o uno o más dispositivos remotos como, por ejemplo, un servidor 130 de clasificación o dispositivo 120 de usuario) para el despliegue en un sistema 110 de exoesqueleto de reemplazo o un sistema 110 de exoesqueleto específico diferente para permitir que este sistema 110 de exoesqueleto específico conozca los movimientos y preferencias del usuario específico.
Incluso otra realización puede refinar el comportamiento de un programa de reconocimiento de intención para alojar cambios en la respuesta de sensores 313 de un sistema 110 de exoesqueleto con el tiempo. Estas actualizaciones a un programa de reconocimiento de intención pueden diseñarse para representar la variación normal del comportamiento del sensor con el tiempo, para abordar la falla catastrófica de un sensor 313, y similares.
Por ejemplo, la Figura 6 ilustra un método 600 a modo de ejemplo de actualización de un programa de clasificación según el estado de uno o más sensores 313 de un sistema 110 de exoesqueleto. El método 600 comienza en 610 donde un estado de sensor del dispositivo de exoesqueleto se determina para un sistema 110 de exoesqueleto que funciona con un programa de clasificación actual. En 620, se lleva a cabo una determinación de si hay un cambio en el estado del exoesqueleto. Por ejemplo, un cambio en el estado de uno o más sensores 313 puede incluir que el sensor es utilizable/inutilizable, cambio en el estado de calibración, cambio en la precisión del sensor, cambio en la posición física del sensor en el sistema 110 de exoesqueleto, y similares. En algunas realizaciones, un cambio de estado de sensor puede asociarse a cambios en partes de un sistema 110 de exoesqueleto, incluido un cambio en uno o más accionadores 305, sistema 320 neumático, línea 330 neumática, y similares. Por ejemplo, los problemas, el deterioro y/o cambios en el material de partes de un sistema 110 de exoesqueleto pueden asociarse a un cambio en el estado de sensor.
Donde un cambio en el estado de sensor del dispositivo de exoesqueleto no se identifica en 620, el método 600 regresa a 610, donde el estado de sensor del dispositivo de exoesqueleto continúa monitoreándose. Sin embargo, donde un cambio en el estado de sensor del dispositivo de exoesqueleto se identifica en 620, el método 600 continúa a 630, donde un programa de clasificación actualizado se genera según al menos en parte el cambio identificado en el estado de sensor del dispositivo de exoesqueleto, y en 640, el programa de clasificación actual se reemplaza por el programa de clasificación actualizado.
Por ejemplo, donde cambios en el sistema 110 de exoesqueleto resultan en que los sensores informan datos de sensor de diferente manera, el programa de clasificación actual del sistema 110 de exoesqueleto puede perder precisión dado que no se ajusta a los cambios en los datos de sensor que se ingieren por el programa de clasificación actual. Por consiguiente, dicho cambio en el estado de sensor del dispositivo de exoesqueleto puede identificarse y un programa de clasificación actual puede reemplazarse por un programa de clasificación actualizado que se ajusta al cambio en el estado de sensor del dispositivo de exoesqueleto.
Para el rendimiento de estos programas, las especificaciones de los diseños del clasificador de reconocimiento de intención pueden tener un impacto significativo sobre el rendimiento de los programas en algunas realizaciones. Es importante observar que el programa de clasificación específico no limita la aplicación de los métodos descritos según varias realizaciones. El uso del término clasificación o clasificador dentro de esta descripción se usa para denotar un algoritmo, programa o método que especifica la intención de un operador de un sistema 110 de exoesqueleto en cierto tiempo considerado. El programa de clasificación puede incluir, pero no se limita a, máquinas de vectores de soporte, redes neurales, análisis discriminante lineal, análisis discriminante cuadrático, redes de Bayes dinámicas, modelos de Markov ocultos, o similares.
En aras de la claridad, los programas usados para reconocer la intención de usuario del sistema de exoesqueleto pueden configurarse para identificar una amplia matriz de movimientos del operador de un sistema 110 de exoesqueleto. Estos pueden incluir movimientos, maniobras, posturas, marchas, o similares, que se ejecutan, de manera consciente y/o subconsciente, por el operador. Los movimientos específicos que estos programas de reconocimiento de intención pueden considerar, analizar, clasificar, o similar, pueden incluir, pero sin limitación a, caminar, estar de pie, correr, saltar, agacharse, subir escaleras, bajar escaleras, aterrizar, girar, sentarse, sujetar, alcanzar, o similar. De manera similar, estos programas de reconocimiento de intención pueden aplicarse para identificar fases de media maniobra de la marcha que pueden ser importantes, que pueden incluir, entre otros, impacto del talón, apoyo medio, apoyo final, puntera, ascenso, aterrizaje, o similar.
La introducción de dichos programas de reconocimiento de intención adaptativos nuevos puede requerir nuevos métodos para que el usuario interactúe con el sistema 110 de exoesqueleto en algunas realizaciones. Por ejemplo, una realización puede proveer al usuario comportamientos de anulación de intención manual que el usuario puede usar para forzar el programa de reconocimiento de intención a un comportamiento deseado en caso de que no se esté comportando como se espera o desea. Otro conjunto de realizaciones puede incluir realimentación de usuario que permite al operador de un sistema 110 de exoesqueleto influir en el comportamiento de aprendizaje de los programas accionados por datos.
Dicha realización de realimentación puede proveer al operador elecciones manuales para ayudar a refinar el rendimiento del sistema 110 de exoesqueleto a través de la definición de nuevos comportamientos que el sistema 110 de exoesqueleto ha visto. Por ejemplo, si un programa de clasificador instantáneo cree que la persona se está moviendo de estar de pie a ascender escaleras, pero un programa de clasificador previsto cree que la persona en realidad ha pasado a agacharse, el sistema 110 de exoesqueleto puede encontrar útil permitir al usuario confirmar este cambio en el rendimiento.
Por ejemplo, la Figura 7 ilustra un método 700 a modo de ejemplo de ajuste de un programa de clasificación según al menos en parte una respuesta de usuario a una determinación de clasificación. El método 700 comienza en 705, donde un cambio de estado en un sistema 110 de exoesqueleto se detecta, y en 710, se determina una clasificación para el cambio de estado detectado. Por ejemplo, el sistema 110 de exoesqueleto puede obtener datos de sensores 313 que son indicativos de que un usuario del sistema 110 de exoesqueleto está iniciando un nuevo movimiento o un cambio de movimientos. El programa de clasificación del sistema 110 de exoesqueleto puede clasificar el nuevo movimiento.
En 715, la clasificación se presenta a un usuario asociado al sistema 110 de exoesqueleto, y en 720, una respuesta de clasificación se obtiene del usuario asociado al sistema 110 de exoesqueleto. Por ejemplo, en algunas realizaciones, puede presentarse una clasificación en una visualización (p. ej., de un dispositivo 120 de usuario, dispositivo 310 de exoesqueleto, o similar), y un usuario puede proveer una respuesta (p. ej., que indica rechazo o conformación de la clasificación) mediante una entrada de usuario como, por ejemplo, una pantalla táctil, botón, o similar. Un usuario al que se le presenta la clasificación y/o se le provee una respuesta a la clasificación puede ser un usuario que usa el sistema 110 de exoesqueleto, un administrador que trabaja con el usuario que usa el sistema 110 de exoesqueleto, o similar.
En 725, se lleva a cabo la determinación de si la respuesta de clasificación es una confirmación o un rechazo, y si la respuesta de usuario es un rechazo de la determinación de clasificación, entonces en 730 el programa de clasificación se ajusta para debilitar la determinación de clasificación. Sin embargo, si la respuesta de usuario es una confirmación de la determinación de clasificación, entonces en 730 el programa de clasificación se ajusta para fortalecer la determinación de clasificación. Por ejemplo, si el usuario confirma una determinación de clasificación, el programa de clasificación puede cambiarse para reforzar el método de determinación usado para llevar a cabo la determinación de clasificación. En otro ejemplo, si el usuario confirma una determinación de clasificación, un registro puede hacerse de una clasificación exitosa, y si no, entonces puede generarse un registro de una clasificación no exitosa. Dichos registros de clasificaciones exitosas y no exitosas pueden usarse como se describe en la presente memoria (p. ej., en el método 300 descrito más arriba).
Aunque muchos elementos pueden influir en la determinación del motivo para buscar confirmación de usuario, un parámetro puede ser solicitar confirmación cuando la clasificación refinada está moviéndose a un estado de dispositivo donde el dispositivo se desempeñará de manera totalmente diferente de como lo ha hecho con el comportamiento original. En otras palabras, en algunas realizaciones, la confirmación del usuario puede limitarse a cambios en el estado del exoesqueleto que se encuentran por encima de un umbral que define cambios sustanciales en comparación con cambios no sustanciales.
Por ejemplo, la Figura 8 ilustra un método 800 de determinación de si presentar una solicitud de confirmación para una determinación de clasificación. El método 800 comienza en 810 donde se determina una primera clasificación asociada a un primer estado de dispositivo, y en 820, se determina una segunda clasificación asociada a un segundo estado de dispositivo. En 830, se determina una diferencia entre el primero y segundo estados de dispositivos, y en 840, se lleva a cabo una determinación de si la diferencia entre el primero y segundo estados de dispositivo se encuentra por encima de un umbral de diferencia de rendimiento. Por ejemplo, en algunas realizaciones, la diferencia puede encontrarse por encima de un umbral de diferencia de rendimiento donde una segunda clasificación de comportamiento se mueve a un estado de exoesqueleto donde el dispositivo de exoesqueleto se desempeñará de manera sustancialmente diferente de como que lo ha hecho en una primera clasificación de comportamiento.
Si se determina que la diferencia entre el primero y segundo estados de dispositivo se encuentra por encima del umbral de diferencia de rendimiento, entonces en 830, se presenta una solicitud de confirmación para la segunda clasificación a un usuario. Por ejemplo, es preciso ver la etapa 710 del método 700 de la Figura 7. Sin embargo, si se determina que la diferencia entre el primero y segundo estados de dispositivo no se encuentra por encima del umbral de diferencia de rendimiento, entonces en 835, no se presenta una solicitud de confirmación para la segunda clasificación al usuario.
Otra realización puede proveer al usuario realimentación que se personaliza hacia la experiencia del dispositivo como, por ejemplo, manipular el equilibrio entre precisión de clasificación y retardo de clasificación. Por ejemplo, si el usuario está interesado en maximizar el rendimiento pero está en un escenario seguro donde puede absorber un mayor potencial de error de clasificación, el usuario puede elegir que el sistema 110 de exoesqueleto tome decisiones de reconocimiento de intención con un menor nivel de confianza para hacer que el sistema 110 de exoesqueleto responda tan rápidamente como sea posible. En aras de la claridad, el medio para estas características de realimentación no es de importancia específica en varias realizaciones. La realimentación puede iniciarse por el usuario a través de una variedad de métodos de entrada que incluyen, entre otros, un teléfono móvil, un ordenador personal, un mando a distancia, un controlador de compañía ponible, o similar (p. ej., mediante el sistema 110 de exoesqueleto y/o dispositivo 120 de usuario). Además, la entrada de un usuario puede proveerse en varias maneras adecuadas, incluso mediante una entrada física como, por ejemplo, pantalla táctil, botones, una entrada de audio (p. ej., comandos de voz), o similares. De manera similar, presentaciones a un usuario pueden proveerse en varias maneras adecuadas con varias interfaces apropiadas, incluso mediante una pantalla, salida de audio, realimentación háptica, o similares.
De manera similar a cómo estos nuevos programas pueden requerir nuevas interacciones para usuarios en el sistema 110 de exoesqueleto, en algunas realizaciones, dichos nuevos programas pueden también introducir la necesidad de nuevas interacciones para que desarrolladores o usuarios finales que los permiten comprendan cómo está funcionando el sistema 110 de exoesqueleto. Una realización incluye una interfaz de usuario que demuestra a la parte interesada el rendimiento del sistema 110 de exoesqueleto. Por ejemplo, la interfaz de usuario puede representar gráficamente las transiciones de maniobras permisibles e identificar las transiciones que el sistema 110 de exoesqueleto ha demostrado que tienen una baja posibilidad de clasificación precisa. Otras realizaciones pueden incluir información con respecto a la precisión de dichas clasificaciones de reconocimiento de intención con el tiempo. Incluso otras realizaciones pueden proveer una introspección sobre cómo mejorar el rendimiento del programa de reconocimiento de intención, a través de la identificación de una maniobra específica donde no se ha recopilado suficiente información aún o mediante identificación de cambios en los comportamientos del sistema 110 de exoesqueleto que pueden llevar a cambios en el rendimiento del programa de reconocimiento de intención.
Otras realizaciones pueden proveer realimentación a los diseñadores de sistemas 110 de exoesqueleto con respecto a qué sensores 313 tienen el mayor impacto en el rendimiento del sistema 110 de exoesqueleto. Por ejemplo, si el diseñador ha visualizado la transición del sistema 110 de exoesqueleto y está intentando mejorar la precisión de una transición específica. La interfaz de usuario puede sugerir la adición de otros sensores 313, o precisiones de sensor, que han demostrado mejorar esta clasificación en ejemplos previos de entrenamiento.
En aras de la claridad, varios ejemplos de esta descripción se centran en el diseño e implementación de sistemas 110 de exoesqueleto; sin embargo, ejemplos adicionales tienen aplicación a un amplio rango de dispositivos usados donde el dispositivo está usando sensores a bordo con el fin de reconocer el comportamiento previsto de un usuario. Un ejemplo específico de esto es el calzado, específicamente el potencial de calzado activo, donde el dispositivo usa sensores incluidos para determinar el comportamiento previsto del operador de modo que puede informar estadística, o adaptar las características de rendimiento para el usuario.
Los métodos descritos en la presente memoria pueden emplearse en varios entornos operativos adecuados. Por ejemplo, las realizaciones pueden comprender un sistema 110 de exoesqueleto que incluye uno o más sensores 313 dispuestos alrededor del dispositivo de exoesqueleto y configurados para detectar varios estados del sistema 110 de exoesqueleto, incluidos movimiento, rotación, aceleración, orientación, temperatura, o similar. Según se describe en la presente memoria, dicho sistema 110 de exoesqueleto puede asociarse a una o más partes corporales de un usuario. Por ejemplo, algunas realizaciones pueden asociarse solo a las piernas de un usuario, mientras que otras pueden asociarse a las piernas, torso y brazos.
El sistema 110 de exoesqueleto puede comprender uno o más accionadores configurados para mover el sistema 110 de exoesqueleto en varias maneras adecuadas. Dichos accionadores pueden incluir accionadores fluídicos (p. ej., accionadores 305), accionadores de motor, o similares. El sistema 110 de exoesqueleto puede también comprender un sistema de control utilizable para controlar los accionadores y dicho sistema de control puede acoplarse, de manera utilizable, a los sensores y accionadores. El sistema 110 de exoesqueleto puede también comprender componentes como, por ejemplo, una fuente de alimentación, procesador 311 y memoria 312 con software o firmware que es utilizable para llevar a cabo al menos una parte de los métodos descritos en la presente memoria.
Algunas realizaciones pueden incluir múltiples niveles de procesamiento. Por ejemplo, la Figura 9 ilustra una realización de una red 900 de procesamiento de exoesqueleto que comprende tres niveles de procesamiento. Un primer nivel arquitectural de la red 900 puede comprender elementos de procesamiento locales en un sistema 110 de exoesqueleto, incluidos un proceso 910 de recolección de datos y un proceso 920 de ejecución de programa de clasificación. Por ejemplo, el proceso 910 de recolección de datos puede obtener y procesar datos obtenidos de los sensores 313 (es preciso ver, p. ej., la Figura 3), y enviar dichos datos procesados al proceso 920 de ejecución de clasificación, que ejecuta un programa de clasificación, que puede incluir un programa de clasificación como se describe en la presente memoria. Varias realizaciones pueden implementar el procesamiento en el sistema 110 de exoesqueleto a través de una variedad de métodos, incluidos, pero sin limitación a, un solo DSP incorporado centralizado, un conjunto de procesadores distribuidos, procesos de cálculo de antecedentes, en procesos en tiempo real, o similares.
Un segundo nivel arquitectural de la red 900 puede comprender una unidad de procesamiento secundaria cercana, que puede incluir un dispositivo 120 de usuario o similar (es preciso ver, p. ej., Figura 1). El dispositivo de usuario puede ejecutar un proceso 930 de extracción de características, que recibe datos del proceso 910 de recolección de datos en el sistema 110 de exoesqueleto, lleva a cabo acciones que incluyen una extracción de características, y similares. Según se describe en la presente memoria, este dispositivo 120 de usuario puede acoplarse, de manera utilizable, al sistema 110 de exoesqueleto a través de un canal de comunicación adecuado como, por ejemplo, una conexión Bluetooth, o similar. Esta segunda capa puede utilizarse en una unidad de procesamiento que puede supervisarse por el usuario del dispositivo 120 de usuario. Esta segunda capa puede utilizarse en varios dispositivos 120 de usuario adecuados según se describe en la presente memoria, incluidos un teléfono móvil, un ordenador personal, o similar.
Un tercer nivel de procesamiento puede comprender un sistema de procesamiento basado en la red como, por ejemplo, un servidor 130 de clasificación (es preciso ver, p. ej., las Figuras 1 y 2) que es remoto con respecto al dispositivo 120 de usuario y sistema 110 de exoesqueleto, y en varias realizaciones, no directamente controlado por el usuario del sistema 110 de exoesqueleto y dispositivo 120 de usuario. El tercer nivel de procesamiento en el servidor 130 de clasificación puede incluir un proceso 940 de derivación de etiqueta que recibe datos del proceso 930 de extracción de características en el dispositivo 120 de usuario, y lleva a cabo la derivación de etiqueta en los datos recibidos. Los datos resultantes de la derivación de etiqueta en el proceso 940 de derivación de etiqueta pueden proveerse a un proceso 950 de actualización de programa de clasificación que genera un programa de clasificación actualizado según al menos en parte datos generados por el proceso 940 de derivación de etiqueta. El proceso 950 de actualización de programa de clasificación puede enviar datos de programa de clasificación actualizados al dispositivo 120 de usuario, y el dispositivo 120 de usuario puede enviar los datos del programa de clasificación actualizado al proceso 920 de ejecución de programa de clasificación en el sistema 110 de exoesqueleto, donde un programa de clasificación actual que se está ejecutando por el proceso 920 de ejecución de programa de clasificación puede reemplazarse por un programa de clasificación actualizado incorporado en los datos de programa de clasificación actualizado recibidos.
En aras de la claridad, otras realizaciones pueden añadir a, eliminar, o reconfigurar los aspectos de las capas de procesamiento a modo de ejemplo que se muestran en la Figura 9. Por consiguiente, el presente ejemplo no debe interpretarse como restrictivo de la amplia variedad de realizaciones alternativas que se encuentran dentro del alcance y espíritu de la presente descripción.
Varias realizaciones pueden comprender una cantidad de procesos discretos. Estos pueden incluir un proceso 910 de recolección de datos, un proceso 930 de extracción de características, un proceso 940 de derivación de etiqueta, un proceso 950 de actualización de programa de clasificación, un proceso 920 de ejecución de programa de clasificación, y similares. Aunque algunos de estos procesos discretos a modo de ejemplo pueden ejecutarse en unidades de procesamiento específicas como se muestra en el ejemplo de la Figura 9, algunos procesos pueden diseñarse y procesarse en una variedad de niveles de procesamiento. Por ejemplo, el proceso 910 de recolección de datos y el proceso 920 de ejecución de programa de clasificación pueden ejecutarse en el dispositivo 120 de usuario, con otros procesos desplegados en otros niveles de procesamiento, incluso en el servidor 130 de clasificación o sistema 110 de exoesqueleto. Por consiguiente, aunque un ejemplo específico se ilustra en la Figura 9, otras configuraciones adecuadas de procesos se encuentran dentro del alcance y espíritu de la presente descripción.
Otro aspecto de la presente descripción es con respecto a la frecuencia y distribución de las actualizaciones del programa de clasificación. En muchas realizaciones, el valor de la actualización del programa de clasificación puede proveerse a través de una distribución regular de programas de clasificación mejorados. En muchos casos, esto puede conducirse debido a los altos costes de capital asociados al hardware de exoesqueletos 110 más convencionales. Sin embargo, en algunas realizaciones, el coste de hardware puede cambiar el método de distribución de valor más alto. En esta realización, puede demostrar ser el más valioso para el método de actualización para recoger datos de dispositivos que están en el campo y luego actualizar el programa de clasificación, pero solo desplegar los programas de clasificación actualizados en nuevas versiones del hardware.
Una realización puede usar calzado como el hardware de dispositivo. En esta realización, el distribuidor de hardware puede usar los algoritmos actualizados para dirigir la adopción de su nueva versión de calzado a medida que su modelo comercial se centra alrededor de las ventas anuales del modelo. Esta realización puede usar una arquitectura de despliegue discreta que despliega el programa de clasificación de intención que se ha entrenado a través del aprendizaje no supervisado en nuevo hardware en oposición al antiguo hardware que se espera que quede obsoleto dentro de pocos meses.
Con referencia a la Figura 10, una realización 110E de un sistema 110 de exomúsculo neumático se muestra como uno que comprende múltiples accionadores 305 dispuestos en ubicaciones de una camiseta 1020 que está usando un usuario 1001. Un accionador 305S de hombro se muestra posicionado sobre el hombro 1005 del usuario 1001. Un accionador 305E de codo se muestra posicionado sobre el codo 1003 del usuario 1001. Un accionador 305W de muñeca se muestra posicionado sobre la muñeca 1004 del usuario 1001.
De manera similar, la Figura 11 ilustra otra realización 110F de un sistema 110 de exomúsculo neumático que se muestra como uno que comprende múltiples accionadores 305 dispuestos en ubicaciones en mallas 1120 colocadas en las piernas 1101 de un usuario 1001. Un accionador 305KA de rodilla anterior y un accionador 305KP de rodilla posterior se muestran posicionados en los respectivos lados anterior 1102A y posterior 1102P de la rodilla 1102 del usuario 1001. Un accionador 305HA de cadera anterior y un accionador 305HP de cadera posterior se muestran posicionados en los respectivos lados anterior 1103A y posterior 1103P de la cadera 1103 del usuario 1001. Un accionador 305A de tobillo se muestra posicionado en el tobillo 1104 del usuario 1001.
Aunque las Figuras 10 y 11 ilustran trajes 110E, 110F superior e inferior separados, en varias realizaciones el sistema 110 de exomúsculo neumático puede configurarse para cubrir todo el cuerpo de un usuario 1001 o porciones del cuerpo de un usuario 1001. Por ejemplo, el sistema 110 de exomúsculo neumático puede realizarse en un traje corporal completo, una manga de brazo, una manga de pierna, un guante, un calcetín, o similar. Además, aunque los accionadores 305 se representan posicionados en el codo 103, muñeca 104, hombre 105, rodilla 1102, cadera 1103 y tobillo 1104, uno o más de estos accionadores 305 pueden estar ausentes y/o accionadores 305 adicionales pueden estar presentes en cualquier otra ubicación adecuada. Por ejemplo, los accionadores 305 pueden estar presentes en manos, pies, cuello, torso o similar. La Figura 12 ilustra una realización 110G a modo de ejemplo de un sistema 110 de exoesqueleto que incluye accionadores 305A de tobillo posicionados en los tobillos 1104 del usuario 1001.
Además, la presente descripción describe varias realizaciones del sistema 110 de exomúsculo neumático que usa un usuario 1001 humano, pero en realizaciones adicionales, el sistema 110 de exomúsculo neumático puede adaptarse para su uso por usuarios no humanos (p. ej., animales) o adaptarse para dispositivos no vivos como, por ejemplo, robots o similares. Por ejemplo, una realización incluye el uso del sistema 110 de exomúsculo neumático y/o uno o más accionadores 305 en un brazo robótico no colocado en el cuerpo 1001, lo cual también se conoce como un manipulador robótico.

Claims (15)

REIVINDICACIONES
1. Un sistema (110) de exoesqueleto que incluye:
múltiples accionadores (305) configurados para asociarse a partes corporales de un usuario que está usando el sistema (110) de exoesqueleto, y
un dispositivo informático de exoesqueleto que incluye:
múltiples sensores (311),
una memoria (312) que almacena al menos un programa de clasificación, y
un procesador (311) que ejecuta el programa de clasificación que controla los múltiples accionadores (305) según al menos en parte clasificaciones generadas por el programa de clasificación de datos de sensor obtenidos de los múltiples sensores (311);
en donde el sistema (110) de exoesqueleto:
determina un primer cálculo de estado para un programa de clasificación actual implementado por el sistema (110) de exoesqueleto;
determina un segundo cálculo de estado para un programa de clasificación de referencia;
determina que una diferencia entre el primero y segundo cálculos de estado es mayor que un umbral de reemplazo de programa de clasificación;
genera un programa de clasificación actualizado;
determina la precisión para el programa de clasificación actual;
determina la precisión para el programa de clasificación actualizado;
determina una diferencia entre la precisión del programa de clasificación actualizado y el programa de clasificación actual;
determina si la diferencia de precisión es mayor que un umbral de reemplazo; y
reemplaza el programa de clasificación actual por el programa de clasificación actualizado, según al menos en parte la determinación de que la diferencia entre el primero y segundo cálculos de estado es mayor que el umbral de reemplazo de programa de clasificación, y según al menos en parte la determinación de que la diferencia de precisión es mayor que el umbral de reemplazo.
2. El sistema (110) de exoesqueleto de la reivindicación 1, en donde el sistema (110) de exoesqueleto además: identifica que un cambio en un estado de sensor de dispositivo de exoesqueleto se encuentra por encima de un umbral;
genera un segundo programa de clasificación actualizado según al menos en parte el cambio identificado en el estado de sensor de dispositivo de exoesqueleto; y
reemplaza el programa de clasificación actualizado por el segundo programa de clasificación actualizado.
3. El sistema (110) de exoesqueleto de la reivindicación 1, en donde el sistema (110) de exoesqueleto además: detecta un cambio de estado de exoesqueleto;
determina una primera clasificación para el cambio de estado de exoesqueleto mediante el uso del programa de clasificación actualizado;
presenta la primera clasificación a un usuario asociado al sistema (110) de exoesqueleto;
obtiene una respuesta de clasificación asociada a la primera clasificación presentada; y modifica el programa de clasificación según al menos en parte la respuesta de clasificación.
4. El sistema (110) de exoesqueleto de la reivindicación 3, en donde la primera clasificación se presenta al usuario mediante una pantalla de visualización asociada al sistema (110) de exoesqueleto, o en donde la respuesta de clasificación se obtiene de una selección de usuario mediante un botón o pantalla táctil asociada al sistema (110) de exoesqueleto.
5. El sistema (110) de exoesqueleto de la reivindicación 3, en donde el sistema (110) de exoesqueleto además: determina una clasificación previa de un estado de exoesqueleto previo, que ocurre antes del cambio de estado de exoesqueleto;
determina que una diferencia entre la clasificación previa y la primera clasificación al menos satisface un umbral de diferencia de rendimiento; y
presenta la primera clasificación a un usuario asociado al sistema (110) de exoesqueleto según al menos en parte la determinación de que la diferencia entre la primera clasificación y la primera clasificación al menos satisface el umbral de diferencia de rendimiento.
6. Una red (100) de exoesqueleto que comprende:
un sistema (110) de exoesqueleto neumático ponible que comprende el sistema de exoesqueleto de la reivindicación 1, en donde el sistema (110) de exoesqueleto es un sistema de exoesqueleto neumático, y los múltiples accionadores (305) son accionadores neumáticos, y el sistema (110) de exoesqueleto además comprende un sistema (320) neumático configurado para introducir fluido neumático en los múltiples accionadores (305) para accionar los múltiples accionadores (305);
un dispositivo (120) de usuario que es local al sistema (110) de exoesqueleto neumático ponible y que se comunica, de manera utilizable con el sistema (110) de exoesqueleto neumático ponible; y
un servidor (130) de clasificación que es remoto con respecto al dispositivo (120) de usuario y sistema (110) de exoesqueleto neumático ponible y que se comunica, de manera utilizable, con el sistema (110) de exoesqueleto neumático ponible y el dispositivo (120) de usuario.
7. La red (100) de exoesqueleto de la reivindicación 6, que además comprende múltiples sistemas (110) de exoesqueleto neumáticos ponibles que se comunican, de manera utilizable, con el servidor (130) de clasificación, cada uno de los múltiples sistemas (110) de exoesqueleto neumáticos ponibles incluyendo: múltiples accionadores (305) neumáticos configurados para asociarse a partes corporales de un usuario que está usando el sistema (110) de exoesqueleto neumático,
un sistema neumático configurado para introducir fluido neumático en los múltiples accionadores (305) para accionar los múltiples accionadores (305), y
un dispositivo informático de exoesqueleto que incluye:
múltiples sensores (311),
una memoria (312) que almacena al menos un programa de clasificación, y
un procesador (311) que ejecuta el programa de clasificación que controla el sistema neumático según al menos en parte clasificaciones por el programa de clasificación de datos de sensor obtenidos de los múltiples sensores (311).
8. La red (100) de exoesqueleto de la reivindicación 7, en donde el servidor (130) de clasificación reemplaza un programa de clasificación corriente respectivo de los múltiples sistemas (110) de exoesqueleto por el programa de clasificación actualizado, según al menos en parte la determinación de que la diferencia de precisión entre la primera y segunda precisiones es mayor que el umbral de reemplazo de programa de clasificación.
9. La red (100) de exoesqueleto de la reivindicación 6, en donde el servidor (130) de clasificación genera el programa de clasificación actualizado, y preferiblemente en donde el servidor (130) de clasificación genera el programa de clasificación actualizado según al menos en parte datos de rendimiento del programa de clasificación recibidos de múltiples sistemas (110) de exoesqueleto.
10. Un método de funcionamiento de un sistema (110) de exoesqueleto que comprende:
determinar un primer cálculo de estado para un programa de clasificación actual implementado por el sistema (110) de exoesqueleto;
determinar un segundo cálculo de estado para un programa de clasificación de referencia;
determinar que una diferencia entre el primero y segundo cálculos de estado es mayor que un umbral de reemplazo de programa de clasificación;
generar un programa de clasificación actualizado;
determinar la precisión para un programa de clasificación actual;
determinar la precisión para un programa de clasificación actualizado;
determinar una diferencia entre la precisión del programa de clasificación actualizado y el programa de clasificación actual;
determinar si la diferencia de precisión es mayor que un umbral de reemplazo; y
reemplazar el programa de clasificación actual por el programa de clasificación actualizado, según al menos en parte la determinación de que la diferencia entre el primero y segundo cálculos de estado es mayor que el umbral de reemplazo de programa de clasificación, y según la determinación de que la diferencia de precisión es mayor que el umbral de reemplazo.
11. El método de funcionamiento del sistema (110) de exoesqueleto de la reivindicación 10, que además comprende generar el programa de clasificación actualizado según al menos en parte datos de rendimiento del programa de clasificación generados en el sistema (110) de exoesqueleto.
12. El método de funcionamiento del sistema (110) de exoesqueleto de la reivindicación 10, que además comprende:
detectar un cambio de estado de exoesqueleto; y
determinar una primera clasificación para el cambio de estado de exoesqueleto mediante el uso del programa de clasificación actualizado.
13. El método de funcionamiento del sistema (110) de exoesqueleto de la reivindicación 12, que además comprende:
presentar la primera clasificación a un usuario asociado al sistema (110) de exoesqueleto;
obtener una respuesta de clasificación asociada a la primera clasificación presentada; y
modificar el programa de clasificación según al menos en parte la respuesta de clasificación.
14. El método de funcionamiento del sistema (110) de exoesqueleto de la reivindicación 12, en donde la primera clasificación comprende al menos uno de: caminar, estar de pie, correr, saltar, agacharse, subir escaleras, bajar escaleras, aterrizar, girar, sentarse, sujetar o alcanzar, y preferiblemente en donde la clasificación se basa al menos en parte en datos de sensor obtenidos de múltiples sensores (311) asociados al sistema (110) de exoesqueleto, y más preferiblemente en donde los múltiples sensores (311) se asocian respectivamente a un conjunto de accionadores (305) del sistema (110) de exoesqueleto.
15. El método de funcionamiento del sistema (110) de exoesqueleto de la reivindicación 12, en donde el programa de clasificación actual y el programa de clasificación actualizado comprenden al menos uno de: una máquina de vector de soporte, red neural, análisis discriminante lineal, análisis discriminante cuadrático, red de Bayes dinámica, o modelo de Markov oculto, o que además comprenden cambiar la velocidad de adaptación del programa de clasificación actualizado según al menos en parte la entrada recibida de un usuario.
ES18748599T 2017-02-03 2018-02-02 Sistema y método para reconocimiento de intención de usuario Active ES2969892T3 (es)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762454575P 2017-02-03 2017-02-03
US201762485284P 2017-04-13 2017-04-13
PCT/US2018/016729 WO2018144937A1 (en) 2017-02-03 2018-02-02 System and method for user intent recognition

Publications (1)

Publication Number Publication Date
ES2969892T3 true ES2969892T3 (es) 2024-05-23

Family

ID=63038788

Family Applications (1)

Application Number Title Priority Date Filing Date
ES18748599T Active ES2969892T3 (es) 2017-02-03 2018-02-02 Sistema y método para reconocimiento de intención de usuario

Country Status (8)

Country Link
US (2) US11259979B2 (es)
EP (1) EP3576707B1 (es)
JP (2) JP2020506030A (es)
CN (2) CN110603021B (es)
CA (1) CA3051105A1 (es)
ES (1) ES2969892T3 (es)
IL (1) IL268306B2 (es)
WO (1) WO2018144937A1 (es)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016160624A1 (en) 2015-03-27 2016-10-06 Other Lab Llc Lower-leg exoskeleton system and method
US10821614B2 (en) 2016-11-11 2020-11-03 Sarcos Corp. Clutched joint modules having a quasi-passive elastic actuator for a robotic assembly
US10828767B2 (en) 2016-11-11 2020-11-10 Sarcos Corp. Tunable actuator joint modules having energy recovering quasi-passive elastic actuators with internal valve arrangements
IL268306B2 (en) 2017-02-03 2023-10-01 Roam Robotics Inc System and method for identifying user intent
JP7225215B2 (ja) 2017-08-29 2023-02-20 ローム ロボティクス インコーポレイテッド 半教師あり意図認識システム及び方法
US10780012B2 (en) 2017-08-29 2020-09-22 Roam Robotics Inc. Exoskeleton fit evaluation system and method
DE102018213481A1 (de) * 2018-08-10 2020-02-13 Audi Ag Bewegungsvorrichtung, Verfahren zum Betreiben einer Bewegungsvorrichtung und Verfahren zum Unterstützen einer Bewegung des Nutzers unter Verwendung einer Bewegungsvorrichtung
WO2020100737A1 (ja) * 2018-11-13 2020-05-22 日本電気株式会社 負荷軽減支援装置、負荷軽減システム、負荷軽減方法、プログラム、及びプログラムを記憶する記憶媒体
US11241801B2 (en) 2018-12-31 2022-02-08 Sarcos Corp. Robotic end effector with dorsally supported actuation mechanism
KR20200094519A (ko) 2019-01-30 2020-08-07 삼성전자주식회사 정보 처리 장치 및 이의 동작 방법
US11772259B1 (en) * 2019-02-06 2023-10-03 Aptima, Inc. Enhanced activated exoskeleton system
US20200337597A1 (en) * 2019-04-25 2020-10-29 Arizona Board Of Regents On Behalf Of Arizona State University Soft hip extension device to aid hemiparetic gait
EP4072498A4 (en) 2019-12-13 2024-05-08 Roam Robotics Inc DRIVED DEVICE FOR USING A CARRIER WHILE SKIING
CN111203875B (zh) * 2020-01-07 2022-08-09 重庆邮电大学 一种机械臂碰撞安全等级检测系统
US20210259904A1 (en) 2020-02-25 2021-08-26 Roam Robotics Inc. Fluidic actuator systems and methods for mobile robots
WO2021242991A1 (en) * 2020-05-27 2021-12-02 Roam Robotics Inc. Data logging and third-party administration of a mobile robot
WO2022025312A1 (ko) * 2020-07-29 2022-02-03 엘지전자 주식회사 근력보조장치를 이용하여 작업을 모니터링하는 장치 및 방법
CN112068434B (zh) * 2020-09-09 2021-09-21 北京航空航天大学 基于扩展状态观测器的康复机械装置迭代学习控制方法
US11833676B2 (en) 2020-12-07 2023-12-05 Sarcos Corp. Combining sensor output data to prevent unsafe operation of an exoskeleton
US20220176558A1 (en) * 2020-12-07 2022-06-09 Sarcos Corp. Redundant Control Policies for Safe Operation of an Exoskeleton
US20220176559A1 (en) * 2020-12-07 2022-06-09 Sarcos Corp. Method for Redundant Control Policies for Safe Operation of an Exoskeleton
CN113011458B (zh) * 2021-02-19 2022-12-16 华南理工大学 负载机动型外骨骼人体运动意图识别方法及外骨骼系统
US11826907B1 (en) 2022-08-17 2023-11-28 Sarcos Corp. Robotic joint system with length adapter
US11717956B1 (en) 2022-08-29 2023-08-08 Sarcos Corp. Robotic joint system with integrated safety
US11897132B1 (en) 2022-11-17 2024-02-13 Sarcos Corp. Systems and methods for redundant network communication in a robot
US11924023B1 (en) 2022-11-17 2024-03-05 Sarcos Corp. Systems and methods for redundant network communication in a robot

Family Cites Families (110)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US440684A (en) 1890-11-18 Apparatus for facilitating walking
US3868952A (en) 1971-12-14 1975-03-04 Aerazur Constr Aeronaut Inflatable shaped structures
FR2170305A5 (es) 1971-12-14 1973-09-14 Aerazur Constr Aeronaut
FR2298314B1 (fr) 1975-01-24 1980-03-28 Inst Nat Sante Rech Med Appareils orthopediques pneumatiques composes de plusieurs elements articules
US3982531A (en) 1975-04-30 1976-09-28 Thiokol Corporation Inflation device for a pneumatic orthosis
US4274399A (en) 1980-01-29 1981-06-23 Jobst Institute, Inc. Therapeutic appliance for flexing joints
US4523582A (en) 1982-06-07 1985-06-18 Barber S Morgan Device for suspending the human body in an inverted position
US4671258A (en) 1984-01-12 1987-06-09 Barthlome Donald E Therapeutic multiple joint exerciser
SE453860B (sv) 1984-12-17 1988-03-07 Komatsu Mfg Co Ltd Flexibel manovreringsanordning av korrugerad tryckslang
GB8625144D0 (en) 1986-10-21 1986-11-26 Hennequin J R Pneumatic/hydraulic artificial muscle
JPS63199965A (ja) 1987-02-13 1988-08-18 Fuji Seiki Kk ロツドレスシリンダ
US5033457A (en) 1989-06-23 1991-07-23 Bonutti Peter M Air assisted medical devices
US5483838A (en) 1993-12-29 1996-01-16 Holden; Edward S. Fluid flow connector and gauge assembly
US5697285A (en) 1995-12-21 1997-12-16 Nappi; Bruce Actuators for simulating muscle activity in robotics
DE19833340A1 (de) 1998-07-24 2000-02-10 Karlsruhe Forschzent Wurmförmiger Arbeitsmechanismus
AU5473799A (en) 1998-08-10 2000-03-06 Thomas P. Branch M.D. Orthotic apparatus and method for using same
JP3771056B2 (ja) 1998-08-14 2006-04-26 圭治郎 山本 介護用筋力補助装置
US6689074B2 (en) 2000-03-28 2004-02-10 Seiko Epson Corporation Wearable muscular-force supplementing device
US6405532B1 (en) 2000-07-21 2002-06-18 Environmental Robots, Inc. Metal hydride artificial muscles
WO2004008284A2 (en) 2002-07-12 2004-01-22 Checkspert, Inc. System and method for remote supervision and authentication of user activities at communication network workstations
US6966882B2 (en) 2002-11-25 2005-11-22 Tibion Corporation Active muscle assistance device and method
US7413554B2 (en) 2003-03-28 2008-08-19 Hitachi Medical Corporation Wearable joint driving device
DE10345587A1 (de) 2003-09-29 2005-05-12 Karlsruhe Forschzent Fluidischer Antrieb
US7628766B1 (en) 2003-10-29 2009-12-08 The Regents Of The University Of California Lower extremity enhancer
JP4200492B2 (ja) 2004-03-11 2008-12-24 国立大学法人 筑波大学 装着式動作補助装置
JP4133936B2 (ja) 2004-06-17 2008-08-13 独立行政法人科学技術振興機構 扇状チューブアクチュエータ及び下肢駆動装置
US20060069336A1 (en) 2004-09-27 2006-03-30 Massachusetts Institute Of Technology Ankle interface
JP4178187B2 (ja) 2005-01-26 2008-11-12 国立大学法人 筑波大学 装着式動作補助装置及び制御用プログラム
WO2006084219A2 (en) 2005-02-02 2006-08-10 össur hf Prosthetic and orthotic systems usable for rehabilitation
US10080672B2 (en) * 2005-03-31 2018-09-25 Bionx Medical Technologies, Inc. Hybrid terrain-adaptive lower-extremity systems
US10307272B2 (en) * 2005-03-31 2019-06-04 Massachusetts Institute Of Technology Method for using a model-based controller for a robotic leg
US7756533B2 (en) 2005-08-17 2010-07-13 Sony Ericsson Mobile Communications Ab Mobile terminals with media tuning and methods and computer program products for operating the same
US20080009771A1 (en) * 2006-03-29 2008-01-10 Joel Perry Exoskeleton
JP4573798B2 (ja) 2006-04-19 2010-11-04 株式会社Ｉｈｉ 腰部支援装置
US8353854B2 (en) 2007-02-14 2013-01-15 Tibion Corporation Method and devices for moving a body joint
EP2163226A1 (en) 2007-04-23 2010-03-17 Golden Crab, S.L. Exoskeleton for safety and control while skiing
JP5079458B2 (ja) 2007-11-07 2012-11-21 アクティブリンク株式会社 動作支援装置
WO2009119018A1 (ja) 2008-03-27 2009-10-01 パナソニック株式会社 筋力補助装置
US9351855B2 (en) 2008-06-16 2016-05-31 Ekso Bionics, Inc. Powered lower extremity orthotic and method of operation
US8096965B2 (en) * 2008-10-13 2012-01-17 Argo Medical Technologies Ltd. Locomotion assisting device and method
US20150088043A1 (en) 2009-07-15 2015-03-26 President And Fellows Of Harvard College Actively controlled wearable orthotic devices and active modular elastomer sleeve for wearable orthotic devices
US8924230B2 (en) * 2009-07-17 2014-12-30 WAVi Data management apparatus for comparing patient data with ailment archetypes to determine correlation with established ailment biomarkers
US8738122B2 (en) * 2009-08-21 2014-05-27 The Chinese University Of Hong Kong Systems and methods for reproducing body motions via networks
EP2332508B1 (en) 2009-10-05 2018-04-04 Keijirou Yamamoto Joint movement supporting device
CN101791255B (zh) * 2010-03-08 2012-07-18 上海交通大学 助行外骨骼机器人系统及控制方法
US20130158445A1 (en) 2010-08-23 2013-06-20 The Regents Of The University Of California Orthesis system and methods for control of exoskeletons
US9480618B2 (en) 2010-10-05 2016-11-01 Elizabeth T. Hsiao-Wecksler Portable active pneumatically powered ankle-foot orthosis
WO2012148472A2 (en) 2010-11-19 2012-11-01 President And Fellows Of Harvard College Soft robotic actuators
US8784350B2 (en) 2010-12-09 2014-07-22 Donald M. Cohen Auto-accommodating therapeutic brace
WO2012096956A1 (en) * 2011-01-10 2012-07-19 Iwalk, Inc. Powered joint orthosis
WO2012100250A1 (en) * 2011-01-21 2012-07-26 Iwalk, Inc. Terrain adaptive powered joint orthosis
DE102011107580B4 (de) 2011-07-16 2015-02-05 Festo Ag & Co. Kg Faltenbalg und Verfahren zur Herstellung eines Faltenbalges
US9545353B2 (en) * 2011-07-29 2017-01-17 Leonis Medical Corporation Methods of operating an exoskeleton for gait assistance and rehabilitation
AU2013209422B2 (en) 2012-01-19 2017-08-17 President And Fellows Of Harvard College Flexible robotic actuators
BR112014023320A8 (pt) 2012-03-22 2017-07-25 Ekso Bionics Inc Método para controlar uma órtese de membro inferior alimentada e órtese de membro inferior alimentada
DE102012206037A1 (de) * 2012-04-13 2013-10-17 Robert Bosch Gmbh Lernverfahren zur automatisierten Erkennung von Verkehrszeichen, Verfahren zur Bestimmung eines aktualisierten Parametersatzes für eine Klassifikation von einem Verkehrszeichen und Verkehrszeichenerkennungssystem
JP3179088U (ja) 2012-04-17 2012-10-18 公亮 三浦 アクチュエータ管
EP2895133B1 (en) * 2012-09-17 2020-06-17 President and Fellows of Harvard College Soft exosuit for assistance with human motion
US9821475B1 (en) 2012-10-26 2017-11-21 Other Lab, Llc Robotic actuator
CN104869970B (zh) * 2012-12-11 2017-09-29 埃克苏仿生公司 可重新配置的外骨骼
US9775763B2 (en) * 2012-12-19 2017-10-03 Intel Corporation Adaptive exoskeleton, control system and methods using the same
US9421143B2 (en) 2013-03-15 2016-08-23 Bionik Laboratories, Inc. Strap assembly for use in an exoskeleton apparatus
WO2014151065A2 (en) 2013-03-15 2014-09-25 Sri International Exosuit system
CA2910565C (en) 2013-04-24 2020-04-14 Marquette University Variable stiffness actuator with large range of stiffness
EP2997511A1 (en) * 2013-05-17 2016-03-23 Vincent J. Macri System and method for pre-movement and action training and control
US10843332B2 (en) * 2013-05-31 2020-11-24 President And Fellow Of Harvard College Soft exosuit for assistance with human motion
US9205560B1 (en) 2013-06-24 2015-12-08 Redwood Robotics, Inc. System and method for failure detection of a robot actuator
JP2015008938A (ja) 2013-06-28 2015-01-19 株式会社ディ・ライト 遊技機
WO2015021886A1 (zh) 2013-08-10 2015-02-19 Huang Chen-Ming 便携式人体支架系统
CN103412003B (zh) * 2013-08-21 2015-06-10 电子科技大学 基于半监督领域自适应的气体检测方法
EP2868304A1 (en) 2013-11-01 2015-05-06 John Abramowicz System for promoting elongation and relaxation of muscles
JP6086603B2 (ja) 2013-11-05 2017-03-01 学校法人幾徳学園 関節運動アシスト装置
KR20160119756A (ko) 2013-11-29 2016-10-14 렉스 바이오닉스 리미티드 이동성 보조장치
EP3079581B1 (en) 2013-12-09 2022-03-16 President and Fellows of Harvard College Assistive flexible suits, flexible suit systems, and methods for making and control thereof to assist human mobility
CN106029039B (zh) 2013-12-16 2018-03-27 麻省理工学院 下肢外骨骼或矫形器的最佳设计
US10611020B2 (en) 2013-12-19 2020-04-07 Roam Robotics Inc. Pneumatic exomuscle system and method
US10012229B2 (en) 2013-12-19 2018-07-03 Other Lab Llc Diaphragm compressor system and method
WO2015104832A1 (ja) 2014-01-10 2015-07-16 圭治郎 山本 関節運動アシスト装置
JP6357627B2 (ja) 2014-01-30 2018-07-18 国立大学法人 筑波大学 装着式動作補助装置
CN105205436B (zh) 2014-06-03 2019-09-06 北京创思博德科技有限公司 一种基于前臂生物电多传感器的手势识别系统
CN104173124B (zh) * 2014-08-29 2015-12-30 电子科技大学 一种基于生物信号的上肢康复系统
CA2884905A1 (en) * 2014-09-10 2016-03-10 Norberto Velazquez Nino Adjustable mechanical exoskeleton, for a biped animal with impaired bone and muscle
US9849751B2 (en) 2015-01-14 2017-12-26 Ford Global Technologies, Llc Adaptive control of automotive HVAC system using crowd-sourcing data
JP6489422B2 (ja) 2015-01-28 2019-03-27 パナソニックＩｐマネジメント株式会社 アシストウェア、アシストウェアの作動方法、及び、制御プログラム
EP3736974A1 (en) 2015-01-30 2020-11-11 Sunfolding, Inc. Fluidic actuator system and method
WO2016160624A1 (en) 2015-03-27 2016-10-06 Other Lab Llc Lower-leg exoskeleton system and method
CN110259966B (zh) 2015-03-27 2021-04-02 奥特尔实验室有限责任公司 提升阀系统和方法
US9996804B2 (en) * 2015-04-10 2018-06-12 Facebook, Inc. Machine learning model tracking platform
US10557550B2 (en) 2015-04-10 2020-02-11 Mide Technology Corporation Flexible joint
MX2015005567A (es) 2015-04-15 2016-10-31 Inst Tecnologico Estudios Superiores Monterrey Dispositivo mecatrónico no invasivo generador de motricidad en articulaciones usando señales eeg y emg.
FR3034986B1 (fr) 2015-04-16 2021-05-21 Aplinov Dispositif d'assistance aux deplacements
US10426637B2 (en) * 2015-05-11 2019-10-01 The Hong Kong Polytechnic University Exoskeleton ankle robot
US20180185173A1 (en) 2015-06-26 2018-07-05 Scuola Superiore Sant'anna Pneumatic device for actuating organs
CN204814712U (zh) 2015-07-24 2015-12-02 黄河科技学院 动力驱动式下肢关节减压装置的膝关节驱动机构
US10245204B2 (en) 2015-09-11 2019-04-02 Ekso Bionics, Inc. Devices and methods for improving the utility of an exoskeleton mobility base
TWI564129B (zh) 2015-11-27 2017-01-01 財團法人工業技術研究院 行動輔助機器人之姿態估測方法
CN108472192B (zh) 2015-12-21 2020-09-22 山本圭治郎 关节运动辅助系统
US20190015233A1 (en) 2016-01-05 2019-01-17 President And Fellows Of Harvard College Fabric-Based Soft Actuators
CN105590409B (zh) 2016-02-26 2018-04-03 江苏大学 一种基于大数据的人体跌倒检测方法及系统
US20180235830A1 (en) 2016-03-09 2018-08-23 John Rokosz Device and Method of Measuring Knee Abduction / Adduction Moment
US10562180B2 (en) 2016-03-29 2020-02-18 Other Lab, Llc Fluidic robotic actuator system and method
CN106325273B (zh) * 2016-08-22 2019-04-12 江苏中科伟思智能机器人科技有限公司 助力外骨骼机器人的多相位步态切换控制系统及其控制方法
WO2018089543A1 (en) * 2016-11-08 2018-05-17 Massachusetts Institute Of Technology Kinetic sensing, signal generation, feature extraction, and pattern recognition for control of autonomous wearable leg devices
IL268306B2 (en) 2017-02-03 2023-10-01 Roam Robotics Inc System and method for identifying user intent
WO2018191710A1 (en) 2017-04-13 2018-10-18 Other Lab, Llc Leg exoskeleton system and method
JP7225215B2 (ja) 2017-08-29 2023-02-20 ローム ロボティクス インコーポレイテッド 半教師あり意図認識システム及び方法
US10780012B2 (en) 2017-08-29 2020-09-22 Roam Robotics Inc. Exoskeleton fit evaluation system and method
US20190283235A1 (en) 2018-03-15 2019-09-19 Lg Electronics Inc. Leg belt to effectively support the leg and wearable assistive device having the same
US11103991B2 (en) 2018-03-21 2021-08-31 Arizona Board Of Regents On Behalf Of Arizona State University Assisted lifting devices
WO2019187030A1 (ja) 2018-03-30 2019-10-03 圭治郎 山本 関節運動アシスト装置

Also Published As

Publication number Publication date
EP3576707C0 (en) 2024-01-31
CN114248263A (zh) 2022-03-29
EP3576707B1 (en) 2024-01-31
US20200253808A1 (en) 2020-08-13
EP3576707A4 (en) 2021-03-31
JP2023016804A (ja) 2023-02-02
JP2020506030A (ja) 2020-02-27
EP3576707A1 (en) 2019-12-11
IL268306B1 (en) 2023-06-01
US11259979B2 (en) 2022-03-01
CN110603021B (zh) 2023-12-05
IL268306A (en) 2019-09-26
CN110603021A (zh) 2019-12-20
US20180221237A1 (en) 2018-08-09
CA3051105A1 (en) 2018-08-09
WO2018144937A1 (en) 2018-08-09
IL268306B2 (en) 2023-10-01

Similar Documents

Publication Publication Date Title
ES2969892T3 (es) Sistema y método para reconocimiento de intención de usuario
CN111278398B (zh) 半监督意图识别系统和方法
JP6194971B2 (ja) ユーザの健康記録に基づいてパーソナライズされた看護の提供
JP6923319B2 (ja) 転倒検出システム、方法及びコンピュータプログラム
Martinez-Hernandez et al. Probabilistic identification of sit-to-stand and stand-to-sit with a wearable sensor
US20190083002A1 (en) Method and apparatus for updating personalized gait policy
US20170224573A1 (en) Assistive support systems and devices for automatic feedback
EP3470043B1 (en) Mobility aid
CN112603775B (zh) 步行辅助方法和电子设备
KR20180096241A (ko) 보행 보조 장치의 제어 방법 및 장치
US20220409098A1 (en) A wearable device for determining motion and/or a physiological state of a wearer
Martinez-Hernandez et al. A combined adaptive neuro-fuzzy and bayesian strategy for recognition and prediction of gait events using wearable sensors
JPWO2020105309A1 (ja) 情報処理装置、情報処理方法、およびプログラム
US11527330B2 (en) Learning system, rehabilitation support system, method, program, and trained model
US20200411183A1 (en) Learning system, rehabilitation support system, method, program, and trained model
CN111565897A (zh) 动物形状的自主移动对象、使动物形状的自主移动对象执行动作的方法以及程序
EP3760120A1 (en) Wearable cueing systems for assisting a subject with walking
Huang et al. Data fusion for a hand prosthesis tactile feedback system
US20230133858A1 (en) Movement prediction machine learning models
Real Sánchez PREDICTION OF GAIT KINEMATICS WITH INERTIAL SENSORS USING MACHINE LEARNING ALGORITHMS
Narayan Real-Time Hierarchical Classification of Motion Intent for Wearable Robotics
CN111374673A (zh) 膝关节损伤预警设备、服务器、系统及智能跑鞋