Optimización Bayesiana con Bucle Humano Basada en Electromiografía para Asistir el Movimiento Libre de la Pierna
Autores: Echeveste, Salvador; Bhounsule, Pranav A.
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Optimización Bayesiana con Bucle Humano Basada en Electromiografía para Asistir el Movimiento Libre de la Pierna
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Ajuste manual
Parámetros de control del exoesqueleto
Optimización con el ser humano en el circuito
Señales de electromiografía de superficie
Marco de optimización bayesiana
Controladores de exoesqueleto de cadera
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Antecedentes/Objetivos: La sintonización manual de los parámetros de control del exoesqueleto es tediosa y a menudo ineficaz para adaptarse a usuarios individuales. La optimización con humano en el circuito (HIL) ofrece un enfoque automatizado, pero los métodos existentes suelen depender del costo metabólico, lo que requiere tiempos prolongados de recolección de datos de al menos 60 s. Las señales de electromiografía de superficie (EMG), como alternativa, permiten una optimización más rápida con tiempos de adquisición de datos reducidos. Métodos: Este estudio desarrolla un marco de optimización bayesiana HIL basado en EMG para sintonizar controladores de exoesqueleto de cadera para asistir el balanceo libre de las piernas. Se pide a ocho participantes que realicen balanceos de piernas a dos frecuencias con la asistencia de un exoesqueleto de cadera. Las señales de EMG de cuatro sensores, que representan la actividad muscular durante los balanceos hacia adelante y hacia atrás, se procesan dinámicamente en funciones de costo. La optimización bayesiana con procesos gaussianos ajusta cuatro parámetros del controlador utilizando una función de adquisición de mejora esperada. Los resultados de la optimización se validan en comparación con sin dispositivo, torque cero y líneas base de control general. Resultados: La optimización converge en un promedio de 142 s con una desviación estándar de 24 s entre todos los participantes. El controlador produce reducciones de actividad muscular del 16.1% (< 0.001) en comparación con sin dispositivo, 21.7% (< 0.001) frente a torque cero y 15.1% (< 0.001) en comparación con el control general. La sintonización basada en EMG es más rápida que los métodos basados en costo metabólico y se percibe como menos esforzada, con reducciones en la escala de Borg de hasta 39.5%. Conclusiones: La optimización HIL basada en EMG mejora significativamente la velocidad y efectividad de la sintonización del controlador, demostrando su potencial para aplicaciones de exoesqueleto escalables y específicas para el usuario.
Descripción
Antecedentes/Objetivos: La sintonización manual de los parámetros de control del exoesqueleto es tediosa y a menudo ineficaz para adaptarse a usuarios individuales. La optimización con humano en el circuito (HIL) ofrece un enfoque automatizado, pero los métodos existentes suelen depender del costo metabólico, lo que requiere tiempos prolongados de recolección de datos de al menos 60 s. Las señales de electromiografía de superficie (EMG), como alternativa, permiten una optimización más rápida con tiempos de adquisición de datos reducidos. Métodos: Este estudio desarrolla un marco de optimización bayesiana HIL basado en EMG para sintonizar controladores de exoesqueleto de cadera para asistir el balanceo libre de las piernas. Se pide a ocho participantes que realicen balanceos de piernas a dos frecuencias con la asistencia de un exoesqueleto de cadera. Las señales de EMG de cuatro sensores, que representan la actividad muscular durante los balanceos hacia adelante y hacia atrás, se procesan dinámicamente en funciones de costo. La optimización bayesiana con procesos gaussianos ajusta cuatro parámetros del controlador utilizando una función de adquisición de mejora esperada. Los resultados de la optimización se validan en comparación con sin dispositivo, torque cero y líneas base de control general. Resultados: La optimización converge en un promedio de 142 s con una desviación estándar de 24 s entre todos los participantes. El controlador produce reducciones de actividad muscular del 16.1% (< 0.001) en comparación con sin dispositivo, 21.7% (< 0.001) frente a torque cero y 15.1% (< 0.001) en comparación con el control general. La sintonización basada en EMG es más rápida que los métodos basados en costo metabólico y se percibe como menos esforzada, con reducciones en la escala de Borg de hasta 39.5%. Conclusiones: La optimización HIL basada en EMG mejora significativamente la velocidad y efectividad de la sintonización del controlador, demostrando su potencial para aplicaciones de exoesqueleto escalables y específicas para el usuario.