Диффузионная модель генерирует персонализированную походку для экзоскелетов по одному образцу

Ученые разработали новую диффузионную модель, которая способна генерировать персонализированную кинематику нижних конечностей для экзоскелетов, используя всего один образец походки. Эта технология, названная subject-conditioned residual diffusion framework, позволяет синтезировать движения при неизвестных скоростях ходьбы на основе данных, полученных при одной известной скорости. Такой подход радикально упрощает настройку экзоскелетов, делая их доступнее для пациентов с нарушениями движений.

Как работает новая модель

В основе разработки лежит трансформер-денойзер с модуляцией признаков, обученный на данных здоровых людей. Модель принимает на вход сагиттальные траектории тазобедренного, коленного и голеностопного суставов при известной скорости, а также желаемую неизвестную скорость. Затем она генерирует остаток, который преобразует исходную траекторию в персонализированную походку для новой скорости. Этот процесс основан на диффузионном подходе, который постепенно добавляет и удаляет шум, чтобы создать реалистичные движения.

Почему это важно для реабилитации

Традиционная настройка экзоскелетов требует сбора данных походки при множестве скоростей, что дорого, трудоемко и особенно сложно для пациентов с нарушениями движений. Новый метод радикально снижает объем необходимых измерений — достаточно одного сеанса захвата движений, чтобы синтезировать походку для любых скоростей. Это ускоряет персонализацию устройств помощи при ходьбе, снижая нагрузку на пациентов и стоимость настройки.

Каких результатов удалось достичь

На здоровых испытуемых средняя абсолютная ошибка (MAE) составила 3,4 градуса, а на пациентах после инсульта без дополнительного обучения — 6,0 градусов. Относительно supervised feed-forward baseline ошибка снижена более чем на 70%. При этом использование всего одной известной скорости дало точность, сопоставимую с четырьмя — разница составила менее 0,4 градуса. Эти результаты показывают, что модель эффективно обобщает данные и может работать с ограниченным входом.

Как модель справляется с разными скоростями ходьбы

Исследователи проверили работу модели на различных скоростях, включая те, что не входили в обучающий набор. Оказалось, что даже при экстраполяции на скорости за пределами тренировочного распределения модель сохраняет приемлемую точность. Это важно для практического применения, так как пациенты могут ходить с разной скоростью в зависимости от условий.

Кого затронет эта технология

Разработка в первую очередь полезна для разработчиков экзоскелетов, реабилитационных центров и пациентов с нарушениями походки. Метод ускорит персонализацию устройств помощи при ходьбе, снизив нагрузку на пациентов и стоимость настройки. Кроме того, технология может быть адаптирована для других групп пациентов, например, с церебральным параличом или болезнью Паркинсона.

Что пока остается неизвестным

Несмотря на впечатляющие результаты, есть ряд нерешенных вопросов. Неизвестна эффективность модели для других групп пациентов, таких как люди с церебральным параличом. Также неясно, как метод поведет себя при генерации походки для бега или других локомоторных задач. Кроме того, модель пока протестирована только на сагиттальных движениях, и ее работа с трехмерной кинематикой требует дополнительных исследований.

Перспективы развития

Ученые планируют расширить модель для работы с другими типами движений и группами пациентов. В будущем возможно создание универсального инструмента, который позволит быстро настраивать экзоскелеты под индивидуальные особенности каждого пользователя. Это может революционизировать реабилитационную робототехнику и сделать экзоскелеты более доступными для широкого круга пациентов.