Generador de patrones de marcha tridimensionales dependientes de la altura y la velocidad

Abstract

[Resumen] En el campo de la rehabilitación robótica de la marcha, a menudo es necesario controlar los dispositivos robóticos para que sigan trayectorias de referencia específicas similares a las humanas. En los últimos años, se han propuesto varios modelos de generadores de marcha que proporcionan patrones de marcha personalizados ajustables a una serie de alturas y velocidades de marcha. Estos trabajos se desarrollaron centrándose principalmente en dispositivos de rehabilitación de la marcha que controlan las trayectorias angulares de las articulaciones inferiores. Otros dispositivos de rehabilitación similares, como los robots de rehabilitación con efector final que controlan las trayectorias de posición y orientación de sus articulaciones en el espacio cartesiano, no pueden implementarlos fácilmente. En este artículo se propone un nuevo generador de patrones de marcha que genera trayectorias tridimensionales individualizadas para robots de rehabilitación de la marcha. El modelo utiliza predicciones de las trayectorias angulares de las articulaciones, basadas en modelos de regresión multivariable, proporciones antropométricas humanas y modulaciones espaciotemporales para predecir las trayectorias cartesianas de las articulaciones inferiores de la pelvis, la cadera, la rodilla y el tobillo durante la marcha. Las trayectorias reconstruidas se compararon con la cinemática medida de un conjunto de datos de la marcha con 42 participantes que caminaban a 8 velocidades diferentes cada uno. Las trayectorias generadas coincidieron con las medidas con un error medio RMSE de 15,27 mm y coeficiente de correlación R medio de 89% para todos los ejes articulares, lo que sugiere que se trata de una buena solución para su aplicación en dispositivos robóticos de rehabilitación de la marcha con efector final.

[Abstract] In the robotic gait rehabilitation field, it is often required to control the robotic devices to follow specific human-like reference trajectories. In the recent years, various gait generator models have been proposed, providing customized gait patterns adjustable to a range of heights and gait speeds. These works were developed focusing mainly on gait rehabilitation devices that control the angular trajectories of the lower joints. Similar rehabilitation devices, such as end-effector rehabilitation robots that control their joint position and orientation trajectories in the Cartesian space cannot easily implement them. In this article, it is proposed a new gait pattern generator that outputs individualized three-dimensional joints' trajectories for gait rehabilitation robots. The algorithm uses joint’s angular trajectories predictions, based on multi-variable regressions-models, human anthropometric proportions and spatiotemporal modulations to predict the cartesian lower joints trajectories of the pelvis, hip, knee and ankle during gait. The reconstructed trajectories were compared to the measured joint kinematics of a gait dataset with 42 participants walking at 8 different velocities each. The predicted trajectories matched the measured ones with an RMSE average error of 15.27mm and mean R coefficient of 89% for all the joints axis, suggesting to be a good solution to be applied in end-effector gait robotic rehabilitation devices.