Interpretable ambulation mode classification method for human-wearable robot interaction

La mayoría de los métodos del estado del arte para la clasificación del modo de deambulación para robots portátiles pueden lograr errores de clasificación bajos de alrededor del 10,0 % para actividades en estado estable y del 15,0 % para transiciones. Estos métodos utilizan información extraída de múltiples sensores ubicados en el cuerpo humano, como IMU y codificaciones conjuntas. Luego, toda esa información se usa como espacio de características de entrada para clasificadores complejos de machine learning. Sin embargo, cuando el método falla, es imposible interpretar cuál fue el error que condujo a la clasificación errónea. En este estudio, desarrollamos un método interpretable para la clasificación del modo de deambulación basado en la detección de la transición entre dos modos de deambulación utilizando la mínima información posible. Este método tiene una serie de reglas basadas en umbrales extraídas de un clasificador de máquina de soporte vectorial optimizada con un kernel lineal. Estas reglas tienen el valor de umbral, un valor de tolerancia para el umbral y el tiempo máximo permitido en el que se debe alcanzar o superar el umbral. Usamos como estudio de caso la clasificación del modo de deambulación de las extremidades inferiores usando solo el ángulo de posición del muslo para clasificar las actividades de transición entre caminar para subir escaleras, caminar para bajar escaleras, subir escaleras para caminar y bajar escaleras para caminar, con una media de F1- Score de 0.8261, 0.8151, 0.8323 y 0.7063, respectivamente. Con este trabajo, presentamos un nuevo método para la clasificación del modo de deambulación, en el que la interpretación de los usuarios es el factor clave.

• Autores: Guillén Aguirre, Camilo Andrés
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/55754
• Acceso en línea: http://hdl.handle.net/1992/55754
• Palabra clave: Aprendizaje automático; Control automático; Robots; Órganos artificiales (Medicina); Prótesis; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf