Evaluating Gait Symmetry with a Smart Robotic Walker: A Novel Approach to Mobility Assessment
作者: Mahdi Chalaki, Abed Soleymani, Xingyu Li, Vivian Mushahwar, Mahdi Tavakoli
分类: cs.RO
发布日期: 2024-08-21
备注: 7 pages, 5 figures, accepted for the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Abu Dhabi, UAE, 2024
DOI: 10.1109/IROS58592.2024.10801709
💡 一句话要点
提出一种基于智能助行机器人的步态对称性评估新方法，用于辅助诊断和康复。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 步态分析 步态对称性 智能助行机器人 康复医学 季节性趋势分解
📋 核心要点
- 步态不对称是多种疾病的常见表现，现有方法难以准确、便捷地量化步态对称性。
- 利用智能助行机器人，通过分析用户与机器人之间的交互扭矩，提取步态特征并计算对称性指标。
- 实验表明，该方法在检测步态不对称方面具有较高的准确率（84.9%），并能初步分析不对称的原因。
📝 摘要（中文）
步态不对称是衰老和中风等多种神经或身体状况的后果，它严重影响双足运动，导致生物力学改变，增加跌倒风险并降低生活质量。本文提出了一种新的步态对称性分析诊断方法，该方法使用配备创新不对称检测方案的辅助机器人智能助行器。该方法分析捕获用户与助行器之间相互作用扭矩的传感器测量值。通过应用季节性趋势分解工具，我们分离出这些数据中特定于步态的模式，从而可以估计步幅持续时间并计算对称性指数。通过涉及5名实验者的实验，我们证明了智能助行器在受控测试环境中检测和量化步态不对称的能力，其识别不对称情况的准确率达到84.9%。进一步的分析探索了基于其根本原因对这些不对称进行分类，为步态评估提供了有价值的见解。结果强调了该设备作为一种精确、即用型监测工具在个性化康复中的潜力，从而促进有针对性的干预以增强患者的治疗效果。
🔬 方法详解
问题定义：论文旨在解决步态不对称的精确量化问题。现有步态分析方法通常依赖于昂贵的实验室设备或复杂的运动捕捉系统，难以在日常生活中进行便捷、实时的评估。此外，现有方法在区分不同原因引起的步态不对称方面存在局限性。
核心思路：核心思路是利用智能助行机器人作为步态分析平台，通过分析用户与机器人之间的交互力矩来推断步态特征。这种方法无需额外的外部传感器，可以在自然行走环境中进行评估，具有更高的实用性和可推广性。
技术框架：该方法的技术框架主要包括以下几个阶段：1) 数据采集：通过安装在智能助行机器人上的力矩传感器，实时采集用户与机器人之间的交互力矩数据。2) 数据预处理：对采集到的力矩数据进行滤波和校准，去除噪声和系统误差。3) 步态特征提取：利用季节性趋势分解（Seasonal-Trend decomposition）工具，从力矩数据中提取步态周期相关的模式，估计步幅持续时间。4) 对称性评估：基于步幅持续时间等步态特征，计算对称性指数，量化步态不对称程度。5) 不对称分类：根据步态特征的差异，对不对称类型进行初步分类。
关键创新：该方法的主要创新在于：1) 将智能助行机器人作为步态分析平台，实现了便捷、实时的步态评估。2) 利用季节性趋势分解工具，有效地从力矩数据中提取步态特征。3) 提出了一种基于步态特征的对称性指数，能够量化步态不对称程度。
关键设计：关键设计包括：1) 传感器选择：选择高精度、低噪声的力矩传感器，保证数据质量。2) 季节性趋势分解参数设置：根据步态周期范围，合理设置季节性趋势分解的参数，以准确提取步态特征。3) 对称性指数计算方法：设计合理的对称性指数计算公式，能够敏感地反映步态不对称程度。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该智能助行机器人能够以84.9%的准确率识别步态不对称情况。此外，该方法还能初步区分不同原因引起的步态不对称，例如，通过分析步幅持续时间的差异，可以区分由单侧肢体无力或关节活动受限引起的步态不对称。这些结果验证了该方法在步态评估方面的有效性和潜力。
🎯 应用场景
该研究成果可应用于多种场景，包括：1) 康复医学：辅助医生评估患者的步态对称性，制定个性化的康复计划。2) 老年人健康管理：监测老年人的步态变化，早期发现潜在的健康问题，降低跌倒风险。3) 运动训练：评估运动员的步态效率，优化训练方案。未来，该技术有望集成到智能家居或可穿戴设备中，实现更便捷的步态监测。
📄 摘要（原文）
Gait asymmetry, a consequence of various neurological or physical conditions such as aging and stroke, detrimentally impacts bipedal locomotion, causing biomechanical alterations, increasing the risk of falls and reducing quality of life. Addressing this critical issue, this paper introduces a novel diagnostic method for gait symmetry analysis through the use of an assistive robotic Smart Walker equipped with an innovative asymmetry detection scheme. This method analyzes sensor measurements capturing the interaction torque between user and walker. By applying a seasonal-trend decomposition tool, we isolate gait-specific patterns within these data, allowing for the estimation of stride durations and calculation of a symmetry index. Through experiments involving 5 experimenters, we demonstrate the Smart Walker's capability in detecting and quantifying gait asymmetry by achieving an accuracy of 84.9% in identifying asymmetric cases in a controlled testing environment. Further analysis explores the classification of these asymmetries based on their underlying causes, providing valuable insights for gait assessment. The results underscore the potential of the device as a precise, ready-to-use monitoring tool for personalized rehabilitation, facilitating targeted interventions for enhanced patient outcomes.