[论文解读] Lower-limb kinematics and kinetics during continuously varying human locomotion

Emma Reznick, Kyle Embry+4 more|arXiv (Cornell University)|Aug 27, 2021

Prosthetics and Rehabilitation Robotics参考文献 36被引用 142

一句话总结

本论文展示了来自十名健康受试者在连续变化的行走任务中获取的下肢运动学与动力学的综合数据集，包括多种速度和坡度下的步行、跑步、上下楼梯以及活动之间的转换。数据通过Vicon动作捕捉系统与带传感器的跑步机采集，可用于实现对人类步态的连续建模，从而提升假肢和外骨骼机器人的控制性能。

ABSTRACT

Human locomotion involves continuously variable activities including walking, running, and stair climbing over a range of speeds and inclinations as well as sit-stand, walk-run, and walk-stairs transitions. Understanding the kinematics and kinetics of the lower limbs during continuously varying locomotion is fundamental to developing robotic prostheses and exoskeletons that assist in community ambulation. However, available datasets on human locomotion neglect transitions between activities and/or continuous variations in speed and inclination during these activities. This data paper reports a new dataset that includes the lower-limb kinematics and kinetics of ten able-bodied participants walking at multiple inclines ($\pm$ 0, 5, 10 $^{\circ}$) and speeds (0.8, 1, 1.2 m/s), running at multiple speeds (1.8, 2, 2.2, 2.4 m/s), walking and running with constant acceleration ($\pm$ 0.2, 0.5 $ ext{m/s^2}$), and stair ascent/descent with multiple stair inclines (20, 25, 30, 35 $^{\circ}$). This dataset also includes sit-stand transitions, walk-run transitions, and walk-stairs transitions. Data were recorded by a Vicon motion capture system and, for applicable tasks, a Bertec instrumented treadmill.

研究动机与目标

• 解决缺乏涵盖步行、跑步、上下楼梯及坐-站转换等动作之间过渡的全面连续人类行走数据的问题。
• 克服现有数据集仅关注稳态任务且速度与坡度条件离散的局限性。
• 提供统一的、高保真的数据集，以支持在多种行走模式下关节运动学与动力学的连续建模。
• 支持开发能够应对真实世界非稳态行走的自适应控制系统的机器人假肢与外骨骼。
• 通过标准化的时间归一化步态数据，促进跨受试者的建模与控制策略的个体化。

提出的方法

• 使用Vicon系统结合Plug-in Gait与自定义标记点配置采集三维动作捕捉数据，以确保骨骼段跟踪的鲁棒性。
• 在跑步机任务中记录测力板与跑步机数据，通过逆向动力学计算关节动力学。
• 开发自定义MATLAB处理流程，将试验分解为单个步态周期，利用测力板检测脚跟触地（跑步机）或人工标注（楼梯），并将步态周期时间归一化为150个时间点。
• 采用四阶巴特沃斯低通滤波（截止频率6 Hz）与Woltring平滑（平滑参数20）以降低噪声，同时保留动态特性。
• 在标记点标定过程中应用对称性与活动范围检查，以确保数据质量并最小化步态不对称性。
• 基于异常值检测（3倍中位数绝对偏差）、非周期性或数据缺失，剔除8.3%的跑步机步态周期与7.2%的楼梯步态周期，以保障数据完整性。

实验结果

研究问题

• RQ1 在步行速度（0.8–1.2 m/s）、坡度（±10°）和跑步速度（1.8–2.4 m/s）的连续变化下，下肢关节运动学与动力学如何演变？
• RQ2 在步行-跑步、步行-楼梯及坐-站等行走模式转换过程中，关节运动与作用力的特征模式是什么？
• RQ3 基于本数据集训练的连续运动学模型，在离散行走任务之间插值的准确性如何？
• RQ4 在恒定加速/减速的步行与跑步过程中，关节力矩与骨盆倾斜角如何变化？
• RQ5 该数据集能否支持开发适用于真实世界多样化行走条件的自适应控制系统？

主要发现

• 每位受试者在所有行走模式下包含2006个中位步态周期，其中8.3%的跑步机步态周期与7.2%的楼梯步态周期因质量问题被剔除。
• 成功记录了在速度（0.8–2.4 m/s）、坡度（±10°）与楼梯坡度（20°–35°）连续变化下的关节运动学与动力学，包括模式转换过程。
• 以高时间分辨率记录了骨盆倾斜角、髋、膝、踝关节角度，支持对步态动力学的详细分析。
• 通过逆向动力学与测力板数据，计算了跑步机任务中的关节力矩，提供了完整的动力学剖面。
• 该数据集支持基于傅里叶级数或基函数插值的连续步态建模，相比有限状态机方法可实现更平滑的过渡。
• 自定义MATLAB处理流程实现了150点时间归一化步态周期的自动解析、归一化与质量控制，确保了不同受试者与任务间的一致性。