Força de reação do solo e estimativa de momento através da detecção EMG usando rede de memória de curto prazo

Imagine que apenas conectando um número de sensores de eletromiografia (EMG) às suas pernas, seu movimento no futuro, vários segundos, pode ser previsto. Essa forma de prever o movimento por meio dos estados musculares é uma alternativa à previsão de movimento baseada em sugestões visuais convencionais, que depende fortemente de câmeras multivisualização para construir posturas de séries temporais. No entanto, ainda existe uma lacuna entre os estados musculares e os movimentos futuros.

Os músculos atuam sobre o solo, o que induz a força de reação do solo. Juntamente com os estados musculares e a força de reação do solo, os movimentos corporais são produzidos. Portanto, estimar a força de reação do solo com base nos estados musculares registrados é essencial, o que ainda representa um grande desafio devido ao mapeamento não linear complexo e dependente de séries temporais. Uma equipe de pesquisa da Universidade de Tohoku abordou esse desafio usando uma rede de memória de longo prazo. Esta pesquisa foi publicada na revista Sistemas ciborgues e biônicos.

A previsão de movimento é vital para a sobrevivência tanto do caçador quanto da presa no reino animal, e ainda é importante em nossa vida diária, por exemplo, nos esportes. Ao jogar basquete, como zagueiro, você pode continuar prevendo se o agressor vai passar pelo seu lado esquerdo ou direito, para que possa reagir adequadamente com antecedência.

“Os movimentos são gerados originalmente por forças, pode ser difícil prever o movimento impulsionado pela força, por exemplo, o movimento inicial de uma pose estática, sem detecção de dinâmica ou, neste caso, medição relacionada à força”, disse Mitsuhiro Hayashibe, o correspondente autor deste estudo, do Laboratório de Neuro-Robótica, Escola de Pós-Graduação em Engenharia Biomédica, Universidade de Tohoku. “Portanto, além das informações cinemáticas, as informações dinâmicas seriam benéficas para a construção de melhores sistemas de previsão de movimento, especialmente para ações de poses estáticas”.

“Alguns movimentos humanos se originam puramente de ativações musculares que não estão associadas a movimentos anteriores. Nesta circunstância, informações cinemáticas, incluindo posição atual e passada e pose, fornecem informações limitadas para previsão de movimento”, disse Hayashibe.

Por exemplo, imagine quando você está esperando por um semáforo. Se o semáforo ficar verde, você pode começar a andar repentinamente. Nesse caso, o fato de você manter uma postura imóvel por muito tempo dificilmente pode prever uma caminhada repentina para a frente. Na verdade, essa informação pode levar a uma previsão errada, como continuar ficando. Portanto, a equipe de pesquisa de Hayashibe acredita que a dinâmica de nossos músculos, especialmente os músculos dos membros inferiores, é necessária para fornecer mais informações para uma previsão de movimento decente, considerando o maior número possível de circunstâncias.

Eles demonstraram a viabilidade de prever a força e o momento de reação do solo por meio da detecção de EMG com dois experimentos. No primeiro experimento, os participantes repetiram o movimento de controle postural, que consiste em oscilações consecutivas do corpo. Neste experimento, posturas de séries temporais anteriores fornecem informações importantes para a previsão de movimento. No entanto, no segundo experimento, os sujeitos foram instruídos a realizar um movimento de passo, que consiste em ficar de pé seguido de um passo brusco. Nesse caso, a cinemática passada fornece pouca informação sobre os estados futuros do movimento.

“Usando uma longa rede de memória de curto prazo, podemos prever o movimento futuro de assuntos em ambos os experimentos. Para comparação, o atual algoritmo baseado em cinemática só pode alcançar resultados comparáveis ​​no primeiro experimento, mas muito inferiores no segundo experimento.” disseram os autores do estudo.

“Acreditamos que esse método também pode ser benéfico para outras pesquisas biomecânicas relacionadas, obtendo uma estimativa de GRF em um cenário em que não podemos usar a plataforma de força”, disseram os autores do estudo. No futuro, eles se concentrarão em estender este método proposto para ser integrado com desempenho de movimento, informações de discriminação de movimento e informações de sinergia de movimento consideradas em escala de tempo para fins de reabilitação.

Fornecido pelo Instituto de Tecnologia de Pequim Press Co., Ltd