Представьте, что, прикрепив несколько датчиков электромиографии (ЭМГ) к вашим ногам, можно предсказать ваше движение в будущем на несколько секунд. Такой способ прогнозирования движения с помощью состояний мышц является альтернативой распространенному прогнозированию движения на основе визуальных сигналов, которое в значительной степени зависит от многоракурсных камер для построения временных рядов. Однако между состояниями мышц и будущими движениями все еще существует разрыв.

Мышцы воздействуют на землю, что вызывает силу реакции земли. Вместе с состояниями мышц и силой реакции основания производятся движения тела. Таким образом, оценка силы реакции опоры на основе зарегистрированных состояний мышц имеет важное значение, что по-прежнему представляет собой серьезную проблему из-за зависимого от временного ряда и сложного нелинейного отображения. Исследовательская группа из Университета Тохоку решила эту проблему, используя долговременную сеть памяти. Это исследование было опубликовано в журнале Cyborg and Bionic Systems .

Прогнозирование движения жизненно необходимо для выживания как охотника, так и добычи в животном мире , и по-прежнему важно в нашей повседневной жизни, например, в спорте. Играя в баскетбол, как защитник, вы можете постоянно предсказывать, пробьет ли нападающий ваш левый или правый фланг, чтобы вы могли заранее отреагировать соответствующим образом.

«Движения изначально генерируются силами, может быть трудно предсказать движение, вызванное силой, например, начальное движение из статической позы, без измерения динамики или, в этом случае, измерения, связанного с силой», — сказал Мицухиро Хаяшибе, соответствующий автор этого исследования из лаборатории нейроробототехники Высшей школы биомедицинской инженерии Университета Тохоку. «Поэтому, в дополнение к информации о кинематике, информация о динамике была бы полезна для создания более совершенных систем прогнозирования движения, особенно для действий из статических поз».

«Некоторые движения человека происходят исключительно из-за активации мышц, которые не связаны с предыдущими движениями. В этом случае кинематическая информация, включая текущее и прошлое положение и позу, дает ограниченную информацию для прогнозирования движения», — сказал Хаяшибе.

Например, представьте, что вы ждете светофор. Если загорится зеленый свет, вы можете внезапно начать ходить. В этом случае тот факт, что вы долгое время удерживаете неподвижную позу, вряд ли может предсказать внезапный шаг вперед. На самом деле эта информация может привести к неправильному прогнозу, например, продолжать оставаться. Поэтому исследовательская группа Хаясибе считает, что динамика наших мышц, особенно мышц нижних конечностей, необходима, чтобы предоставить больше информации для правильного прогнозирования движения с учетом как можно большего количества обстоятельств.

Они продемонстрировали возможность прогнозирования силы и момента реакции опоры с помощью регистрации ЭМГ в двух экспериментах. В первом эксперименте участники повторяли движение контроля осанки, состоящее из последовательных покачиваний тела. В этом эксперименте позы прошлых временных рядов предоставляют важную информацию для прогнозирования движения. Однако во втором эксперименте испытуемым было предложено выполнить шагающее движение, состоящее из вставания с последующим внезапным шагом. В этом случае прошлая кинематика дает мало информации о будущих состояниях движения.

«Используя долговременную сеть с кратковременной памятью, мы можем предсказать будущее движение испытуемых в обоих экспериментах. Для сравнения, текущий алгоритм, основанный на кинематике, может достичь сравнимых результатов только в первом эксперименте, но намного хуже во втором эксперименте». сказали авторы исследования.

«Мы считаем, что этот метод также может быть полезен для других связанных биомеханических исследований, получая оценку GRF в сценарии, когда мы не можем использовать силовую пластину», — сказали авторы исследования. В будущем они сосредоточатся на расширении этого предложенного метода, чтобы интегрировать его с показателями движения, информацией о различении движения и информацией о синергии движения в масштабе времени для целей реабилитации.