In this master thesis, the goal was to find a method that processes the data coming from a wearable lower-limb exoskeleton, in such a way that it is able to recognize the user lo- comotion mode, in order to properly select the best control strategy to assist the user by following his/her intention. In addition, this work is intended to be a proper fulfillment of those gaps found in the literature, such as the need of finding a method that is able to identify the transition from one locomotion type to another as soon as the transition hap- pens, and not during the subsequent step; face the main drawbacks of the state-of-the-art machine learning-based techniques, i.e. the explainability problem of the methods and their slowness in the recognition; develop a method that can be deployed on any machine without any hardware/measurement system requirements, still maintaining a very high level of generalization; online test the developed method on a lower-limb exoskeleton, to prove its effectiveness. This document starts by outlining the state-of-the-art results of a method that is con- sidered to be a good basis to start from, improve it, and finally face all the room for improvements. In the end, the final method will show to have all the attributes to fulfill the identified gaps in the literature, being very accurate in terms of recognition and very fast in terms of recognition time. Moreover, the structure of the final method will enable it to be deployed on any machine, in terms of hardware requirements.

In questo lavoro di tesi magistrale, la principale questione affrontata è riuscire a trovare un metodo che elabori i dati provenienti da un esoscheletro indossabile per arti inferiori, in modo tale che sia in grado di riconoscere la modalità di locomozione dell’utente, al fine di selezionare correttamente la migliore strategia di controllo per assistere l’utente seguendo le sue intenzioni. Inoltre, questo lavoro vuole essere un vero e proprio colmo di quelle lacune riscontrate in letteratura, come la necessità di trovare un metodo che sia in grado di identificare la transizione da un tipo di locomozione all’altro; affrontare i prin- cipali svantaggi delle moderne tecniche basate sull’apprendimento automatico, ovvero il problema della spiegabilità dei metodi e della loro lentezza nel riconoscimento; sviluppare un metodo che possa essere implementato su qualsiasi macchina senza alcuna limitazione dal punto di vista dell’hardware/sistema di misura, mantenendo comunque un altissimo livello di generalizzazione; testare il metodo sviluppato almeno su un esoscheletro per arti inferiori, per dimostrarne l’efficacia. Questo documento inizia riproducendo i risultati allo stato dell’arte di un metodo che è considerato una buona base da cui partire, per poi migliorarlo e infine affrontare tutti i margini di miglioramento della ricerca allo stato dell’arte menzionati prima. Alla fine, il metodo dimostrerà di avere tutti gli attributi per colmare le lacune individuate in letteratura, essendo molto accurato in termini di riconoscimento e molto veloce in ter- mini di tempo di riconoscimento. Inoltre, la struttura del metodo finale ne consentirà l’implementazione su qualsiasi macchina, richiedendo eventualmente solo alcuni adatta- menti nel codice principale.

An online method for locomotion modes recognition in wearable lower-limb exoskeletons

Dal Prete, Andrea
2022/2023

Abstract

In this master thesis, the goal was to find a method that processes the data coming from a wearable lower-limb exoskeleton, in such a way that it is able to recognize the user lo- comotion mode, in order to properly select the best control strategy to assist the user by following his/her intention. In addition, this work is intended to be a proper fulfillment of those gaps found in the literature, such as the need of finding a method that is able to identify the transition from one locomotion type to another as soon as the transition hap- pens, and not during the subsequent step; face the main drawbacks of the state-of-the-art machine learning-based techniques, i.e. the explainability problem of the methods and their slowness in the recognition; develop a method that can be deployed on any machine without any hardware/measurement system requirements, still maintaining a very high level of generalization; online test the developed method on a lower-limb exoskeleton, to prove its effectiveness. This document starts by outlining the state-of-the-art results of a method that is con- sidered to be a good basis to start from, improve it, and finally face all the room for improvements. In the end, the final method will show to have all the attributes to fulfill the identified gaps in the literature, being very accurate in terms of recognition and very fast in terms of recognition time. Moreover, the structure of the final method will enable it to be deployed on any machine, in terms of hardware requirements.
BOURI, MOHAMED
GANDOLLA , MARTA
ORHAN, ZEYNEP ÖZGE
ING - Scuola di Ingegneria Industriale e dell'Informazione
18-lug-2023
2022/2023
In questo lavoro di tesi magistrale, la principale questione affrontata è riuscire a trovare un metodo che elabori i dati provenienti da un esoscheletro indossabile per arti inferiori, in modo tale che sia in grado di riconoscere la modalità di locomozione dell’utente, al fine di selezionare correttamente la migliore strategia di controllo per assistere l’utente seguendo le sue intenzioni. Inoltre, questo lavoro vuole essere un vero e proprio colmo di quelle lacune riscontrate in letteratura, come la necessità di trovare un metodo che sia in grado di identificare la transizione da un tipo di locomozione all’altro; affrontare i prin- cipali svantaggi delle moderne tecniche basate sull’apprendimento automatico, ovvero il problema della spiegabilità dei metodi e della loro lentezza nel riconoscimento; sviluppare un metodo che possa essere implementato su qualsiasi macchina senza alcuna limitazione dal punto di vista dell’hardware/sistema di misura, mantenendo comunque un altissimo livello di generalizzazione; testare il metodo sviluppato almeno su un esoscheletro per arti inferiori, per dimostrarne l’efficacia. Questo documento inizia riproducendo i risultati allo stato dell’arte di un metodo che è considerato una buona base da cui partire, per poi migliorarlo e infine affrontare tutti i margini di miglioramento della ricerca allo stato dell’arte menzionati prima. Alla fine, il metodo dimostrerà di avere tutti gli attributi per colmare le lacune individuate in letteratura, essendo molto accurato in termini di riconoscimento e molto veloce in ter- mini di tempo di riconoscimento. Inoltre, la struttura del metodo finale ne consentirà l’implementazione su qualsiasi macchina, richiedendo eventualmente solo alcuni adatta- menti nel codice principale.
File allegati
File Dimensione Formato  
2023_07_DalPrete_Tesi_01.pdf

non accessibile

Dimensione 16.52 MB
Formato Adobe PDF
16.52 MB Adobe PDF   Visualizza/Apri
2023_07_DalPrete_ExecutiveSummary_02.pdf

non accessibile

Dimensione 6.06 MB
Formato Adobe PDF
6.06 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/210178