Post #13437

Исследователи предложили легковесную модель глубокого обучения Marker-GMformer для непрерывного и реального времени прогнозирования биомеханики нижних конечностей (углов, моментов, сил реакции опоры) по траекториям маркеров движения. Модель сочетает графовые сверточные сети для учета анатомических связей и улучшенный Transformer для анализа временных рядов, что устраняет необходимость в силовых платформах и сложных вычислениях, требуемых традиционным моделированием. Результаты показывают высокую точность (коэффициенты корреляции >0.97) для 13 видов движений, особенно при ходьбе и беге. Модель подходит для управления экзоскелетами и мониторинга. В будущем планируется улучшить точность для динамичных движений, расширяя наборы данных и добавляя биомеханические ограничения. Работа поддержана грантами Китая и опубликована в журнале Cyborg and Bionic Systems. https://spj.science.org/doi/10.34133/cbsystems.0476