两足机器人的步态相位检测 该项目包含论文源代码。 如果您使用代码或纸质材料,则必须注明出处。 描述 步态相位检测是步行周期规划的重要任务,因为步行的稳定性可以通过步态相位序列来估计。 开发了机器学习模型,用于检测给定姿势的支撑类型和步行步态相位,以用于通过阶段序列估算步行机器人的稳定性。 揭示了可以仅使用来自身体下部的标准化数据而没有脚趾的自由度与两足动物机器人的自由度相同的基于人体运动捕获数据的高质量模型。 在所有可用的运动捕捉数据梯度提升模型应用于支持类型预测的不同机器学习方法中,梯度提升模型在7倍交叉验证中显示的最高质量为0.97精度,平均每类精度和召回率。 此外,已证明,移除上半身数据以及脚趾数据不会导致任何模型质量显着下降,因为最终的简化模型具有0.964的准确度,平均每班精度和召回率。 最后,开发了用于预测5个步行步态阶段的模型,并显示出可比的质量,即0.95精度,平均每班精度