| Popis: |
Over the last decades a continuous trend of the worldwide population growing older could be observed. Increasing life expectancy and falling birth rates are identified as the main factors driving this demographic change. The demand for motion assistance and rehabilitation of age-related movement disorders is growing accordingly, which also facilitates interest in robotic solutions. Two of such devices will be addressed in this thesis, a commercial robotic hippotherapy system and an exoskeleton for the human lower body, developed at the JKU Institute of Robotics. In connection with these robotic systems, several methods and approaches in the context of rehabilitation and motion assistance are introduced. A major topic thereby is the generation of artificial motion patterns based on motion capture data. Hippotherapy refers to horse riding in the context of rehabilitation. It is a medical treatment that has been successfully employed in various fields, e.g. for improving locomotion performance of patients with movement disorders. Robotic systems enable the application of hippotherapy in clinical environments. Additional benefits, amongst others, are the continuously adjustable speed and high repeatability. Fundamental for a therapy outcome equivalent to classical hippotherapy is that the horse motion reproduced by the robotic system is as realistic as possible. Based on an analytical and time-continuous motion description a method to reproduce the horseback movement during typical horse gaits is presented in this thesis. This method allows for motion synthesis with any desired time span and time resolution, generating realistic trajectories applicable to robotic systems for riding simulation in general and robotic hippotherapy in particular. An adjustable time scaling parameter enables the adaptation of the generated motion according to the physical abilities of the patient or the capabilities of the robotic system. Serving as testing platform, where novel control strategies and motion assistance approaches can be implemented in a low-level manner, an exoskeleton prototype was developed in the course of this thesis. In addition to the design and construction of the setup and the pre-requisite implementations facilitating communication and operability, robust recognition of the user's motion intention and accurate timing of the provided assistance are focused on. Two approaches addressing these issues, namely gait assistance by learning periodic motions, as well as classification of gait phases based on measured muscle activities, are introduced. Physiologically consistent motion patterns of healthy human gait are intended to serve as a sound scientific basis for the developed methods and simulations. To this end, a holistic approach to simultaneously identify the geometric parameters of a kinematic human lower limb model and the parameters defining a cyclic gait trajectory, based on three-dimensional motion capture marker positions, is introduced. The presented methodology is then utilized to analyze several datasets of measured gait trials. The influence of person-specific factors, like age or physique, onto the motion pattern is analyzed by applying the presented biomechanical model to gait data of different male and female participants walking at various speeds. Modeling the dependency of gait motions on the considered variables enables the generation of artificial joint angle trajectories according to a simulated person with defined body parameters walking at a prescribed speed. . The presented methods show promising experimental results, which are deemed valuable for future research projects focusing on technologies for rehabilitation or movement assistance. In den vergangenen Jahrzehnten war der weltweite Trend einer älter werdenden Gesellschaft zu beobachten. Die zunehmende Lebenserwartung, sowie sinkende Geburtenraten werden dabei als die treibenden Kräfte dieses demographischen Wandels betrachtet. Entsprechend steigt der Bedarf an Bewegungsunterstützung und Rehabilitation von altersbedingten Bewegungsstörungen, wodurch auch das Interesse an robotischen Lösungen zunimmt. Zwei solcher Geräte werden in dieser Arbeit behandelt, ein kommerzielles System zur robotischen Hippotherapie und ein Exoskelett für den menschlichen Unterkörper, entwickelt am JKU Institut für Robotik. Im Zusammenhang mit diesen beiden robotischen Systemen werden verschiedene Methoden und Ansätze zur Rehabilitation und Bewegungsassistenz vorgestellt. Ein zentrales Thema ist dabei die Generierung von künstlichen Bewegungsmustern basierend auf Motion Capture Daten. Als Hippotherapie wird das Reiten auf einem Pferd zu Rehabilitationszwecken bezeichnet. Es ist eine medizinische Behandlungsmethode, die in unterschiedlichen Bereichen bereits erfolgreich angewandt wurde, beispielsweise um bei Patienten mit Bewegungsstörungen die Fähigkeiten zur Fortbewegung zu verbessern. Robotische Systeme ermöglichen die Anwendung einer Hippotherapie in klinischer Umgebung. Weitere Vorteile sind unter anderem eine stufenlos verstellbare Geschwindigkeit und eine hohe Wiederholgenauigkeit. Grundlegend für einen Therapieerfolg vergleichbar mit klassischer Hippotherapie ist dabei, dass die reproduzierte Pferdebewegung des robotischen Systems so realistisch wie möglich ist. Basierend auf einer analytischen und zeitkontinuierlichen Bewegungsbeschreibung wird in dieser Arbeit eine Methode vorgestellt, mit der die Bewegung des Pferderückens bei typischen Gangarten eines Pferdes nachgebildet werden kann. Diese Methode erlaubt die Synthese von realistischen Bewegungen von beliebiger Dauer und Zeitauflösung. Die generierten Trajektorien sind mit robotischen Systemen zur Simulation von Reitbewegungen im Allgemeinen und für die Hippotherapie im Speziellen umsetzbar. Ein variierbarer Zeitskalierungsfaktor ermöglicht die Anpassung der generierten Bewegung an die körperlichen Fähigkeiten des Patienten oder die Leistungsfähigkeit des robotischen Systems. Im Rahmen dieser Doktorarbeit wurde außerdem der Prototyp eines Exoskeletts als Testplattform entwickelt, auf der neuartige Regelungsstrategien und Ansätze zur Bewegungsunterstützung hardwarenahe implementiert werden können. Neben dem Design und der Konstruktion des Systems, sowie den erforderlichen Implementierungen bezüglich Kommunikation und Funktionstüchtigkeit, liegt der Schwerpunkt auf der robusten Erkennung der Bewegungsintention des Nutzers und einer zeitlich präzisen Bereitstellung der Bewegungsunterstützung. Im Hinblick auf diese Themengebiete werden zwei Konzepte vorgestellt, eines zur Gangunterstützung durch das Lernen von periodischen Bewegungen und eines zur Klassifikation von Gangphasen basierend auf gemessenen Muskelaktivitäten. Physiologisch sinnvolle Bewegungsmuster des gesunden menschlichen Gangs sollen als solide wissenschaftliche Grundlage für die entwickelten Methoden und Simulationen dienen. Zu diesem Zweck wird ein holistischer Ansatz vorgestellt, der die gleichzeitige Identifikation der Geometrieparameter eines kinematischen Modells der menschlichen unteren Extremität und der Bewegungsparameter einer zyklischen Gangbewegung, basierend auf dreidimensionalen Motion Capture Markerpositionen, zum Ziel hat. Dieser wird dann dazu benutzt, verschiedene frei verfügbare Datensätze von aufgenommenen Gangdaten zu analysieren. Der Einfluss von personenspezifischen Faktoren, wie Alter oder Körperbau, auf das Gangmuster wird analysiert, indem das vorgestellte biomechanische Modell zusammen mit Gangdaten verschiedener männlicher und weiblicher Testpersonen bei unterschiedlichen Ganggeschwindigkeiten angewandt wird. Die Modellierung der Abhängigkeit der Gangbewegung von den berücksichtigten Einflussgrößen ermöglicht die Generierung von künstlichen Gelenkswinkelverläufen für simulierte Personen mit definierten Körperparametern und einer vorgegebenen Ganggeschwindigkeit. Die vorgestellten Methoden zeigen vielversprechende Ergebnisse, welche als wertvoll für zukünftige Forschungsprojekte im Bereich von Technologien zur Rehabilitation oder Bewegungsassistenz betrachtet werden. Author Jakob Ziegler Dissertation Universität Linz 2021 |
