摘要
本发明属于康复训练技术领域,涉及一种基于强化学习的自适应康复训练系统及方法,方法根据实时采集到的患者运动姿态数据,通过多信息扩展卡尔曼滤波算法获得患者的实时运动状态估计值;根据所述实时运动状态估计值通过长短时记忆网络学习患者的实时运动状态的估计特征来预测患者的运动轨迹;根据所述运动轨迹通过训练好的强化学习算法动态优化控制策略,生成自适应康复训练指令;根据所述自适应康复训练指令驱动康复机器人辅助患者完成训练动作,并在辅助训练过程中,实时向模型预测控制模块反馈控制策略的调整策略;系统能够实时监测交互情况并动态调整控制策略,提高训练的准确性和鲁棒性。
技术关键词
康复训练系统
扩展卡尔曼滤波
多信息
运动姿态数据
反馈控制策略
强化学习算法
康复机器人
优化控制策略
协方差矩阵
轨迹
视觉传感器
患者
关节
力传感器
深度确定性策略梯度
控制模块
检测人机交互
运动状态估计
系统为您推荐了相关专利信息
交互系统
重建算法
生成对抗网络架构
优化全息图像
软件分层架构
调度控制系统
投切装置
电池状态数据
储能子系统
负载装置
云平台控制
车辆行驶数据
强化学习模型
自动驾驶系统
异常检测方法