热点事件观察中

运动学约束深度强化学习用于外骨骼病理步态校正研究发表

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Behera 与 Narayan 提出运动学约束深度 Q 网络 KI-DQN，用于下肢外骨骼的离线病理步态轨迹校正，把跟踪误差、速度一致性、控制量与加速度一致性等约束嵌入奖励函数与网络优化。该方法在卒中后与髋骨关节炎步态数据集上测试，以健康步态轨迹为参考，训练在 10 次实验中收敛，并与比例-微分、模型预测控制、深度 Q 网络和 Soft Actor Critic 等轨迹校正方法作了对比。

AI 根据报道生成 · 1 天前更新

最新进展11月6日 08:00

运动学约束深度强化学习用于下肢外骨骼病理步态校正

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

08:00
Springer 外骨骼关键词精选
运动学约束深度强化学习用于下肢外骨骼病理步态校正
Behera 与 Narayan 提出运动学约束深度 Q 网络 KI-DQN，用于下肢外骨骼的离线病理步态轨迹校正，在奖励函数与网络优化中嵌入跟踪误差、速度一致性、控制量与加速度一致性约束。

本事件热度走势

可比范围当前: 3
可比范围峰值: 711月6日 22:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。