Environment-Aware Real-world Walking Assistance with Exoskeleton
Author
Yücel, Ozan Gazi
Term
4. semester
Education
Publication year
2026
Submitted on
2026-06-03
Abstract
This thesis examines whether a minimal sensor setup can enable real-time, terrain-adaptive control of a hip exoskeleton. The system used two wearable insole units equipped with two sensor types: an IMU (inertial measurement unit that measures motion) and FSRs (force-sensitive resistors that detect load). A Random Forest classifier was trained on IMU-derived features using leave-one-subject-out cross-validation (trained on four participants and tested on the fifth in turn) across five participants and five terrain classes. The results showed 97.1% accuracy for the bilateral model (both sides) and 94.8% and 96.4% for unilateral models (one side). The full pipeline ran with a maximum latency of 109 ms (under one tenth of a second). In realistic tests, the single left configuration achieved a 92.4% success rate, while bilateral dropped to 75.8% and single right to 59.9%. The gap between training and real-world performance is attributed to dataset bias and a reversed IMU mounting on the right-side unit. Force measurements and participant feedback confirmed that correct terrain classification provided appropriate assistance, whereas misclassifications made the exoskeleton resist the user. The single left configuration received the highest user ratings across participants. Overall, the findings indicate that one ankle-mounted IMU combined with FSR-based gait event detection is sufficient for terrain-adaptive exoskeleton control in outdoor environments using low-cost configurations.
Afhandlingen undersøger, om en meget enkel sensoropsætning kan styre et hofteeksoskelet, der tilpasser sin assistance til terrænet i realtid. Opsætningen bestod af to bærbare indlægssåleenheder med to sensortyper: IMU (inertimåleenhed, der måler bevægelse) og FSR (trykfølsomme modstande, der registrerer belastning). En Random Forest-klassifikator blev trænet på IMU-afledte funktioner med leave-one-subject-out krydsvalidering (trænet på fire personer og testet på den femte på skift) på tværs af fem forsøgspersoner og fem terrænklasser. Resultaterne viste 97,1 % nøjagtighed for den bilaterale model (begge sider) og 94,8 % og 96,4 % for unilaterale modeller (én side). Den samlede pipeline kørte med en maksimal latenstid på 109 ms (under en tiendedel sekund). I virkelighedsnære tests opnåede den venstresidede enkeltkonfiguration en succesrate på 92,4 %, mens bilateral faldt til 75,8 % og højresidig til 59,9 %. Forskellen mellem trænings- og virkelighedsnære resultater tilskrives skævhed i datasættet og en omvendt IMU-montering på højresideenheden. Kraftmålinger og deltagernes feedback bekræftede, at korrekt terrænklassificering gav passende assistance, mens fejlklassificeringer fik eksoskelettet til at modarbejde brugeren. Den venstresidede konfiguration fik de højeste brugervurderinger på tværs af alle forsøgspersoner. Samlet set peger resultaterne på, at en enkelt ankelmonteret IMU kombineret med FSR-baseret detektion af ganghændelser er tilstrækkelig til terrænadaptiv eksoskeletkontrol i udendørs miljøer med lave omkostninger.
[This abstract has been rewritten with the help of AI based on the project's original abstract]