The Impact of Gait Pattern Personalization on the Perception of Rigid Robotic Guidance: A Pilot User Experience Evaluation

Eine Pilotstudie mit zehn gesunden Teilnehmern zeigt, dass die Personalisierung von Gangmustern in einem Exoskelett kurzfristig keinen signifikanten Einfluss auf das Nutzererlebnis hat, da der dominante Effekt der Anpassung an das System die subjektiven Bewertungen von Komfort und Natürlichkeit prägt.

Das Wesentliche

🤖 Wenn der Roboter mitläuft: Passt der Tanzschritt wirklich zu dir?

Stellen Sie sich vor, Sie gehen auf einem Laufband, aber anstatt nur zu laufen, tragen Sie einen riesigen, mechanischen Rüstungssatz – ein Exoskelett. Dieser Roboter hält Sie fest und bewegt Ihre Beine für Sie.

Die große Frage der Forscher war: Macht es einen Unterschied, ob der Roboter genau so läuft, wie Sie es normalerweise tun, oder ob er einfach einen „Durchschnittsweg" für alle Menschen vorgibt?

1. Das Experiment: Drei verschiedene Tanzstile

Die Wissenschaftler haben 10 gesunde Menschen getestet. Jeder musste drei verschiedene Szenarien durchlaufen, bei denen der Roboter ihre Beine führte:

• Der Maßanzug (Personalisiert): Der Roboter hat vorher berechnet, wie genau diese eine Person normalerweise läuft (basierend auf Größe, Gewicht, Alter und Geschwindigkeit). Es war ein individueller Tanzschritt.
• Der Einheitsanzug (Standard): Der Roboter hat einen „Durchschnitts-Tanzschritt" benutzt, der für alle Menschen gleich ist.
• Der Zufallstanz (Random): Der Roboter hat einen völlig zufälligen Gang aus einer Datenbank gewählt, der zwar menschlich aussieht, aber nicht auf die Person abgestimmt war.

Die Regel: Der Roboter war sehr stur. Er hat die Beine fest geführt, wie ein strenger Tanzlehrer, der nicht zulässt, dass man vom Takt abweicht.

2. Die überraschende Entdeckung

Die Forscher dachten: „Natürlich wird sich die Person beim 'Maßanzug' wohler fühlen! Das ist doch genau für sie gemacht."

Aber das Ergebnis war überraschend: Die Teilnehmer konnten kaum einen Unterschied spüren.

• Der „Maßanzug" war nicht besser: Ob der Roboter den perfekten individuellen Gang oder den Durchschnittsgang vorgab, die Teilnehmer fühlten sich gleich wohl (oder unwohl).
• Der „Zufallstanz" war etwas holpriger: Nur beim zufälligen Gang spürten die Teilnehmer mehr Widerstand und Kraftaufwand, als ob sie gegen den Roboter ankämpfen müssten.

3. Der wahre Held: Die Gewöhnung (Adaptation)

Der wichtigste Faktor war gar nicht der Gang selbst, sondern die Zeit.

Stellen Sie sich vor, Sie setzen sich zum ersten Mal auf einen neuen, steifen Stuhl. Am Anfang ist er unbequem. Nach 10 Minuten sitzen Sie aber schon viel entspannter, weil sich Ihr Körper an die Form angepasst hat.

Genau das passierte hier:

• Die Teilnehmer fühlten sich beim dritten Versuch (egal welcher Gang es war) deutlich wohler und natürlicher als beim ersten Versuch.
• Sie hatten sich einfach an das sture Exoskelett gewöhnt. Der Körper hat gelernt, mit dem Roboter zu „tanzen", statt gegen ihn zu kämpfen.

4. Warum war der „Maßanzug" nicht besser?

Warum hat die individuelle Anpassung nicht funktioniert? Die Forscher geben zwei Gründe:

1. Die „Schaumstoff-Polster": Das Exoskelett war mit weichen Gurten und Polstern am Körper befestigt. Das ist wie ein Kissen zwischen Ihrem Körper und dem harten Metall. Diese Polster haben die feinen Unterschiede zwischen den verschiedenen Gangarten „verschluckt". Man hat den Unterschied nicht so stark gespürt.
2. Der sture Roboter: Der Roboter war so programmiert, dass er sehr fest führte (wie ein starrer Stab). Selbst wenn der Gang perfekt berechnet war, fühlte sich das gesamte Erlebnis durch die starre Führung unnatürlich an. Das war so laut, dass die leisen Nuancen des „perfekten Gangs" untergegangen sind.

5. Was lernen wir daraus?

Die Studie sagt uns etwas Wichtiges über die Zukunft von Robotern:

• Anpassung ist mächtiger als Perfektion: Wenn ein Mensch ein neues Gerät benutzt, ist es oft wichtiger, dass er sich an das Gerät gewöhnt, als dass das Gerät sofort perfekt auf ihn zugeschnitten ist.
• Weichheit ist wichtig: Wenn Roboter zu starr sind, spürt man die Feinheiten nicht. Vielleicht müssen Roboter in Zukunft „weicher" und nachgiebiger werden, damit die individuellen Vorteile wirklich spürbar sind.
• Für wen ist das gut? Die Studie zeigt, dass bei gesunden Menschen die individuelle Anpassung kurzfristig nicht viel bringt. Aber für Menschen mit schweren Lähmungen, die auf diese Roboter angewiesen sind, könnte eine individuelle Anpassung trotzdem lebenswichtig sein, um Stürze zu verhindern.

Fazit:
Es ist wie beim Kauf von Schuhen. Wenn Sie einen neuen, steifen Schuh anhaben, tut er am Anfang immer weh, egal ob er perfekt auf Ihren Fuß zugeschnitten ist oder nicht. Erst wenn Sie sich daran gewöhnt haben (oder den Schuh „eingelaufen" haben), macht der Unterschied zwischen „Maßarbeit" und „Einheitsgröße" wirklich Spaß. In diesem Fall war das „Einlaufen" in den Roboter wichtiger als die perfekte Passform.

Technische Zusammenfassung

Titel: Der Einfluss der Personalisierung von Gangmustern auf die Wahrnehmung starrer robotischer Führung: Eine Pilot-Studie zur Benutzererfahrung

1. Problemstellung

Exoskelette werden zunehmend eingesetzt, um menschliche Bewegungen zu modulieren, sei es zur Leistungssteigerung oder zur Rehabilitation von Personen mit sensorischen und motorischen Einschränkungen. Eine gängige Strategie besteht darin, vordefinierte Gelenktrajektorien vorzugeben, um die Gliedmaßen des Nutzers in einem „korrekten" kinematischen Muster zu führen.

• Herausforderung: Menschlicher Gang ist inhärent individuell (beeinflusst durch Alter, Geschlecht, Körpermaße, Geschwindigkeit). Standardisierte, nicht personalisierte Trajektorien stimmen oft nicht mit dem natürlichen Gang des Nutzers überein.
• Lücke: Es gibt wenig Wissen darüber, wie Nutzer robotische Führung wahrnehmen, insbesondere wenn diese personalisiert ist. Zudem ist der Rechenaufwand für Personalisierung hoch. Es fehlt an empirischen Belegen, ob personalisierte Trajektorien die subjektive Erfahrung (Komfort, Natürlichkeit, Freude) im Vergleich zu Standardmustern tatsächlich verbessern, insbesondere bei gesunden Probanden, die empfindlich auf starre Führung reagieren können.

2. Methodik

A. Hardware: Ein modifiziertes Exoskelett
Die Studie nutzte ein bodengebundenes Exoskelett, das am Sensory Motor Systems (SMS) Lab der ETH Zürich entwickelt und in Zusammenarbeit mit Hocoma AG modifiziert wurde (basierend auf dem Lokomat®).

• Erweiterte Freiheitsgrade (DoFs): Das System bietet 12 DoFs (6 am Becken, 2 pro Hüfte, 1 pro Knie), davon 7 angetrieben.
• Innovationen:
  • Aktivierte Hüftflexion/Extension und Ab-/Adduktion (geschlossener Kettenmechanismus).
  • Ein Beckenmodul mit 6-DoF-kompliantem Mechanismus und aktivierter lateraler Translation.
  • Ein aktives Body-Weight-Support (BWS)-System mit lateraler Bewegungsfähigkeit.
• Steuerung: Ein starrer Positions-Derivative-Regler (PD-Controller) wurde verwendet, um die Führung so starr wie möglich zu gestalten, um Unterschiede in den Gangmustern für die Probanden wahrnehmbar zu machen.

B. Personalisierungs-Algorithmus
Es wurde ein datengetriebener Rahmen entwickelt, um individuelle Gangmuster vorherzusagen.

• Datenbasis: Eine öffentliche Datenbank mit Gangdaten von 42 gesunden Probanden (Alter 21–84 Jahre) bei verschiedenen Geschwindigkeiten.
• Modell: Multiple Polynom-Regressionen (basierend auf Ansätzen von Koopman et al.) sagen Trajektorien für Hüfte, Knie und Becken basierend auf Geschwindigkeit, Körpergröße, Gewicht, Alter und Geschlecht voraus.
• Generierung: Vorhersage von „Key Events" (Schlüsselereignisse wie maximale Position/Geschwindigkeit) und Interpolation mittels 5. Ordnung Splines zur Erzeugung kontinuierlicher Trajektorien.

C. Experimentelles Design

• Teilnehmer: 10 gesunde, unbeeinträchtigte Probanden (5 männlich, 5 weiblich).
• Design: Within-Subject-Experiment (jeder Proband durchläuft alle Bedingungen).
• Bedingungen: Jeder Proband absolvierte drei 2-minütige Laufphasen mit folgenden Gangmustern:
  1. Personalisiert: Basierend auf den anthropometrischen Daten des Probanden.
  2. Standard: Durchschnitt aller Gangmuster aus der Datenbank (nicht personalisiert).
  3. Random: Ein zufällig aus der Datenbank ausgewähltes Muster (als Baseline für nicht-tailorierte, aber physiologisch plausible Führung).
• Messgrößen:
  • Subjektiv: Fragebögen zu Freude/Interesse (IMI), Komfort, Natürlichkeit und Passivität (7-Punkte-Likert-Skala) sowie Rangfolgen.
  • Objektiv: Interaktionskräfte am Kniegelenk (Mittlere absolute Kraft).

3. Wichtige Beiträge

1. Hardware-Entwicklung: Vorstellung eines Exoskeletts mit erweitertem Bewegungsumfang (Becken, Hüftabduktion/Adduktion), das realistischere Gangtrainings ermöglicht.
2. Validierung eines Personalisierungsansatzes: Entwicklung und Implementierung eines Regressionsmodells, das individuelle Gangtrajektorien aus demografischen und anthropometrischen Daten ableitet.
3. Empirische Bewertung: Eine der ersten Studien, die den subjektiven Nutzen der Personalisierung von Gangmustern in einem Exoskelett direkt mit Standard- und Zufallsmustern vergleicht, unter Berücksichtigung von Anpassungseffekten.

4. Ergebnisse

A. Genauigkeit der Trajektorien

• Die Vorhersagegenauigkeit (gemessen als RMSE) zwischen personalisierten/standardisierten Mustern und den tatsächlichen Datenbankmustern war ähnlich. Es gab keine signifikanten Unterschiede in der kinematischen Genauigkeit zwischen den personalisierten und den Standard-Trajektorien.

B. Benutzererfahrung (Subjektive Bewertung)

• Kein signifikanter Unterschied zwischen Mustern: Es gab keine signifikanten Unterschiede in den Bewertungen für Freude, allgemeinen Komfort oder Natürlichkeit zwischen den personalisierten, standardisierten und zufälligen Gangmustern.
• Physische Belastung: Probanden berichteten bei der personalisierten Bedingung über eine signifikant höhere wahrgenommene physische Belastung im Vergleich zur Standard-Bedingung, obwohl dies nicht durch die gemessenen Kniekräfte bestätigt wurde.
• Anpassungseffekt (Hauptbefund): Die Reihenfolge der Versuche hatte einen starken Einfluss. Die dritte Bedingung wurde signifikant als komfortabler und natürlicher empfunden als die erste, unabhängig davon, welches Gangmuster verwendet wurde. Dies deutet auf eine schnelle Anpassung der Nutzer an das System hin.

C. Mensch-Roboter-Interaktionskräfte

• Die Interaktionskräfte waren bei der zufälligen Bedingung signifikant höher als bei der Standard-Bedingung.
• Der Unterschied zwischen personalisierten und Standard-Mustern war nur am linken Knie fast signifikant (höhere Kräfte bei personalisiert), aber insgesamt geringer als der Unterschied zur zufälligen Bedingung.

5. Bedeutung und Schlussfolgerungen

• Dominanz der Anpassung: In dieser Pilotstudie mit gesunden Probanden hatte die Personalisierung der Gangkinematik im Vergleich zum Effekt der Anpassung an das Exoskelett selbst nur einen minimalen kurzfristigen Einfluss auf die Benutzererfahrung.
• Wahrnehmung vs. Realität: Trotz hoher Genauigkeit der Trajektorien und starrer Führung konnten die Probanden die Unterschiede zwischen den Mustern subjektiv kaum unterscheiden. Dies könnte an der Compliance der Schnittstellen (Gurte, Weichteilgewebe) und der inhärenten Variabilität des menschlichen Gangs liegen.
• Implikationen für das Design:
  • Bei der Entwicklung personalisierter Robotercontroller müssen subjektives Feedback und der Faktor der Nutzeranpassung (Adaptation) zwingend berücksichtigt werden.
  • Starre Führung kann generell als unnatürlich empfunden werden und überlagert subtile Unterschiede durch Personalisierung.
  • Für Patienten mit schweren sensorischen Einschränkungen könnte starre Führung dennoch „beruhigend" wirken, und Personalisierung könnte dort einen größeren Nutzen haben als bei gesunden Probanden.
• Zukunftsausblick: Es bedarf weiterer Forschung mit flexibleren, nicht-trajektorienbasierten Kontrollstrategien (z. B. Impedanzregelung), um die Vorteile der Personalisierung deutlicher sichtbar zu machen, sowie der Einbeziehung diverserer Bevölkerungsgruppen in die Trainingsdaten.

Fazit: Die Studie zeigt, dass die reine kinematische Personalisierung von Gangmustern in einem starren Exoskelett-System für gesunde Nutzer kurzfristig keinen signifikanten Vorteil in Bezug auf Komfort oder Natürlichkeit bietet, wenn die Anpassung an das Gerät selbst nicht ausreichend berücksichtigt wird.