In this paper we propose an approach to the neuromotor language of the transfemoral amputee user. We do this by identifying the user's intention from the perception of both internal and external manifestations (to be explained into a next section) of Fixed Action Patterns (FAPs, by making use of artificial proprioception and exteroception of the prosthesis. The formalization of a General Expression of the Rhythmic Gesture, generation procedures for artificial FAPs, and a Response Algorithm for Gestures Development are presented. By identifying the user's intention through proprioceptive and exteroceptive information, the prosthesis discriminates between repertories of artificial FAPs and chooses the most suitable one to meet the users's requirements. Experimental data of tests carried out in healthy and amputee individuals showed high performance on identification (97.06 % of true identifications) of the user's intention and good tracking of gestures such as gait, walking up stairs, down stairs, up hill and down hill, independently of the speed of execution of the gesture.
Keywords: Artificial fixed action pattern, identification algorithm, user's intention.
ResumenEn este documento se propone una aproximación al entendimiento del lenguaje neuromotor de una persona con una amputación por encima de rodilla, mediante la identificación de su intención de movimiento a partir de la percepción de las manifestaciones tanto internas como externas de los Patrones de Acción Fija (PAF) mediante el uso de una propiocepción artificial y la exterocepción de su prótesis durante el desarrollo de diferentes gestos (marcha, subir y bajar escaleras y subir y bajar rampas). Se presentan la formalización de una expresión General del Gesto Rítmico, los procedimientos para la generación de PAF artificiales y un Algoritmo de Respuesta ante el Desarrollo de Gestos. Mediante la identificación de la intención del usuario a través de la información propioceptiva y exteroceptiva, la prótesis discrimina entre un repertorio de PAF artificiales y selecciona el más adecuado para satisfacer las necesidades de movimiento del usuario. Los datos experimentales de las pruebas desarrolladas en individuos sanos y amputados mostraron un alto desempeño en la identificación de la intención del usuario (97.06% de identificaciones correctas) y un buen seguimiento de los gestos de movimiento independientemente de la velocidad con que fueron ejecutados.Palabras Clave: Algoritmo de identificación, intención del usuario, patrón de acción fija artificial.