Forfattere:  (1) Mohammad Shushtari, Department of Mechanical and Mechatronics Engineering, University of Waterloo (smshushtari@uwaterloo.ca);  (2) Julia Foellmer, Mekanik og Ocean Engineering Department, Hamburg University of Technology (julia.foellmer@tuhh.de);  (3) Sanjay Krishna Gouda, Department of Mechanical and Mechatronics Engineering, University of Waterloo og Toronto Rehabilitation Institute (KITE), University Health Network (arash.arami@uwaterloo.ca).  Tabel over links   Abstrakt og 1 introduktion  2 resultater   2.1 Indledende behandlede data for en repræsentativ deltager   2.2 Overordnet præstationsanalyse   2.3 Interaktionsportrætanalyse   2.4 Individuel tilpasningsstrategi  3 Diskussion   3.1 Menneskelig tilpasning   3.2 Vigtigheden af IP-analyse   4 Konklusion  5 metoder   5.1 Feedforward-kontrolstrategier   5.2 Eksperimentel opsætning   5.3 Eksperimentel protokol   5.4 Dataanalyse   Erklæringer   Appendiks A Supplerende eksempeldata   Bilag B Sammenligning med Natural Walking   Referencer  Abstrakt  Fysisk interaktion mellem menneske og robot indeholder afgørende information til at optimere brugeroplevelsen, forbedre robottens ydeevne og objektivt vurdere brugertilpasning. Denne undersøgelse introducerer en ny metode til at evaluere menneske-robot co-adaptation i undereksoskeletterne ved at analysere muskelaktivitet og interaktionsmoment som en todimensionel tilfældig variabel. Vi introducerer Interaction Portrait (IP), som visualiserer denne variabels fordeling i polære koordinater. Vi anvendte denne metrik til at sammenligne en nylig drejningsmomentcontroller (HTC) baseret på kinematisk tilstandsfeedback og en ny feedforward-controller (AMTC) med online læring, foreslået heri, med en tidsbaseret controller (TBC) under løbebåndsgang ved varierende hastigheder. Sammenlignet med TBC sænker både HTC og AMTC signifikant brugernes normaliserede iltoptagelse, hvilket tyder på forbedret bruger-eksoskelet-koordination. IP-analyse afslører, at denne forbedring stammer fra to forskellige coadaptation-strategier, som ikke kan identificeres ved traditionel muskelaktivitet eller interaktionsmomentanalyser alene. HTC opfordrer brugerne til at give kontrol over eksoskeletet, hvilket reducerer muskelanstrengelsen, men øger interaktionsmomentet, da exoskeletet kompenserer for brugerdynamikken. Omvendt fremmer AMTC brugerengagement gennem øget muskelanstrengelse og reducerede interaktionsmomenter, og tilpasser det tættere til rehabiliterings- og gangtræningsapplikationer. Udviklingen i IP-fasen giver indsigt i udviklingen af hver brugers interaktionsstrategi og viser IP-analyses potentiale ved sammenligning og design af nye controllere til at optimere menneske-robot-interaktion i bærbare robotter.    : Eksoskelet, Fysisk interaktion, Kontrol Nøgleord  1 Indledning  Assisterende og rehabiliterende robotter får stigende opmærksomhed, da de leverer en større dosis motion til brugerne, hvilket forbedrer deres funktionalitet og livskvalitet, samtidig med at arbejdsbyrden for fysioterapeuter reduceres [1, 2]. På trods af de seneste fremskridt, herunder human-in-the-loop-optimering for at forbedre exoskeletassistance [3-6], mangler disse robotsystemer stadig det sofistikerede til automatisk at finjustere det nødvendige supportniveau for hver enkelt bruger effektivt [7, 8] . Denne personlige berøring, instinktiv for fysioterapeuter i traditionelle terapisessioner, er fortsat en udfordring for robotter. Udfordringen opstår fordi, selvom separate præstationsindikatorer som metaboliske omkostninger [9, 10], muskelaktivering [11], interaktionskræfter [12], komfort [13], kognitiv belastning [14] og brugerpræference [15] anvendes, manglen på en samlet metrik, der fuldt ud indkapsler nuancerne af menneske-robot fysiske interaktioner, hindrer den præcise justering og tilpasning af undereksoskelettets støtte [16]. Derfor delegeres denne opgave ofte til adaptive controllere med implicitte overvejelser til at kontrollere den fysiske interaktion mellem menneske og eksoskelet. Styringen af menneske-eksoskelet-interaktion spiller en nøglerolle i optimering af brugeroplevelsen og ydeevnen af eksoskeleter i underekstremiteterne til rehabilitering såvel som kraftforøgende applikationer [17]. I kraftforøgelsesscenarier bevarer brugeren fuld autonomi, og exoskeletet følger brugerkommandoer direkte eller indirekte ved at fortolke deres tilsigtede bevægelse. I tilfælde af uenighed mellem brugeren og exoskeletet skal exoskeletet opgive kontrollen til fordel for brugeren [18, 19]. Men i forbindelse med rehabilitering og assisterende exoskeletoner er menneske-eksoskelet-interaktionskontrol mere udfordrende på grund af to primære faktorer. For det første er den brugerudførte bevægelse ikke altid pålidelig på grund af muskuloskeletale eller motoriske svækkelser [20], som kan underminere kvaliteten af afkodede hensigter udelukkende baseret på bruger-robot fysisk interaktion. For det andet bør eksoskeletet opmuntre brugeren til at maksimere deres engagement i bevægelse, når det er muligt og hjælpe eller korrigere, når brugeren ikke er i stand til at udføre bevægelsen korrekt [21, 22]. Eksoskelettet skal følgelig skifte problemfrit mellem leder- og følgerrollerne [23].  For at bestemme den passende kontrolstrategi for menneskelig forstærknings- og rehabiliteringsapplikationer er det afgørende at forstå menneske-eksoskelet-tilpasning som en indikator for, hvordan individer reagerer på specifikke eksoskeletkontrolstrategier vedrørende delt bevægelseskontrol [24]. I kraftforøgelse involverer det ideelle scenarie, at brugerne tilpasser sig en strategi, hvor de bidrager primært ved at styre bevægelsen uden fysisk anstrengelse [5]. Eksoskelettet påtager sig ansvaret for at bevæge den menneskelige krop ved at anvende interaktionsmomenter eller kræfter på den menneskelige krop, som vist ved reduceret muskelaktivitet eller metaboliske hastigheder [4]. Omvendt skal brugerne i rehabilitering ofte guides til at øge deres muskelaktivitet og aktivt engagere sig i bevægelseskontrol [25]. Menneske-eksoskelet-vekselvirkningsmomenterne udviser en dobbelt adfærd i denne sammenhæng. Når brugeren udfører bevægelsen korrekt, skal exoskeletet transparent følge brugeren, hvilket resulterer i nul interaktionsmomenter [12]. Men når bevægelseskorrektion er påkrævet, bør exoskeleton-controlleren gribe ind. Denne indgriben skaber en konflikt, der nødvendiggør en forøgelse af interaktionsmomentet for at rette op på bevægelsen. Hverken muskelanstrengelse eller interaktionsmomenter alene kan skelne de førnævnte forhold. For eksempel kan en stigning i muskelanstrengelse stamme   fra menneske-eksoskelet uenighed [20], mens det også kan betyde, at den menneskelige bruger er engageret i at gå og er afhængig af deres motoriske kapacitet frem for på exoskelet assistance. For at sammenligne forskellige controllere i sådanne tilfælde skal interaktionsmoment derfor overvejes sammen med muskelanstrengelse. Et lavt niveau af interaktionsmoment kombineret med højere muskelanstrengelse tyder på ingen fysisk uenighed, hvilket indikerer, at eksoskeletet følger brugeren, og brugeren går med minimal assistance. Ellers indikerer et højere niveau af interaktionsmoment sammen med høj muskelanstrengelse, at brugeren og eksoskelet ikke deler de samme ønskede bevægelsesmønstre, og de kæmper om kontrol [23]. Derfor nødvendiggør bestemmelse af egnetheden af en controller til enten kraftforøgelse eller rehabiliteringsapplikationer co-analyse af muskelanstrengelse og interaktionsmoment.   Dette papir er   under CC BY-NC-ND 4.0 DEED-licens. tilgængeligt på arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

EXOSELF.tech

Exoself fuses technology and soul, amplifying abilities, and redefining limits, where the self evolves beyond boundaries

Ny undersøgelse viser, at eksoskeletter nu tilpasser sig dig, ikke omvendt

About Author

KOMMENTARER

HÆNG TAGS

DENNE ARTIKEL BLEV PRÆsenterET I

Related Stories

Meet KuCoin Community Chain: HackerNoon Company of the Week

Meet Timescale: HackerNoon Company of the Week

Meet inDrive: The HackerNoon Company of the Week

Meet Bosch: HackerNoon Company of the Week

Meet KuCoin Community Chain: HackerNoon Company of the Week

Meet Timescale: HackerNoon Company of the Week

Meet inDrive: The HackerNoon Company of the Week

Meet Bosch: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps