Autori:  (1) Mohammad Shushtari, Dipartimento di Ingegneria meccanica e meccatronica, Università di Waterloo (smshushtari@uwaterloo.ca);  (2) Julia Foellmer, Dipartimento di Meccanica e Ingegneria Oceanica, Università Tecnologica di Amburgo (julia.foellmer@tuhh.de);  (3) Sanjay Krishna Gouda, Dipartimento di Ingegneria meccanica e meccatronica, Università di Waterloo e Toronto Rehabilitation Institute (KITE), University Health Network (arash.arami@uwaterloo.ca).  Tabella dei link   Abstract e 1 Introduzione  2 Risultati   2.1 Dati elaborati iniziali per un partecipante rappresentativo   2.2 Analisi delle prestazioni complessive   2.3 Analisi del ritratto di interazione   2.4 Strategia di adattamento individuale  3 Discussion   3.1 Adattamento umano   3.2 Importanza dell'analisi IP   4 Conclusion  5 Metodi   5.1 Strategie di controllo feedforward   5.2 Configurazione sperimentale   5.3 Protocollo sperimentale   5.4 Analisi dei dati   Dichiarazioni   Appendice A Dati di esempio complementari   Appendice B Confronto con la camminata naturale   Riferimenti  Astratto  L'interazione fisica uomo-robot contiene informazioni cruciali per ottimizzare l'esperienza utente, migliorare le prestazioni del robot e valutare oggettivamente l'adattamento dell'utente. Questo studio introduce un nuovo metodo per valutare il co-adattamento uomo-robot negli esoscheletri degli arti inferiori analizzando l'attività muscolare e la coppia di interazione come una variabile casuale bidimensionale. Introduciamo l'Interaction Portrait (IP), che visualizza la distribuzione di questa variabile in coordinate polari. Abbiamo applicato questa metrica per confrontare un recente controller di coppia (HTC) basato sul feedback dello stato cinematico e un nuovo controller feedforward (AMTC) con apprendimento online, qui proposto, rispetto a un controller basato sul tempo (TBC) durante la camminata sul tapis roulant a velocità variabili. Rispetto al TBC, sia HTC che AMTC riducono significativamente l'assorbimento di ossigeno normalizzato degli utenti, suggerendo un coordinamento utente-esoscheletro migliorato. L'analisi IP rivela che questo miglioramento deriva da due distinte strategie di co-adattamento, non identificabili dalle sole analisi tradizionali dell'attività muscolare o della coppia di interazione. HTC incoraggia gli utenti a cedere il controllo all'esoscheletro, riducendo lo sforzo muscolare ma aumentando la coppia di interazione, poiché l'esoscheletro compensa le dinamiche dell'utente. Al contrario, AMTC promuove il coinvolgimento dell'utente attraverso un maggiore sforzo muscolare e coppie di interazione ridotte, allineandolo più da vicino alle applicazioni di riabilitazione e allenamento dell'andatura. L'evoluzione della fase IP fornisce informazioni sullo sviluppo della strategia di interazione di ciascun utente, mostrando il potenziale dell'analisi IP nel confronto e nella progettazione di nuovi controller per ottimizzare l'interazione uomo-robot nei robot indossabili.    : Esoscheletro, Interazione fisica, Controllo Parole chiave  1 Introduzione  La robotica assistiva e riabilitativa sta guadagnando sempre più attenzione in quanto fornisce una dose più consistente di esercizio agli utenti, migliorando la loro funzionalità e qualità della vita e riducendo il carico di lavoro dei fisioterapisti [1, 2]. Nonostante i recenti progressi, tra cui l'ottimizzazione dell'uomo nel ciclo per migliorare l'assistenza dell'esoscheletro [3–6], questi sistemi robotici non hanno ancora la sofisticatezza per regolare automaticamente e in modo efficace il livello di supporto richiesto per ogni singolo utente [7, 8]. Questo tocco personalizzato, istintivo per i fisioterapisti nelle sessioni di terapia tradizionali, rimane una sfida per i robot. La sfida nasce perché, sebbene vengano utilizzati indicatori di prestazione separati come il costo metabolico [9, 10], l'attivazione muscolare [11], le forze di interazione [12], il comfort [13], il carico cognitivo [14] e le preferenze dell'utente [15], la mancanza di una metrica unificata che racchiuda completamente le sfumature delle interazioni fisiche uomo-robot ostacola la regolazione precisa e la personalizzazione del supporto dell'esoscheletro degli arti inferiori [16]. Pertanto, questo compito è spesso delegato a controller adattivi con considerazioni implicite per controllare l'interazione fisica uomo-esoscheletro. Il controllo dell'interazione uomo-esoscheletro svolge un ruolo chiave nell'ottimizzazione dell'esperienza utente e delle prestazioni degli esoscheletri degli arti inferiori per la riabilitazione e per le applicazioni di aumento di potenza [17]. Negli scenari di aumento di potenza, l'utente mantiene la piena autonomia e l'esoscheletro segue i comandi dell'utente direttamente o indirettamente interpretando il movimento previsto. In caso di disaccordo tra l'utente e l'esoscheletro, l'esoscheletro deve cedere il controllo a favore dell'utente [18, 19]. Tuttavia, nel contesto della riabilitazione e degli esoscheletri assistivi, il controllo dell'interazione uomo-esoscheletro è più impegnativo a causa di due fattori principali. In primo luogo, il movimento eseguito dall'utente non è sempre affidabile a causa di compromissioni muscoloscheletriche o motorie [20] che possono compromettere la qualità dell'intenzione decodificata basata esclusivamente sull'interazione fisica utente-robot. In secondo luogo, l'esoscheletro dovrebbe incoraggiare l'utente a massimizzare il proprio coinvolgimento nel movimento quando possibile e assistere o correggere quando l'utente non è in grado di eseguire correttamente il movimento [21, 22]. Di conseguenza, l'esoscheletro deve passare senza soluzione di continuità tra i ruoli di leader e follower [23].  Per determinare la strategia di controllo appropriata per le applicazioni di potenziamento e riabilitazione umana, è fondamentale comprendere l'adattamento dell'esoscheletro umano come indicatore di come gli individui rispondono a specifiche strategie di controllo dell'esoscheletro riguardanti il controllo del movimento condiviso [24]. Nell'aumento di potenza, lo scenario ideale prevede che gli utenti si adattino a una strategia in cui contribuiscono principalmente guidando il movimento, senza sforzo fisico [5]. L'esoscheletro si assume la responsabilità di muovere il corpo umano applicando coppie o forze di interazione al corpo umano, come dimostrato dalla riduzione dell'attività muscolare o dei tassi metabolici [4]. Al contrario, nella riabilitazione, gli utenti devono spesso essere guidati ad aumentare la loro attività muscolare e ad impegnarsi attivamente nel controllo del movimento [25]. Le coppie di interazione dell'esoscheletro umano mostrano un duplice comportamento in questo contesto. Quando l'utente esegue il movimento correttamente, l'esoscheletro deve seguire in modo trasparente l'utente, con conseguenti coppie di interazione pari a zero [12]. Tuttavia, quando è richiesta la correzione del movimento, il controller dell'esoscheletro dovrebbe intervenire. Questo intervento crea un conflitto che richiede un aumento della coppia di interazione per rettificare il movimento. Né lo sforzo muscolare né le coppie di interazione da sole possono discernere le condizioni sopra menzionate. Ad esempio, un aumento dello sforzo muscolare può derivare   dal disaccordo tra uomo ed esoscheletro [20], mentre può anche significare che l'utente umano è impegnato a camminare e fa affidamento sulla propria capacità motoria piuttosto che sull'assistenza dell'esoscheletro. Pertanto, per confrontare diversi controller in tali casi, è necessario considerare la coppia di interazione insieme allo sforzo muscolare. Un basso livello di coppia di interazione abbinato a uno sforzo muscolare più elevato suggerisce l'assenza di disaccordo fisico, indicando che l'esoscheletro sta seguendo l'utente e l'utente sta camminando con un'assistenza minima. Altrimenti, un livello più elevato di coppia di interazione insieme a uno sforzo muscolare elevato indica che l'utente e l'esoscheletro non condividono gli stessi schemi di movimento desiderati e stanno lottando per il controllo [23]. Pertanto, determinare l'idoneità di un controller per applicazioni di aumento della potenza o di riabilitazione richiede una co-analisi dello sforzo muscolare e della coppia di interazione.   Questo articolo è   con licenza CC BY-NC-ND 4.0 DEED. disponibile su 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

exoself's blog

Questo audio è prodotto nella lingua originale della storia!

Un nuovo studio dimostra che ora gli esoscheletri si adattano a te, non il contrario

About Author

COMMENTI

CARTELLINI

QUESTO ARTICOLO È STATO PRESENTATO IN

Related Stories

Link-To-Earn Incentive Model: A Blueprint For Mass Adoption?

Netflix Brings Out the Big Guns

Coding with Latenode's AI + JavaScript Assistant: A Low-Code Platform for Simplified Development

Meet the HackerNoon Top Writers: Nebojsa Nesha Todorovic - Upwork, Freelancing, and Future of Work

Link-To-Earn Incentive Model: A Blueprint For Mass Adoption?

Netflix Brings Out the Big Guns

Coding with Latenode's AI + JavaScript Assistant: A Low-Code Platform for Simplified Development

Meet the HackerNoon Top Writers: Nebojsa Nesha Todorovic - Upwork, Freelancing, and Future of Work

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps