Pilot Data on the Performance of Vibrotactile Actuators for Use with Assistive Devices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As human-machine interfacing becomes increasingly common, the importance of biofeedback optimization escalates. Many machine-user interfaces currently require the use of biofeedback; for instance, fall prevention and posture improvement devices often make use of vibrotactile biofeedback to communicate to the user the necessary body motions to regain balance or maintain a proper posture, thereby enhancing or replacing the body's natural position biofeedback system and closing the biofeedback loop. Vibrotactile biofeedback could also be combined with an exoskeleton or a powered orthotic for the aforementioned purposes in users that require machine assistance to vary their body position. Although these devices employ biofeedback, there exists no thorough research on the optimization of vibrotactile biofeedback parameters such as actuator location on the body, actuator type or information coding method. Some studies researched the implications of one or two of these parameters, but no study has considered all 3 parameters. This study aims to optimize biofeedback by minimizing the user's reaction time and discomfort, and by enhancing the ability to correctly identify the tactor activated and its intensity. In order to determine the optimal biofeedback configuration the tactor type, information coding method and actuator location on the user's body were varied and the combination showing the best overall results was selected as the optimal biofeedback configuration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle