A grasp-based passivity signature for haptics-enabled human-robot interaction: Application to design of a new safety mechanism for robotic rehabilitation
Notice bibliographique
Résumé
In this paper, the biomechanical capability of the human upper limb in absorbing physical interaction energy during human-robot interaction is analyzed. The outcome is a graphical map that can quantitatively correlate the extent of the grasp pressure and the geometry of interaction to the extent of hand passivity. For this purpose, a user study has been conducted for 11 healthy human subjects to characterize the energy absorption capability in their arm and wrist. The above correlation is statistically validated. The identified user-specific grasp-based passivity signature map can be used as a graphical tool to assess the biomechanical capabilities of the upper limb in absorbing interaction energy. In this paper, the proposed grasp-based passivity signature map is utilized in the design of a new stabilizer for haptic systems, that takes into account the variation in energy absorption during haptic task execution. The goal is to optimize the haptic system fidelity while guaranteeing human-robot interaction stability despite the potential existence of delays and a non-passive environment. The controller is termed grasp-based passivity signature map stabilizer. If the user provides minimum to no energy absorption during the interaction, the controller makes the force reflection gate tight to guarantee stability. However, when the user demonstrates high capability in absorbing interaction energy, the controller allows the forces to be reflected. The grasp-based passivity signature map stabilizer is an alternative for both conventional stabilizers of haptic/telerobotic systems and fixed conservative force limits in rehabilitation systems where patient-robot interaction safety is a crucial requirement. This provides the practical motivation for this work. Experimental results are presented.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».