Human-Inspired Control of Dual-Arm Exoskeleton Robots With Force and Impedance Adaptation
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
Humans can adapt to complex environments by voluntarily adjusting the impedance parameters and interaction force. Traditional robots perform tasks independently without considering their interactions with the external environment, which leads to poor flexibility and adaptability. Comparatively, humans can adapt to complex environments by voluntarily adjusting the impedance parameters and interaction force. In order to solve the problems of human-robot security and adaptability to unknown environment, a human-inspired control with force and impedance adaptation is proposed to interact with unknown environments and exhibit this biological behavior on the developed dual-arm exoskeleton robots. First, we propose a computationally model utilizing the sampled surface electromyogram (sEMG) signals to calculate the human arm endpoint stiffness and define a co-contraction index to describe the dynamic behaviors of the muscular activities in the tasks. Then, the obtained human limb impedance stiffness parameters and the sampling position information are transferred to the slave arm of the exoskeleton as the input variables of the controller in real-time. In addition, a variable stiffness observer is used here to compensate for the errors of the calculated stiffness by sEMG signals. The experimental studies of human impedance transfer control have been conducted to show the effectiveness of the developed approach. Results of the experimental suggest that the proposed controller can achieve human motor adaptation and enable the subjects to execute a skill transfer control by a dual-arm exoskeleton robot.
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 | 0,000 | 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 | 0,000 | 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