Modeling and Emulating a Physiotherapist's Role in Robot‐Assisted Rehabilitation
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
In home‐based rehabilitation, one possible approach is haptic teleoperation in which a hospital‐based therapist is haptically linked and tele‐presented to a home‐based patient to effectively simulate traditional in‐hospital therapies over a distance. In this context, this article proposes a learn‐and‐replay (LAR) paradigm that consists of two phases: a therapist‐in‐loop (interactive) phase where the therapist interacts through the haptic teleoperation loop with the patient to perform the cooperative therapy task, and a therapist‐out‐of‐loop (standalone) phase where the therapist's task is played by the patient‐side robot in future repetitions. During the interactive phase, the therapist demonstrates impedance during cooperating with the patient. During the standalone phase, the patient‐side robot is automatically controlled to mimic the therapist's demonstrated impedance which is learned in the interactive phase. The direct force reflection (DFR) architecture is utilized as the control method for the bilateral telerehabilitation system. Case studies involving 1‐degree‐of‐freedom and 2‐degree‐of‐freedom cooperative manipulation tasks are tested for proof of concept. The results show that the impedance of the therapist's arm can be replicated by the patient‐side robot for both tasks and proposed LAR telerehabilitation paradigm that assists the therapist in the rehabilitation procedure to take care of other tasks or attend to other patients.
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