Towards User-Friendly Wearable Platforms for Monitoring Unconstrained Indoor and Outdoor Activities
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
Developing wearable platforms for unconstrained monitoring of limb movements has been an active recent topic of research due to potential applications such as clinical and athletic performance evaluation. However, practicality of these platforms might be affected by the dynamic and complexity of movements as well as characteristics of the surrounding environment. This paper addresses such issues by proposing a novel method for obtaining kinematic information of joints using a custom-designed wearable platform. The proposed method uses data from two gyroscopes and an array of textile stretch sensors to accurately track three-dimensional movements, including extension, flexion, and rotation, of a joint. More specifically, gyroscopes provide angular velocity data of two sides of a joint, while their relative orientation is estimated by a machine learning algorithm. An Unscented Kalman Filter (UKF) algorithm is applied to directly fuse angular velocity/relative orientation data and estimate the kinematic orientation of the joint. Experimental evaluations were carried out using data from 10 volunteers performing a series of predefined as well as unconstrained random three-dimensional trunk movements. Results show that the proposed sensor setup and the UKF-based data fusion algorithm can accurately estimate the orientation of the trunk relative to pelvis with an average error of less than 1.72 degrees in predefined movements and a comparable accuracy of 3.00 degrees in random movements. Moreover, the proposed platform is easy to setup, does not restrict body motion, and is not affected by environmental disturbances. This study is a further step towards developing user-friendly wearable sensor systems than can be readily used in indoor and outdoor settings without requiring bulky equipment or a tedious calibration phase.
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 | 0,001 |
| 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