The Split-Belt Rimless Wheel
Notice bibliographique
Résumé
Abstract Split-belt treadmill training, common in stroke rehabilitation and motor learning experiments, reveals a mechanism through which energy can be extracted from the environment. People can extract net positive work from a split-belt treadmill by lengthening their step onto the fast belt. To understand how leg angles and belt speed differences affect energy transfer between the treadmill and the person during split-belt walking, we simulated a split-belt rimless wheel that alternates rotating on fast and slow treadmill belts. We found that the split-belt rimless wheel can passively walk steadily forward under a range of conditions, extracting enough energy from the treadmill to overcome losses during collisions. The simulated wheel can tolerate both speed disturbances and ground height variability, and it can even capture enough energy to walk uphill. We also built a physical split-belt rimless wheel robot, demonstrating the feasibility of energy extraction during split-belt treadmill walking. In comparing the wheel solutions to human split-belt gait, we found that humans do not maximize positive work performed by the treadmill; costs associated with balance and free vertical moments likely limit adaptation. This study characterizes the mechanics and energetics of split-belt walking, demonstrating that energy capture through intermittent contacts with the two belts is possible when the belt speed difference is paired with an asymmetry in leg angles at step-to-step transitions. This study demonstrates a novel way of harnessing energy through individual rotations rather than continuous contact and offers a simple model framework for understanding human choices during split-belt walking.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».