MétaCan
Menu
Retour à la cohorte
Enregistrement W3161088098 · doi:10.1016/j.isci.2021.102525

Ready-to-wear strain sensing gloves for human motion sensing

2021· article· en· W3161088098 sur OpenAlexafffund
Sara S. Mechael, Yunyun Wu, Yi‐Ting Chen, Tricia Breen Carmichael

Notice bibliographique

RevueiScience · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWearable computerResistive touchscreenStrain gaugeGestureSubstrate (aquarium)Wearable technologyMaterials scienceSoft roboticsComputer scienceFabricationNanotechnologySurface roughnessTextileAcousticsActuatorComposite materialArtificial intelligenceEmbedded systemGeologyComputer visionPhysics

Résumé

récupéré en direct d'OpenAlex

Integrating soft sensors with wearable platforms is critical for sensor-based human augmentation, yet the fabrication of wearable sensors integrated into ready-to-wear platforms remains underdeveloped. Disposable gloves are an ideal substrate for wearable sensors that map hand-specific gestures. Here, we use solution-based metallization to prepare resistive sensing arrays directly on off-the-shelf nitrile butadiene rubber (NBR) gloves. The NBR glove acts as the wearable platform while its surface roughness enhances the sensitivity of the overlying sensing array. The NBR sensors have a sheet resistance of 3.1 ± 0.6 Ω/sq and a large linear working range (two linear regions ≤70%). When stretched, the rough NBR substrate facilitates microcrack formation in the overlying metal, enabling high gauge factors (62 up to 40% strain, 246 from 45 - 70% strain) that are unprecedented for metal film sensors. We apply the sensing array to dynamically monitor gestures for gesture differentiation and robotic control.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,275
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207