An Adaptive Assistance Controller to Optimize the Exoskeleton Contribution in 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 this paper, we present a novel adaptation rule to optimize the exoskeleton assistance in rehabilitation tasks. The proposed method adapts the exoskeleton contribution to user impairment severity without any prior knowledge about the user motor capacity. The proposed controller is a combination of an adaptive feedforward controller and a low gain adaptive PD controller. The PD controller guarantees the stability of the human-exoskeleton system during feedforward torque adaptation by utilizing only the human-exoskeleton joint positions as the sensory feedback for assistive torque optimization. In addition to providing a convergence proof, in order to study the performance of our method we applied it to a simplified 2-DOF model of human-arm and a generic 9-DOF model of lower limb to perform walking. In each simulated task, we implemented the impaired human torque to be insufficient for the task completion. Moreover, the scenarios that violate our convergence proof assumptions are considered. The simulation results show a converging behavior for the proposed controller; the maximum convergence time of 20 s is observed. In addition, a stable control performance that optimally supplements the remaining user motor contribution is observed; the joint angle tracking error in steady condition and its improvement compared to the start of adaptation are as follows: shoulder 0.96±2.53° (76%); elbow −0.35±0.81° (33%); hip 0.10±0.86° (38%); knee −0.19±0.67° (25%); and ankle −0.05±0.20° (60%). The presented simulation results verify the robustness of proposed adaptive method in cases that differ from our mathematical assumptions and indicate its potentials to be used in practice.
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