MétaCan
Menu
Retour à la cohorte
Enregistrement W3190659890 · doi:10.1098/rspb.2021.1197

Human biomechanics perspective on robotics for gait assistance: challenges and potential solutions

2021· article· en· W3190659890 sur OpenAlexaff
Amy R. Wu

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensQueen's University
Organismes subventionnairesFP7 Information and Communication Technologies
Mots-clésGaitRoboticsPerspective (graphical)Computer scienceProcess (computing)Variety (cybernetics)Human–computer interactionSoftwareArtificial intelligenceMechatronicsSimulationRobotEngineeringPhysical medicine and rehabilitationMedicine

Résumé

récupéré en direct d'OpenAlex

Technological advancements in robotic devices have the potential to transform human mobility through gait assistance. However, the integration of physical hardware and software control algorithms with users to assist with impaired gait poses several challenges, such as allowing the user to adopt a variety of gaits and the process for evaluating the efficacy and performance of these assistive devices. Here, I discuss some of the challenges in the development of assistive devices and the use of biomechanical concepts and tools for control and test validation. Several potential solutions are proposed through the case study of one project that aimed to provide gait assistance for individuals with a spinal cord injury. Further challenges and future directions are discussed, with emphasis that diverse perspectives and approaches in gait assistance will accelerate engineering solutions towards regaining mobility.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,445
Score d'incertitude au seuil0,310

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 Opus0,037
Tête enseignante GPT0,261
Écart entre enseignants0,224 · 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'étudeThéorique ou conceptuel
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207