MétaCan
Menu
Retour à la cohorte
Enregistrement W4211065830 · doi:10.32920/ryerson.14655987

Design and development of hardware platform for fully-assistive lower leg exoskeleton

2021· preprint· en· W4211065830 sur OpenAlexaff
Bryan Bonnici

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésExoskeletonModular designPowered exoskeletonRoboticsWearable computerComputer scienceEmbedded systemRehabilitation roboticsSimulationControl engineeringArtificial intelligenceComputer hardwareEngineeringRobot

Résumé

récupéré en direct d'OpenAlex

The abundance of cheap, portable computing has allowed for complex applications of robotics, especially in the medical rehabilitation field. The emergence of wearable robotics which simulate the movement of healthy individuals is seen as a new option for treating and rehabilitating individuals with paraplegia and other motor disorders. This thesis presents the design and implementation of a miniaturized, low-power, extensible hardware platform for control of a fully-assistive lower-body exoskeleton. A preliminary ARM Cortex-M4-based control platform using modular COTS parts was developed and implemented in a medical exoskeleton (the Bionik Laboratories’ ARKE) and was evaluated through human medical trials. Clinical feedback was used to drive the design of a new platform. A functional prototype of the design was constructed and retrofitted onto an exoskeleton. Data acquisition and MATLAB was then used to evaluate and compare the performance of the two designs. A size reduction of 29% is achieved.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil0,704

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 Opus0,029
Tête enseignante GPT0,242
Écart entre enseignants0,213 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207