Overground Walking With a Transparent Exoskeleton Shows Changes in Spatiotemporal Gait Parameters
Notice bibliographique
Résumé
Lower-limb gait training (GT) exoskeletons have been successfully used in rehabilitation programs to overcome the burden of locomotor impairment. However, providing suitable net interaction torques to assist patient movements is still a challenge. Previous transparent operation approaches have been tested in treadmill-based GT exoskeletons to improve user-robot interaction. However, it is not yet clear how a transparent lower-limb GT system affects user's gait kinematics during overground walking, which unlike treadmill-based systems, requires active participation of the subjects to maintain stability. In this study, we implemented a transparent operation strategy on the ExoRoboWalker, an overground GT exoskeleton, to investigate its effect on the user's gait. The approach employs a feedback zero-torque controller with feedforward compensation for the exoskeleton's dynamics and actuators' impedance. We analyzed the data of five healthy subjects walking overground with the exoskeleton in transparent mode (ExoTransp) and non-transparent mode (ExoOff) and walking without exoskeleton (NoExo). The transparent controller reduced the user-robot interaction torque and improved the user's gait kinematics relative to ExoOff. No significant difference in stride length is observed between ExoTransp and NoExo (p = 0.129). However, the subjects showed a significant difference in cadence between ExoTransp (50.9± 1.1 steps/min) and NoExo (93.7 ± 8.7 steps/min) (p = 0.015), but not between ExoTransp and ExoOff (p = 0.644). Results suggest that subjects wearing the exoskeleton adjust their gait as in an attention-demanding task changing the spatiotemporal gait characteristics likely to improve gait balance.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».