MétaCan
Menu
Retour à la cohorte
Enregistrement W4389665710 · doi:10.1109/iros55552.2023.10341255

No Contact Needed: Humans Adapt Their Gait to Suit Legged Robot Companions

2023· article· en· W4389665710 sur OpenAlexfundno aff
Paul M. Riek, Amy R. Wu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGaitRobotPhysical medicine and rehabilitationEffect of gait parameters on energetic costComputer sciencePower walkingGait analysisArtificial intelligenceSimulationPreferred walking speedPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Legged robots companions may one day assist humans with everyday tasks, but their possible impact on human gait is unknown. While previous studies have shown that humans adjust their gait when walking with other humans, it is uncertain whether walking with legged robots would yield similar results. In this study, we measured the gait of healthy participants (N = 14) while they walked alone and with a small quadruped robot. Spatiotemporal and stability gait parameters were calculated to determine whether the presence of the robot affected participants' gait. We found that walking with robots primarily affected measures in the walking direction. Participants walked slower and with altered anterior-posterior stability with the robot, but we did not find significant differences in the mediolateral direction in terms of step width or stability. However, we also observed that variability in the mediolateral distance between the robot and our participants also influenced participant gait behaviour. Our results demonstrate that robots do influence human gait even without physical contact and through seemingly innocuous actions such as walking near them.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,999

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)0,0010,007

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 Opus0,022
Tête enseignante GPT0,224
Écart entre enseignants0,203 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Locomotion and ControlTravaux en français237 207