Hybrid Soft-Rigid Active Prosthetics Laboratory Exercise for Hands-On Biomechanical and Biomedical Engineering Education
Notice bibliographique
Résumé
This paper introduces a hands-on laboratory exercise focused on assembling and testing a hybrid soft-rigid active finger prosthetic for biomechanical and biomedical engineering (BME) education. This hands-on laboratory activity focuses on the design of a myoelectric finger prosthesis, integrating mechanical, electrical, sensor (i.e., inertial measurement units (IMUs), electromyography (EMG)), pneumatics, and embedded software concepts. We expose students to a hybrid soft-rigid robotic system, offering a flexible, modifiable lab activity that can be tailored to instructors' needs and curriculum requirements. All necessary files are made available in an open-access format for implementation. Off-the-shelf components are all purchasable through global vendors (e.g., DigiKey Electronics, McMaster-Carr, Amazon), costing approximately USD 100 per kit, largely with reusable elements. We piloted this lab with 40 undergraduate engineering students in a neural and rehabilitation engineering upper year elective course, receiving excellent positive feedback. Rooted in real-world applications, the lab is an engaging pedagogical platform, as students are eager to learn about systems with tangible impacts. Extensions to the lab, such as follow-up clinical (e.g., prosthetist) and/or technical (e.g., user-device interface design) discussion, are a natural means to deepen and promote interdisciplinary hands-on learning experiences. In conclusion, the lab session provides an engaging journey through the lifecycle of the prosthetic finger research and design process, spanning conceptualization and creation to the final assembly and testing phases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».