MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403675100 · doi:10.1109/biorob60516.2024.10719905

Pairing Predictive Simulations and Human Experiments in Ankle Exoskeleton Walking

2024· article· en· W4403675100 sur OpenAlexaff
Alexander Weiß, Anthony Chen, Daniel B. Janischowky, Isabella Shih, G C. Phillips, Jessica C. Selinger, Anne D. Koelewijn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésExoskeletonAnkleComputer sciencePairingPhysical medicine and rehabilitationSimulationMedicinePhysicsAnatomy

Résumé

récupéré en direct d'OpenAlex

Exoskeletons can enhance human gait and reduce metabolic energy expenditure, potentially enabling users to walk further and longer before experiencing fatigue. However, metabolic energy reductions often require hours of walking to tune control parameters to the user and allow the user to adapt to the device through complex human-machine interactions. Predictive simulations could expedite this process by finding near-optimal device and gait parameters ahead of human testing. Here, we investigated if we could create participant specific predictive gait simulations that replicate energetic, kine-matic, and kinetic adaptations to walking with bilateral ankle exoskeletons. We hypothesized that our predictive simulations would generate similar metabolic reductions to those achieved by our human participants' and that these reductions would be explained by similar kinematic and kinetic adaptations. Our hypothesis was partially confirmed, as the simulations predicted an average change in metabolic energy expenditure (12.6± 3.3 %) that matched the experimentally measured change (13.0 ±7.1 %). Moreover, the ankle kinematics during both base-line and exoskeleton walking were similar. However, underlying kinetic responses during exoskeleton walking differed between the simulations and experiments. Furthermore, we did not correctly predict differences in metabolic savings for individual participants. We expect that these differences are related to factors such as individual adaptation rate, muscle activity, and musculotendon dynamics. We conclude that our predictive simulations are currently not accurate enough to predict individual adaptations when walking with an exoskeleton, despite being able to well predict average group changes in metabolic cost and kinematics.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,340
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→