Human-Robot Interactions - Estimating Force Feedback of the Human Wrist
Notice bibliographique
Résumé
Abstract This research is part of the MSK-TIM (Musculoskeletal Tele-robotic Imaging Machine) project. The MSK-TIM is a device which facilitates remote ultrasound diagnosis through remote control of an ultrasound probe. The work reported here is to facilitate human-robot interaction in remote ultrasound imaging; the research work tried to incorporate force feedback into MSK-TIM device such that the operator (radiologist specialist) can examine the patient more efficiently, remotely. Understanding and modeling the biomechanics of the wrist is important in several fields including medicine and robotics. Up to now, most models have been developed to accurately represent the internal structure of the wrist. However, these models are complex and computationally time-consuming. This study reports on investigation on how we developed a time-efficient finite element model of the wrist. The material parameters were derived using model-correction finite element analysis. The force-displacement experimental measurements were taken at three areas of the human wrist using a robotic tele-sonography manipulator. The finite element model was then incrementally modified to improve the computational time, while measuring the corresponding error. The finite element model successfully predicted force feedback from the human arm with a small computation time (18.4s) per step. The subsequent finite element models further reduced this time (0.95s). As a result of this study, it has been shown that soft tissues can be generalized as a phenomenological material to decrease model complexity. Finally, the geometry of anatomy can be simplified, without a major reduction in accuracy, to greatly reduce the computation time — as shown by the 95% reduction in this study.
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 | 0,000 | 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) | 0,001 | 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 ».