A performance evaluation of commercially available and 3D-printable prosthetic hands: a comparison using the anthropomorphic hand assessment protocol
Notice bibliographique
Résumé
Despite significant technological progress in prosthetic hands, a device with functionality akin to a biological extremity is far from realization. To better support the development of next-generation technologies, we investigated the grasping capabilities of clinically prescribable and commercially available (CPCA) prosthetic hands against those that are 3D-printed, which offer cost-effective and customizable solutions. Our investigation utilized the Anthropomorphic Hand Assessment Protocol (AHAP) as a benchtop evaluation of the multi-grasp performance of 3D-printed devices against CPCA prosthetic hands. Our comparison sample included three open-source 3D-printed prosthetic hands (HACKberry Hand, HANDi Hand, and BEAR PAW) and three CPCA prosthetic hands (Össur i-Limb Quantum, RSL Steeper BeBionic Hand V3, and Psyonic Ability Hand), along with including previously published AHAP data for four additional 3D-printed hands (Dextrus v2.0, IMMA, InMoov, and Limbitless). Our findings revealed a notable grasping performance disparity, with 3D-printed prostheses generally underperforming compared to their CPCA counterparts, specifically in cylindrical, diagonal volar, extension, and spherical grips. We propose that the observed performance shortfalls are likely attributed to the design or build quality of the 3D-printed prostheses, owing to the fact that 3D-printed hands often have a lower technology readiness level for widespread use. Addressing the limitations highlighted in this work and subsequent research will play a crucial role in refining the design and functionality of both 3D-printed and CPCA prosthetic devices.
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 | 0,000 | 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) | 0,000 | 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 ».