Self-Unlocking Active Clutch for Quasi-Passive Wearable Robots
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wearable robots have gained attention as a promising technology for enhancing human functions and capabilities. While early research focused on developing motorized exoskeletons, recent efforts have shifted toward improving wearability for user convenience. However, the size and weight of actuators and battery components in active wearable robots remain significant challenges. As an alternative, passive wearable robots using nonmotorized mechanical components are lightweight and energy-efficient, but they have limitations in adapting to different situations. This article introduces a self-unlocking active clutch (SuAC) for quasi-passive wearable robots, which combines the benefits of both active and passive systems. The SuAC utilizes a shape memory alloy coil spring and an encoder to actively lock and provide assistive force based on the user's movement. Once in a locked state, the clutch can automatically unlock when the assistive force falls below a certain threshold, based on the user's preprogrammed intentions. This self-unlocking feature eliminates the need for additional mechanical triggering components or external sensors. The SuAC weighs approximately 50 grams and can withstand a locking torque of over 500 N, with a fast response time of less than 0.15 s. To demonstrate its application, we applied the SuAC to a neck-assist exosuit, showing that the assistive force can be controlled solely by the user's movements. This research simplifies the design and expands the functionality of quasi-passive wearable robots, providing a more accessible and efficient solution for assistive technology.
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.
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 | 0,001 |
| 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 découle