Sensory Feedback of Grasp Security by Direct Neural Stimulation Improves Amputee Prediction of Object Slip
Notice bibliographique
Résumé
Background: Prostheses are becoming more advanced and biomimetic with time, providing additional capabilities to their users. However, prosthetic sensation lags far behind its natural limb counterpart, limiting the use of sensory feedback in prosthetic motion planning and execution. Without actionable sensation, prostheses may never meet the functional requirements to match biological performance. Methods: We propose an approach for upper limb prosthetic grasp security feedback, delivered to the wearer through direct nerve stimulation proportional to the likelihood of objects slipping from grasp. This proportional feedback is based on a linear regression of the sensors embedded in a prosthetic hand to predict slip before it occurs. Four participants with transhumeral amputation performed pulling tasks with their prosthetic hand grasping an object at predetermined grip forces, attempting to pull the object with as much force as possible without slip. These trials were performed with two different prediction notification paradigms. Results: At lower grasp forces, where slip was more likely, a strong, single impulse notification of impending slip reduced the incidence of object slip by a median of 32%, but the maximum achieved pull forces did not change. At higher grasp forces, where slip was less likely, the maximum achieved pull forces increased by a median of 19% across participants when provided with a stimulation strength inversely proportional to the grasp security, but slip incidence was unchanged. Conclusions: These results suggest that this approach may be effective in recreating a lost sense of grip stability in the missing limb that can be incorporated into motor planning and ultimately prevent unanticipated object slips.
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) | 0,000 | 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 ».