Development and Validation of a Modular Sensor-Based System for Gait Analysis and Control in Lower-Limb Exoskeletons
Notice bibliographique
Résumé
With rapid advancements in lower-limb exoskeleton hardware, two key challenges persist: the accurate assessment of user biomechanics and the reliable control of device behavior in real-world settings. This study presents a modular, sensor-based system designed to enhance both biomechanical evaluation and control of lower-limb exoskeletons, leveraging advanced sensor technologies and fuzzy logic. The system addresses the limitations of traditional lab-bound, high-cost methods by integrating inertial measurement units, force-sensitive resistors, and load cells into instrumented crutches and 3D-printed insoles. These components work independently or in unison to capture critical biomechanical metrics, including the anteroposterior center of pressure and crutch ground reaction forces. Data are processed in real time by a central unit using fuzzy logic algorithms to estimate gait phases and support exoskeleton control. Validation experiments with three participants, benchmarked against motion capture and force plate systems, demonstrate the system's ability to reliably detect gait phases and accurately measure biomechanical parameters. By offering an open-source, cost-effective design, this work contributes to the advancement of wearable robotics and promotes broader innovation and accessibility in exoskeleton research.
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 ».