The Relationship Between User Perceptions of Exoskeletons and Changes in Muscle Activity and Range of Motion
Notice bibliographique
Résumé
While through the literature different objective metrics, such as kinematics and muscle activity, have been used for the evaluation of exoskeletons performance, there is less research on how these metrics represent users’ perceptions. This study aimed to find the relationships between muscle activity and joint kinematics with user perception. Muscle activity was measured using electromyography sensors, focusing on the Latissimus and Thoracolumbar muscles. Body joint kinematics measurements were taken for the knee and trunk joints. The study also investigated how users’ overall selections of exoskeletons, considering all aspects, align with their choices based on comfort and biomechanical support. A similarity index and point biserial correlation coefficient were used for finding the relationships. Four individuals performed trunk bending and weight lifting while wearing different exoskeleton configurations. Both perceived comfort (similarity index: 57%) and biomechanical support (similarity index: $62.5 \%$) played a role in users’ overall preferences, and users prioritized one of them depending on the exoskeleton setting. Comparing the objective and subjective results revealed that muscle activity represented human perception of support to some extent (average similarity index and correlation coefficient of $\mathbf{4 9 \%}$ and 0.27 across static and dynamic tasks), while trunk range of motion had a high similarity and correlation with users’ perceived comfort (similarity index: $\mathbf{7 4 . 2 \%}$ and correlation coefficient: 0.53). In summary, this study contributed to understanding the rationale behind users’ perception across different aspects. The results highlight the necessity of future research on finding more sensitive objective metrics, leading us toward obtaining the objective function underlying users’ preferences.
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 ».