MétaCan
Menu
Retour à la cohorte
Enregistrement W4416995550 · doi:10.1186/s40691-025-00445-8

Development of a soft wearable robotic garment with fabric-based pneumatic artificial muscles for muscle support and postural alignment

2025· article· en· W4416995550 sur OpenAlexaff
Sumin Helen Koo, Hyeon-seon Cho, J S Song, Gayeon Lee, Yumin Cho, Shinwon Chang, Yeong Jin Choi, Yeojin Claire Kim, Jiwon Chung, Yong‐Lae Park

Notice bibliographique

RevueFashion and Textiles · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaNational Research Foundation
Mots-clésActuatorArtificial muscleWearable computerElectromyographyPneumatic actuatorLumbarErector spinae musclesPneumatic artificial muscles

Résumé

récupéré en direct d'OpenAlex

Abstract A soft wearable robotic garment was developed to support lumbar muscle function and postural alignment by using cell-structured fabric pneumatic artificial muscles (cfPAMs). The actuator was constructed from two types of lightweight thermoplastic polyurethane-coated nylon fabrics and was designed with a flexible structure to enhance the contraction and force output. The performance of three actuator configurations (3-cell, 6-cell, and 8-cell) was evaluated in terms of contraction ratio, force generation, and response time. The 8-cell actuator exhibited the highest performance across these metrics. The actuator was integrated into a garment and tested in a user study involving 22 female participants. Surface electromyography of the lumbar erector spinae indicated a reduction in muscle activity during trunk flexion with actuator inflation relative to noninflated and control conditions. A trend toward a reduced full-body tilt was observed, and the user satisfaction was high, particularly for safety and functionality. These findings underscore the potential of cfPAM-based garments for daily musculoskeletal support.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFashion and TextilesMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207