Motion Tracking Glove for Human-Machine Interaction: Grasp & Release
Notice bibliographique
Résumé
<p>A common problem seen among the lower extremity paralyzed individuals and the elderly with subsequently reduced movement abilities is that they must rely on others to do a simple task such as getting a glass of water from across the room. As a result of their physical limitations, they lose their independency and more so become burden for the others. Data Glove Controlled Dynamic Robotic Arm can virtually restore their movement abilities without them having to move from their place at all. Data Glove Controlled Dynamic Robotic Arm is composed of two major sophisticated systems that include the wearable Data Glove Dynamic Controller and the Wirelessly Moveable Robot Arm with built-in visual feedback system. In this project, a Data Glove has been designed with two flexor sensors, signal conditioning circuit, 3-axis accelerometer and 1-axis gyroscope IMU and Arduino Duemillanove ATmega328 microcontroller. In addition, a simulated stick figure virtual model of the Robot arm unit has been developed in Arduino-Processing IDE interface. For the implementation of the Data Glove controller, the flex sensors has been mounted on the index finger and thumb of the data glove. These sensors are variable resistors that outputs decreased resistance value when bent. Connecting these sensors through a signal conditioning circuit, two analog voltage signals are extracted that range between 0V-5V. Thus, when the user bends a finger, a corresponding analog voltage is generated. Feeding these analog inputs to the microcontroller ADC subunit, digital representation of the signals can be obtained. Based on the digital value corresponding to specific analog voltage outputs from the finger sensors, the microcontroller can be programmed to control the speed and planar rotational position of the servo motor linking the gripping fingers of the robot.</p>
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,372 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».