MétaCan
Menu
Retour à la cohorte
Enregistrement W7117478825 · doi:10.3390/s26010175

Advancing Home Rehabilitation: The PlanAID Robot’s Approach to Upper-Body Exercise Through Impedance Control

2025· article· en· W7117478825 sur OpenAlexafffund
David Breton, Thierry Laliberté, Andréanne K. Blanchette, Alexandre Campeau‐Lecours

Notice bibliographique

RevueSensors · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensUniversité LavalCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of Canada
Mots-clésLimitingInertiaRobotStiffnessRehabilitationImpedance controlHaptic technologyControl (management)

Résumé

récupéré en direct d'OpenAlex

Rehabilitation robots are a leading solution towards bridging the gap between the growing number of rehabilitation patients requiring therapy and the limited availability of healthcare professionals. However, existing robotic systems are often bulky and expensive, limiting their ability to provide widespread, repetitive, and intensive exercises. This paper presents the development of an impedance-based control strategy designed to provide safe and compliant upper-body passive and active exercises on the low-cost PlanAID robot, which is built using consumer-grade components. The system's functionalities are evaluated using a high-precision force sensor. Results show that the PlanAID exhibits performance comparable to seminal devices such as the MIT-Manus, achieving a similar applicable reaction force target of 28 N and reflected inertia of 1.1 kg. Although the overall performance is comparable, the low-cost PlanAID prototype suffers from reduced coupled stability margins, limiting the maximum achievable virtual spring constant to 1100 N/m. Despite this limitation, the stiffness values required in practical applications remain low, suggesting that the PlanAID could potentially be a viable candidate for real-world rehabilitation. Initial user feedback was obtained through a preliminary qualitative trial involving healthy subjects.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,367
Score d'incertitude au seuil0,578

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 Opus0,003
Tête enseignante GPT0,217
Écart entre enseignants0,214 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207