XiaoMi-AI文件搜索系统
World File Search System轮椅
基于卷积神经网络语音识别系统操控机器人轮椅
摘要：许多轮椅使用者依赖他人来控制轮椅的移动，这严重影响了他们的独立性和生活质量。智能轮椅提供了一定程度的自立和驾驶自己车辆的自由。在这项工作中，我们设计并实施了一种低成本的软件和硬件方法来操纵机器人轮椅。此外，从我们的方法中，我们基于 Flutter 软件开发了自己的 Android 移动应用程序。我们还开发并配置了一种基于卷积神经网络 (CNN) 的网络内 (NIN) 结构方法，该方法与语音识别模型相结合，以构建移动应用程序。该技术还使用软件和硬件组件之间的离线 Wi-Fi 网络热点来实施和配置。五个语音命令（是、否、左、右和停止）通过 Raspberry Pi 和直流电机驱动器引导和控制轮椅。整个系统基于阿拉伯语母语人士针对孤立词训练和验证的英语语音语料库进行评估，以评估 Android OS 应用程序的性能。还从准确性方面评估了室内和室外导航的可操作性性能。结果表明，五个语音命令中的一些命令的准确预测准确度约为 87.2%。此外，在实时性能测试中，室内/室外操纵的计划节点和实际节点之间的均方根偏差 (RMSD) 值为 1.721 × 10 − 5
使用...对轮椅控制进行神经人体工程学评估
摘要 — 两个多世纪以来，轮椅一直是无需太多改造的运动障碍人士最常见的辅助设备之一。轮椅控制是一项复杂的运动任务，会增加身体和认知工作量。新的轮椅界面，包括动力辅助设备，可以通过减少所需的体力来进一步增强用户的功能，但人们对其对心理努力的影响知之甚少。在本研究中，我们采用了一种神经人体工程学方法，利用基于移动和无线功能性近红外光谱 (fNIRS) 的大脑监测身体活跃的参与者。48 名志愿者（30 名新手和 18 名有经验的志愿者）在简单和复杂的现实环境中使用和不使用 PowerAssist 界面的轮椅自行推进。结果表明，正如预期的那样，与简单环境相比，复杂、更困难的环境会导致任务绩效降低，同时前额叶皮质活动增加。与仅限新手的传统手动控制相比，使用 PowerAssist 功能的大脑激活度明显降低。专业知识导致中额叶脑部激活模式较低，并辅以涉及较低认知工作量的表现指标。结果证实了神经人体工程学方法的潜力，并且直接神经活动测量可以补充和增强任务绩效指标。我们得出结论，认知工作量是
带有障碍物检测和警报系统的脑电波控制轮椅
许多受身体挑战的人面临着自由操纵的问题。椅子是最常见的设备，习惯于为身体挑战的人提供质量。但是，今天可用的大多数椅子，尤其是廉价的手动椅子，都需要人力援助才能四处走动。即使对于电动机椅，仍然需要用户的帮助才能使用控制器或按下按钮，以管理电动电动椅的运动。失去了手或有问题的人（例如脊髓灰质炎患者）似乎没有准备好驾驶椅子运动的许多用户。因此，他们本身无能为力。为了解决这个问题，其他建设性的方式是通过损害大脑来专门控制椅子的动作。这项技术可以使大多数人能够自行浏览椅子。因此，这可能会带来特别高的影响，尤其是对受挑战的人。
智能轮椅的对象检测，本地化和基于跟踪的深度学习
在量子上下文的框架内，我们讨论了外观和奢侈的思想，这些思想使人们可以将Kochen-Specker和Gleason定理联系起来。我们强调的是，尽管Kochen-Specker本质上是一个无关的定理，但Gleason's提供了对Born统治的数学合理性。我们的外观外观方法需要一种描述“海森伯格削减”的方法。在约翰·冯·诺伊曼（John von Neumann）在有限张量产品上发表的文章之后，可以通过注意到与统一形式相关的量子力学的通常形式主义来完成，在遇到粒子（或自由度学位）中可计数时停止工作时停止工作。这是因为相应的希尔伯特空间的维度在有限的范围内变得不存在，导致单一等价的丧失和部门化。这种本质上上下文的方法提供了一个统一的数学模型，包括量子和经典物理学，这些模型在自然描述中似乎是不可限制的。
用于免提机器人轮椅导航的自我中心计算机视觉
摘要 在本文中，我们介绍了一种导航机器人轮椅的方法，该方法为用户提供了多层次的自主性和导航能力，以满足他们的个人需求和偏好。我们主要关注三个方面：（i）以自我为中心的基于计算机视觉的运动控制，为手部使用受损的轮椅使用者提供自然的人机界面；（ii）使用户无需使用手即可启动到某个位置、物体或人的自主导航的技术；（iii）一个框架，该框架根据用户通常是主观的标准和偏好来学习导航轮椅。这些贡献在用户研究中进行了定性和定量评估，几名受试者证明了它们的有效性。这些研究都是针对健康受试者进行的，但它们仍然表明可以启动对所提出技术的临床试验。
控制系统和电子仪器适用于轮椅活动中的自主权：最新状态
摘要：自动轮椅在仪器和控制方面发展起来，解决了身体残疾人的移动性问题。通过这项工作，旨在建立自动轮椅和原型的仪器和控制方法的背景，以及每个类别中的分类。为此，对2012年至2019年之间发表的文章进行了对专业数据库的搜索。在其中，根据包含和排除标准选择了97个文件。针对这些文章提出了以下类别：（a）轮椅仪器和控制方法，其中有一些系统可以实施微电机力学传感器（MEMS），表面肌电图（SEMG），电视学（EOG），电视学（EOG），电脑术（EEG）和语音认识系统； （b）轮椅仪器，其中包括发现障碍物检测系统，人工视觉（图像和视频）以及导航系统（GPS和GSM）。本综述中发现的结果倾向于使用EEG信号，头部移动，语音命令和算法以避免障碍。最常用的技术涉及使用经典控制和阈值来移动轮椅。此外，讨论主要基于用户的特征和控制类型。总而言之，这些文章在其设计中表现出了现有的局限性和可能的解决方案，并向物理残障社区告知了这一领域的技术发展。
深度学习的对象检测，智能轮椅医疗保健移动性的本地化和跟踪
摘要：本文介绍了智能电动轮椅的高级驾驶员援助系统（ADA）的开发，以提高残疾人的自主权。我们的用例基于正式的临床研究，基于轮椅室内环境中物体的检测，深度估计，定位和跟踪，即：门和门把手。这项工作的目的是为轮椅提供一个感知层，使以这种方式检测这些关键点在其直接周围的周围，并构建了短期寿命语义图。首先，我们将Yolov3对象检测算法的改编对我们的用例进行了改编。然后，我们使用Intel Realsense相机介绍我们的深度估计方法。最后，作为方法的第三步也是最后一步，我们根据排序算法介绍了3D对象跟踪方法。为了验证所有发展，我们在受控的室内环境中进行了不同的实验。使用我们自己的数据集对检测，距离估计和对象跟踪进行实验，其中包括门和门把手。
Brainy Home：基于脑机接口的虚拟智能家居和轮椅控制应用程序
摘要：近年来，智能家居应用已成为改善人们生活质量的必需品，尤其是对于行动障碍人士。虽然智能家居应用是通过手机、语音命令和手势等交互工具进行控制的，但这些工具可能不适合患有严重残疾、影响其运动功能的人士，例如闭锁综合征 (LIS)、肌萎缩侧索硬化症 (ALS)、脑瘫、中风等。在本研究中，我们在虚拟环境中开发了一个智能家居和轮椅控制应用程序，该应用程序完全由基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 系统控制。它是一种成本相对较低、易于设置的无线通信协议，具有较高的准确性。该系统已在 15 名健康受试者身上进行了测试，初步结果全面表明，所有受试者都以大约 100% 的准确率完成了设备交互任务，并以超过 90% 的准确率完成了轮椅导航任务。这些结果清楚地表明，未来开发的系统可用于与辅助设备和智能家电实时交互。因此，所提出的系统可能在帮助残疾人独立进行日常生活活动方面发挥重要作用。
小波相干性作为轮椅击剑运动员躯干稳定肌激活的量度
摘要背景：肌肉间同步是有效运动表现和日常生活活动的关键方面之一。本研究旨在利用小波分析评估轮椅击剑运动员躯干稳定肌的同步性。方法：评估了左右两组背阔肌/腹外斜肌 (LD/EOA) 肌肉间的肌肉间同步性和拮抗性 EMG-EMG 相干性。研究组由 16 名轮椅击剑运动员组成，他们是波兰残奥会队的成员，分为两类残疾（A 和 B）。数据分析分三个阶段进行：(1) 使用 sEMG 记录肌肉激活；(2) 小波相干性分析；(3) 相干性密度分析。结果：在残奥会轮椅击剑运动员中，无论其残疾类别如何，肌肉都在低频率水平上被激活：A 类击剑运动员为 8-20 Hz，B 类击剑运动员为 5-15 Hz。结论：结果表明，轮椅击剑运动员（包括脊髓损伤运动员）的躯干肌肉活动明显，这可以解释为他们高强度训练的结果。肌电信号处理应用在提高轮椅运动员的表现和诊断方面具有巨大潜力。关键词：小波分析、残疾运动员、脊髓损伤、肌电图、频率水平
通过脑电信号增强机器人智能，避免智能轮椅的轨迹规划错误
摘要 辅助机器人在复杂的环境中运行，并有人类在场，但它们之间的交互可能受到多种因素的影响，从而导致不良结果：错误的传感器读数、意外的环境条件或算法错误只是可能出现的场景的几个例子。当用户的安全不仅是一种选择，而且必须得到保证时，一个可行的解决方案是依靠人机回路方法，例如，监控机器人在执行任务期间是否执行了错误操作，或者环境条件是否影响人机交互期间的安全，并相应地提供反馈。本文提出了一种人机回路框架，以实现电动和传感器（智能）轮椅的安全自主导航。在室内场景中，轮椅向所需目的地导航时，轨迹上可能存在的问题（例如障碍物）会在用户注意到时产生脑电图 (EEG) 电位。这些电位可用作导航算法的额外输入，以修改轨迹规划并确保安全。该框架已经通过使用在 ROS 和 Gazebo 环境中实现的轮椅模拟器进行了初步测试：对文献中已知基准的 EEG 信号进行分类，传递到自定义模拟节点，并提供给导航堆栈以执行避障。