XiaoMi-AI文件搜索系统
World File Search System外骨骼
甲虫外骨骼和导电聚合物创建新型的光调节材料
（a）Anomala albopilosa的Elytron的反射和透射光学显微照片。（b）Anomala albopilosa的Elytron的透射光学显微照片。（c）左圆极化光板下方的Anomala albopilosa的金属绿色反射。（d）在右圆极化光板下没有反射。（E）左圆极化光板下方的金属紫色反射。（f）在右圆极化光板下没有反射。（g）左右圆形偏振板下的照片，L + R表示左右极化器的重叠。信用：下一材料（2025）。doi：10.1016/j.nxmate.2025.100516
对康复和协助的主动手部外骨骼的审查
摘要：由于生命质量和患者的流动性降低，尤其是患有手部残疾的人，残疾是一个全球问题。本文在过去十年中对主动手部外骨骼技术进行了审查，以供康复，援助，增强和触觉设备。手外骨骼仍然是一个积极的研究领域。每个手外骨骼都有一定的要求，可以实现其目标。这些要求已被提取并分为两个部分：一般和特定的部分，为开发未来设备提供了一个共同的平台。由于这仍然是一个发展中的领域，因此根据领域的进步也会形成要求。技术挑战，例如尺寸要求，重量，人体工程学，康复，执行器和传感器，都是由于手工的复杂解剖结构和生物力学所致。手是人体中最复杂的结构之一。因此，为了了解某些设计方法，本文解决了手的解剖学和生物力学。由于实施智能系统和新的康复技术，这些设备的控制也是一个挑战。这包括意图检测技术（脑电图（EEG），肌电图（EMG），入学）和估计应用辅助。因此，本文以系统的方法总结了该技术，并回顾了主动手部外骨骼的艺术状态，重点是康复和辅助设备。
由活性上肢外骨骼的不同水平的透明度引起的人类运动修饰
主动上肢外骨骼是神经恢复的潜在强大工具。该潜力取决于几种基本控制模式，其中一种是透明度。在这种控制模式下，外骨骼必须遵循人类运动而不会改变它，从理论上讲，这意味着无效的相互作用工作。达到透明度的水平高，尽管不完美，既需要一种适当的控制方法，又需要对外骨骼对人类运动的影响进行深入评估。本文基于识别外骨骼动力学的识别，或者是在力反馈控制或结合下引入了三种不同的“透明”控制器的评估。因此，这些控制器可能会通过设计明显诱导不同水平的透明度。进行的调查可以更好地理解人类如何适应一定是不完事的透明控制器。一组14名参与者受到这三个控制者的束缚，同时在副臂平面进行运动。随后的分析是根据相互作用，运动学，肌电图和人体工程学反馈问卷进行的。结果表明，在执行透明的控制器较少的情况下，参与者的策略往往会引起相对较高的相互作用工作，并具有较高的肌肉活动，从而导致运动学指标的敏感性很小。换句话说，截然不同的残留互动工作并不一定会引起非常不同的运动运动学。这样的行为可以通过自然的人类倾向来解释以维护其首选的运动学的努力，应在将来的透明控制器评估中考虑到这一点。
使用低成本开源脑机接口和 3D 打印腕外骨骼诱导神经可塑性
摘要：脑机接口 (BCI) 已被证明可用于中风康复，但有许多因素阻碍了该技术在康复诊所和家庭中的使用，主要因素包括 BCI 系统的可用性和成本。本研究的目的是开发一种廉价的 3D 打印腕外骨骼，可由廉价的开源 BCI (OpenViBE) 控制，并确定使用这种设置进行训练是否可以诱导神经可塑性。11 名健康志愿者想象手腕伸展，这些伸展通过单次脑电图 (EEG) 检测到，作为响应，腕外骨骼复制了预期的运动。在使用外骨骼进行 BCI 训练之前、之后立即和 30 分钟后测量使用经颅磁刺激引起的运动诱发电位 (MEP)。BCI 系统的真阳性率为 86 ± 12%，每分钟有 1.20 ± 0.57 次误检。与 BCI 训练前的测量结果相比，MEP 在训练后立即增加了 35 ± 60%，在 BCI 训练 30 分钟后增加了 67 ± 60%。BCI 性能与可塑性诱导之间没有关联。总之，可以使用开源 BCI 设置检测想象运动并控制廉价的 3D 打印外骨骼，当与 BCI 结合时可以诱导神经可塑性。这些发现可能会促进 BCI 技术在康复诊所和家庭中的普及。然而，可用性必须提高，并且需要对中风患者进行进一步测试。
康复外骨骼：评论论文
6计算机学生摘要，我们已经看到了康复外骨骼的出现，在康复疗法方面发生了革命。这些可穿戴的机器人正在改变瘫痪的患者和中风幸存者的游戏，为康复提供了新的希望。我们的团队一直在探索外骨骼设计的迷人世界，我们很高兴分享我们的见解。从机械设计到人类机器人相互作用，这些设备正在推动康复评估和治疗中可能的边界。在这篇评论中，我们将带您穿越康复外骨骼技术的发展。我们将研究这些人工外骨骼背后的生物力学，以了解联合机制和自由度。我们还将探索尖端的传感器技术，例如力传感器和惯性测量单元，从而使精确的运动控制成为可能。另外，我们将检查个性化治疗的自适应控制算法，并分享来自临床试验的现实世界经验。最后，您将清楚地了解该领域的前进方向及其改变生活的潜力。关键字：康复外骨骼，辅助机器人技术，可穿戴外骨骼，神经居住技术，人类机器人互动（HRI）康复外骨骼技术的进化康复外骨骼的旅程是不可思议的。从他们谦虚的开端到尖端设备，我们今天看到，这些可穿戴的机器人彻底改变了康复疗法领域。这些早期设计的示例包括DGO，Lopes和Alex 1。早期设计用于康复目的的外骨骼的概念在1960年代开始成形。最初，这些设备笨重，固定，主要用于训练具有体重支撑的跑步机的患者。这些系统旨在减少康复期间下肢的负载，但其有限的移动性限制了它们用于临床环境。随着技术的高级，研究人员开始专注于开发便携式辅助外骨骼。到2000年代初，我们看到了Ekso，Rewalk，Indego和Exo H2 1等设备的出现。这些外骨骼旨在为脊髓损伤导致完全麻痹的个体提供最大的援助。但是，它们仍然相对较重，重11至25千克1。
康复外骨骼：一篇评论论文
6 计算机专业学生摘要随着康复外骨骼的出现，我们看到了康复治疗的革命。这些可穿戴机器人正在改变瘫痪患者和中风幸存者的命运，为康复带来新的希望。我们的团队一直在探索迷人的外骨骼设计世界，我们很高兴分享我们的见解。从机械设计到人机交互，这些设备正在突破康复评估和治疗的极限。在这篇评论中，我们将带您了解康复外骨骼技术的演变。我们将深入研究这些人工外骨骼背后的生物力学，研究关节机制和自由度。我们还将探索使精确运动控制成为可能的尖端传感器技术，如力传感器和惯性测量单元。此外，我们将研究个性化治疗的自适应控制算法，并分享临床试验的真实经验。到最后，您将清楚地了解这个领域的发展方向及其改变生活的潜力。关键词：康复外骨骼、辅助机器人、可穿戴外骨骼、神经康复技术、人机交互 (HRI) 康复外骨骼技术的演变 康复外骨骼的发展历程可谓非同寻常。从不起眼的开始到我们今天看到的尖端设备，这些可穿戴机器人彻底改变了康复治疗领域。 早期设计 用于康复目的的外骨骼概念开始形成于 20 世纪 60 年代。最初，这些设备体积庞大、固定式，主要用于在跑步机上训练患者并支撑体重。这些早期设计的例子包括 DGO、LOPES 和 ALEX 1。这些系统旨在减轻康复期间下肢的负荷，但它们的有限移动性限制了它们在临床环境中的使用。随着技术的进步，研究人员开始专注于开发便携式辅助外骨骼。到 21 世纪初，我们看到了 Ekso、ReWalk、Indego 和 Exo H2 1 等设备的出现。这些外骨骼旨在为因脊髓损伤而完全瘫痪的人提供最大程度的帮助。然而，它们仍然相对较重，重达 11 至 25 公斤 1 。
emg-torquque模型用于外骨骼协助
摘要 - 在机器人外骨骼控制的领域，准确预测用户的意图至关重要。尽管表面肌电图（EMG）具有这种准确性的潜力，但目前的局限性是由于缺乏可靠的EMG至扭力模型校准程序和普遍接受的模型而产生的。本文介绍了一个实用的框架，用于校准和评估EMG-to-Torquque模型，并伴随着一种新型的非线性模型。该框架包括一个原位过程，涉及生成校准轨迹并随后使用标准化标准对其进行评估。对17名参与者的数据集进行了预期评估，并通过了单关节和多关节条件，这表明，新型模型在保持计算效率的同时，在准确性方面优于其他模型。此贡献引入了一个有效的模型，并建立了用于EMG-TORQUE模型校准和评估的多功能框架，并由可用的数据集进行了补充。这进一步为基于EMG的外骨骼控制和人类意图检测的未来进步奠定了基础。这项工作已提交给IEEE以供可能出版。版权可以在不通知的情况下传输，此后不再可以访问此版本。
外骨骼中的传感器和驱动技术
摘要：外骨骼是一种与人类密切互动的机器人，其用途越来越广泛，例如康复、日常生活活动 (ADL) 辅助、性能增强或触觉设备。在过去的几十年里，对这些机器人的研究活动呈指数级增长，传感器和驱动技术是其发展的两个基本研究主题。在这篇评论中，对与外骨骼相关的作品进行了深入研究，特别是这两个主要方面。初步阶段调查了科学出版物的时间分布，以捕捉人们对研究和开发外骨骼设计、驱动和传感器的新想法、方法或解决方案的兴趣。还根据设备用途、设备专用的身体部位、操作模式和设计方法分析了作品的分布。随后，详细分析了文献中描述的外骨骼的驱动和传感解决方案，强调了它们发展和传播的主要趋势。结果以示意图的方式呈现，并且还提出了分类法之间的交叉分析以强调新出现的特性。
预测使用外骨骼进行建筑工作的心理工作量：一种深度学习方法
摘要：外骨骼正在引起人们的注意，作为解决建筑行业背部受伤的潜在解决方案。但是，在施工中使用主动支持外骨骼会引发意想不到的后果，这可能会增加工人的心理工作量。长期增加心理工作可以影响工人的福祉和生产力。预测外骨骼使用期间的心理工作量可以为减轻触发因素提供依据。这项研究研究了两个机器学习框架，用于使用主动的背支持外骨骼进行施工工作来预测精神工作量。实验实验，其中脑电图（EEG）的数据是从戴着主动背支架外骨骼的参与者那里收集的，以执行地板任务。EEG数据接受了预处理，包括频带滤波，缺口过滤和独立的组件分析，以删除工件并确保数据质量。基于回归的长期记忆（LSTM）网络和卷积神经网络和LSTM的混合模型进行了培训，以预测处理后的脑电图数据的未来时间步骤。使用均方根误差和R平方评估网络的性能。平均均方根误差为0.162，R平方为0.939，表明LSTM网络在所有EEG通道上具有更好的预测能力。实际心理工作量和预测的心理工作量之间的比较结果还表明，实际心理工作负载中约有75％的差异是在预测的心理工作中捕获的。这项研究增强了对在建筑工作中使用外骨骼的意外后果的理解。结果强调了各种卷积神经网络方法在识别关键EEG数据特征的有效性，并为未来应用中的算法选择提供了指南。此外，该研究还确定了在使用外骨骼期间评估心理工作量的最合适的大脑通道，从而有助于EEG设备的开发，以优化成本效益，解释力和最少的通道。这项研究为利益相关者提供了宝贵的见解，以便在使用外骨骼并发现缓解机会的同时了解心理工作的影响。