XiaoMi-AI文件搜索系统
World File Search System外骨骼
提高步行和跑步经济
自 21 世纪初以来，研究人员一直在尝试开发下肢外骨骼，通过降低行走和跑步时与不使用设备相比的代谢成本来增强人类的活动能力。2013 年，研究人员终于突破了这一“代谢成本障碍”。我们分析了截至 2019 年 12 月的文献，发现有 23 项研究表明外骨骼设计能够提高人类步行和跑步的经济性，而不仅仅是不使用设备。在这里，我们回顾了这些研究，并强调了使这些设备能够突破代谢成本障碍并在 2013 年至近 2020 年期间稳步提高用户步行和跑步经济性的关键创新和技术。这些研究包括基于生理的下肢关节定位；使用板外执行器快速制作外骨骼控制器原型；主动和被动系统的机电一体化设计；以及重新关注人外骨骼界面设计。最后，我们强调了预计将进一步增强可穿戴设备性能的新兴趋势，并对增强人类移动性的外骨骼技术面临的下一个重大挑战提出了挑战。
通过马哈拉诺比斯距离识别下肢外骨骼中的用户意图
摘要 — 现有的下肢机器人外骨骼控制策略对用户意图的侧重点有所不同，这些意图的分辨率各不相同，从高级目标（提高速度）到中级动作（增加步幅）再到低级关节行为（增加髋关节屈曲）。虽然外骨骼上的传感器只能通过人机界面间接感知人类，但它们在穿戴设备所需的时间方面比更直接的方法更具优势。在本研究中，要求外骨骼用户（包括身体健全和脊髓损伤）改变他们的预期步行速度。机载传感器测量结果用于离线测试基于马哈拉诺比斯距离的意图识别算法。该算法的目标是识别意图变化并正确分类其类型，但不是通过外骨骼实现该变化。该算法正确识别了用户希望以比设备标称速度更快或更慢的速度行走的情况。对于体格健全的受试者，已知意图变化与算法正确识别之间的平均延迟为 0.63 秒。对于体格不健全的受试者，这一延迟平均为 0.93 秒。这些概念验证结果表明，基于马哈拉诺比斯距离的意图识别是可能的，而对该方法的分析表明，还有进一步改进的空间。
用于治疗杜氏肌营养不良症儿童的步态辅助外骨骼的机电一体化设计
摘要：本文介绍了一种用于治疗杜氏肌营养不良症 (DMD) 儿童的步态辅助外骨骼的机电一体化设计。这种类型的肌营养不良症是一种严重的疾病，会导致肌肉萎缩，从而导致活动能力逐渐丧失。临床研究表明，物理治疗有助于延长杜氏肌营养不良症患者的活动能力。然而，治疗过程是由高素质康复人员执行的繁琐活动，这使得为每位患者提供适当的治疗变得困难。本文开发了一种步态辅助外骨骼的机电一体化设计，以实现治疗过程的自动化。外骨骼设计使用适应性机制来根据患者的需求调整设备，并包括串联弹性致动器的设计，以减少外骨骼和患者之间旋转轴不对齐的影响。利用六岁儿童的人体测量数据，开发了外骨骼和儿童身体的数学动态混合模型。混合模型用于设计非线性控制策略，该策略使用微分几何进行反馈线性化并确保稳定的参考跟踪。所提出的控制律在模拟中进行了数字验证，以评估在使用轨迹跟踪程序进行治疗期间，控制系统在参数变化下的性能和鲁棒性。
引用：Çörekçi, M. Ergüzel, T. (2024)。基于人工智能的可穿戴机器人外骨骼用于截肢患者康复：元分析，《科学、技术与工程研究杂志》，4(1)：1-10。DOI：10.53525/jster.1430072 重点 单源截肢患者康复中使用的人工智能技术的效果 截肢患者康复中最常用的人工智能技术的比较 截肢患者康复更倾向于使用 BCI 技术 研究人员可以从单一来源找到截肢患者使用的人工智能技术 文章信息 摘要
截肢是指因意外、糖尿病、癌症、肿瘤、骨髓炎、血管疾病等原因而失去全部或部分肢体。截肢影响着全世界数百万人的运动功能和生活质量。此外，患有这种残疾的人不仅行动不便，而且心理上也受到影响。本研究旨在研究人工智能外骨骼对截肢康复的影响，外骨骼是截肢者的希望之源，并比较所使用的人工智能技术。为此，我们回顾了文献，并对过去 10 年关于脑机接口、机器学习、深度学习、人工神经网络等人工智能技术对截肢患者康复的影响的研究进行了定性荟萃分析。定性荟萃分析的结果显示，截肢患者康复中最常用的人工智能技术是脑机接口，所有基于人工智能的外骨骼都对康复产生了积极的影响，并且得益于这些人工智能技术，截肢患者的活动限制得到了减少。关键词：截肢康复、人工智能、脑机接口、深度学习、外骨骼。
使用基于模糊逻辑的疼痛检测方法
摘要：上肢康复中机器人系统的利用已显示出令人鼓舞的结果，以帮助有运动障碍的人。这项研究引入了一种创新的方法，通过开发优化的刺激控制系统（OSCS）来提高上肢外骨骼外骨骼辅助康复的效率和适应性。所提出的OSC集成了一种基于模糊的逻辑检测方法，旨在准确评估和应对康复期间患者的疼痛阈值。通过采用模糊逻辑算法，系统会动态调整外骨骼的刺激水平和控制参数，以确保个性化和优化的康复协议。这项研究进行了全面的评估，包括仿真研究和临床试验，以验证OSCS在改善康复结果中的功效，同时优先考虑患者的舒适性和安全性。这些发现证明了OSC通过提供针对个人患者需求的可定制和适应性框架来革新上肢外骨骼辅助康复的潜力，从而促进了机器人辅助康复领域的发展。
基于人工智能和物联网的智能外骨骼系统，助力互联社区瘫痪患者康复
SUNIL JACOB 1,5 , MUKIL ALAGIRISAMY 1 , CHEN XI 2 , VENKI BALASUBRAMANIAN 3 , RAM SRINIVASAN 4 , PARVATHI R. 5 , NZ JHANJHI 6 , AND SARDAR MN ISLAM 7 , (IEEE 会员) 1 林肯大学学院电子与通信工程系，马来西亚八打灵再也 47301 2 南京大学商学院，江苏 210000，中国 3 联邦大学科学、工程与信息技术学院，澳大利亚维多利亚州 Mount Helen 3350 4 中央昆士兰大学电气工程与技术学院，昆士兰州 Norman Gardens 4701，澳大利亚 5 SCMS 工程与技术学院电子与通信工程系，印度科钦 683576 6 泰莱大学计算机科学与工程学院 (SCE)，苏邦Jaya 47500，马来西亚 7 维多利亚大学应用信息学研究，墨尔本，VIC 3011，澳大利亚
基于转移学习的脑机界面，用于检测外骨骼辅助步行期间障碍物的出现
结果和讨论：使用两个连续网络的方法与仅在交叉验证伪在线分析中的第一个方法时，结果是优越的。每分钟（FP/min）的假阳性从31.8降低至3.9 fp/min，重复数量没有误报和真正的阳性（TP）从34.9％提高到60.3％的NOFP/TP。在用外骨骼的闭环实验中测试了这种方法，其中脑机接口（BMI）检测到障碍物，并将命令发送到外骨骼以停止。使用三个健康受试者测试了这种方法，在线结果为3.8 fp/min，NOFP/TP进行了49.3％。使该模型适用于具有缩短且可管理的时间范围的不可能的身体患者，在先前的测试中应用和验证了转移学习技术，然后将其应用于患者。两名不完全的脊髓损伤（ISCI）患者的结果为37.9％NOFP/TP和7.7 fp/min。
研讨会大纲日（-1）日期：2024 年 10 月 25 日地点
时间 主题 教师 11:30 - 11:45 脊髓损伤后步态训练的外骨骼技术进展 Sunpreet Singh 先生 11:45 - 12:15 先进外骨骼的演示 Ankush Gera 先生 12:15 - 12:30 多功能基于生物反馈的运动传感器系统和先进的基于生物反馈的平衡系统
开发一个基于运动图像的实时异步混合型BCI控制器，用于下LIMB外骨骼
摘要：这项研究旨在开发与步态相关的运动图像（MI）基于较低LIMB外骨骼的基于与基于步态相关的运动图像（MI）的混合脑机构界面（BCI）控制器，并研究控制器在包括标准，Gait-Forwhard和Sit-Down的实际情况下的可行性。在研究中使用过滤库的公共空间模式（FBCSP）和基于信息的最佳个人特征（MIBIF）选择来解码MI脑电图（EEG）信号，并提取特征矩阵作为支持向量机（SVM）分类的输入。连续的眼光开关在操作下LIMB外骨骼时依次与EEG解码器结合。十个主题在OfflINE（培训）和在线方面都表现出80％以上的精度。所有受试者通过开发的实时BCI控制器穿着下LIMB外骨骼成功完成了步态任务。与手动智能手表控制器相比，BCI控制器的时间比为1.45。开发的系统可能有可能是具有神经系统疾病的人，他们可能有效地操作手动控制。
现在需要全面的人工智能治理
调查发现，事故主要有三个原因：首先，外骨骼的 AI 平衡算法已经在室内经过了数千小时的训练，训练者是 100 多名在运动或交通事故中受伤、想要重新学习走路、跑步和运动的年轻志愿者。吉田先生是第一位尝试外骨骼的老年人。调查发现，外骨骼对吉田先生的动作反应过快，导致他反应过度而失去平衡。此外，在第三次测试当天，进行测试的地面略微潮湿，这种情况在训练数据中从未出现过。最后，吉田先生似乎因前两次测试的成功而变得更加大胆。考虑到潮湿的环境，他没有像以前那样谨慎，而他应该更加谨慎。