XiaoMi-AI文件搜索系统
World File Search System外骨骼
科幻原型
尽管许多研究都探索过科幻原型作为新产品开发的方法，但从未有研究使用过这种方法来研究残疾人的出行和交通技术需求。本研究根据想象力研讨会上专家的意见创建了一个科幻原型，然后作者将其展示给一组行动不便的残疾人样本。通过联合分析，样本成员描述了他们认为最重要的原型元素。参与者认为个人移动辅助技术（自动轮椅或外骨骼）最重要，其次是个人自动化（自动 [无人驾驶] 汽车或个人机器人），第三是个人辅助技术（实时响应与增强元宇宙规划系统）。联合分析的输出被聚类，并出现了三类个体（i）更具创新思维的人，他们占据第一个集群，更喜欢外骨骼、个人机器人和元宇宙的订阅，（ii）看起来不太倾向于技术的人，更喜欢自动轮椅、自动驾驶汽车和实时辅助系统的订阅，以及（iii）一个群体，其成员喜欢 AV，但几乎没有其他偏好。
迈向通用机器人：将生成人工智能与人形机器人连接起来
Technavio 的“2023-2027 年全球人形机器人市场”研究估计了年平均增长率**数据从每个参与者的网站收集，并经过 Factiva 新闻评论和市场研究中的参与者识别（Technavio、Statista、IDC、Forrester）。人形机器人市场的其他关键研究：Statista 对全球协作机器人市场的研究（2022 年）；Insight Partners 对欧洲外骨骼机器人系统市场的研究（2023 年）
NeuroRehabititation中的机器人辅助运动分析
摘要：在神经康复领域，机器人辅助运动分析（R-AMA）可能有帮助，这有两个主要原因：（1）允许以更准确的方式注册和监视患者的运动参数，而不是临床量表（临床目的），以及（2）使用R-ama的数据量和（2）使用R-AMA的多种多类因素，并且可以使用R-ama的数量来构建MACHIME ALSTIVES，并且可以使用R-ama的数量来构建MACHINE ALGORT，结果（研究目的）。尽管在临床环境中具有潜力，但机器人评估工具仍未获得广泛的临床接受。与现有标准化量表相比，一些障碍仍然存在于其临床采用率。在这篇叙述性评论中，我们试图研究R-AMA系统对受神经系统疾病影响的患者的有用性。我们发现最常用的R-AMA工具是Lokomat（用于步态和平衡康复的外骨骼设备）和Armeo（用于恢复上肢损伤的功率和弹簧）。这些机器人设备提供的运动分析用于根据患者功能能力的客观定量来量身定制康复会议。脊髓损伤和中风患者是患有这些常见外骨骼的人。应考虑到能够预测运动准确性的生物力学参数，研究将机器人技术用作评估工具。
社论：用于运动的神经假体
在过去十年中，我们见证了神经假体的快速发展，神经假体是一种将大脑与外部辅助和康复设备连接起来的系统。虽然这项工作主要研究的是能够实现手臂和手部感觉运动功能的神经假体，但人们对恢复运动能力（即在空间中移动的能力）的神经假体的兴趣也日益浓厚。大脑控制的轮椅和外骨骼就是这种神经假体的例子。本研究主题中的文章集合介绍并讨论了现有证据、概念框架、神经假体设计和有关将神经假体应用于步态辅助和康复的实际问题。研究主题涵盖了一系列问题，例如控制方案、机器人方面、有效性、运动性能特征、神经基础、伦理、对神经系统疾病的重要性、运动学习和运动功能恢复。这些贡献总结如下，分为 7 个主题类别：（i）评论和观点，（ii）动物研究，（iii）平衡控制，（iv）运动假肢，（v）肌电控制，（vi）基于脑电图 (EEG) 的下肢假肢控制系统，以及（vii）脊髓神经调节和外骨骼步态训练对瘫痪患者的综合影响。
加斯通Pietro Rosati Papini
2012-2016博士在桑坦纳大学的新兴数字技术中，人类机器人相互作用的电活性聚合物的电动聚合物的控制理论论文：OWC波能量转换器的介电弹性弹力生成器的动态建模和控制，2015年7月di pisa summly 2013年7月Summly Summers -2013 summly -2013感知机器人技术和外骨骼，意大利Gargonza
PreMovNet：基于运动前脑电图的抓握和举起任务手部运动学估计
摘要——从大脑活动进行运动学解码有助于开发康复或增强功率的脑机接口设备。从非侵入性脑电图 (EEG) 记录的低频信号与用于运动轨迹解码 (MTD) 的神经运动相关性相关。在本通讯中，研究了从运动前 delta 波段 (0.5-3 Hz) EEG 解码运动运动轨迹的能力，适用于健康参与者。具体来说，提出了两个基于深度学习的神经解码器，称为 PreMovNet-I 和 PreMovNet-II，它们利用运动前 EEG 数据中存在的运动相关神经信息。为此，使用了运动开始前具有不同时间滞后的 150 毫秒、200 毫秒、250 毫秒、300 毫秒和 350 毫秒的 EEG 数据段。使用 EEG 为抓握和举起任务 (WAY-EEG-GAL 数据集) 呈现 MTD，并将各种滞后作为神经解码器的输入。将所提出的解码器的性能与最先进的多变量线性回归 (mLR) 模型进行比较。使用皮尔逊相关系数和手部轨迹作为性能指标。结果证明了使用运动前 EEG 数据解码 3D 手部运动学的可行性，从而能够更好地控制基于 BCI 的外部设备，例如外骨骼/外骨骼。
外泌体
ExoAtlet 的故事是如何开始的？我毕业于莫斯科国立罗蒙诺索夫大学力学与数学系，还拥有俄罗斯总统国民经济与公共管理学院的工商管理硕士学位。我们的工程团队驻扎在莫斯科国立大学，我们的科学领袖专攻人工智能 (AI)，对这些技术非常了解。我们的机器人技术资深人士在机器人技术领域工作超过 15 年，在轮式和步行机器人的系统控制方面拥有丰富的经验。2015 年，我们研究了不同的技术，然后决定成立一家专门从事外骨骼的商业公司。自从我们开始开发外骨骼以来，技术发生了巨大的变化。与旧电池相比，电池更轻、能量密度更高，而且体积和重量也没有那么大和重。近年来，微电子技术也在稳步发展。我们的梦想是用轻便易戴的结构和持久耐用的电机来帮助残疾人。第一阶段是开发阶段和临床试验。我们与所谓的“试点患者”合作。这些先驱者准备试验一项创新的机器人技术，唯一的目标就是重新行走并拥有新的生活质量。在 2016 年获得俄罗斯首个医疗认证之前，我们进行了许多不同的测试。凭借此认证，我们能够开始销售并覆盖大量医院和约 1,000 名患者。2017 年，我们在韩国成立了第一家俄罗斯以外的公司。作为认证的一部分
工作场所中的可穿戴技术
它是什么？可穿戴技术或可穿戴设备是佩戴在身上的设备，其尺寸、形状和功能各不相同。一些雇主对使用可穿戴设备来提高工人的安全性和生产力的兴趣日益浓厚。工业用途一般分为四类：(1) 辅助设备在身体上协助工人完成诸如举重等任务（例如外骨骼和动力手套）；(2) 监测设备提醒工人生命体征或工作场所环境的具体变化（例如智能头盔）；(3) 训练设备提供运动反馈（例如人体工程学传感器）或帮助提高工人绩效（例如增强现实 (AR) 眼镜）；以及 (4)
一项研究脑机接口机器人辅助中风康复后神经活动和运动恢复变化的临床试验
图 2. 基于 EEG 的 BMI 控制 MAHI 外骨骼用于中风康复。A) 临床研究方案的时间表。B) 实验装置的示意图，显示中风参与者的受损肘部正在接受 MAHI Exo-II 的训练，同时记录 EEG 和 EMG 活动。在此 BMI 方案中，在向外骨骼发出“开始”或“等待”命令之前，先通过 EEG 成功检测到运动意图，然后对照受损手臂的残留 EMG 活动进行验证。参与者面前的计算机屏幕提示试验的开始和结束，并同时提供运动的视觉反馈。