感受节奏:一个聪明的手外骨学习演奏乐器

科学领域:

• 机器人技术 机器人技术 机器人技术
• 康复工程 康复工程
• 机器学习 机器学习

背景情况:

• 神经创伤,如中风和臂损伤,往往会损害四肢功能,限制日常活动.
• 软软的机器人外骨架有助于康复,但难以恢复精细运动技能,比如演奏乐器.
• 为了提高生活质量,开发用于熟练任务再学习的辅助技术至关重要.

研究的目的:

• 介绍一个柔软的机器人手外骨架,集成机器学习,用于钢琴演奏康复.
• 为了使个人能够"感觉"正确和不正确的音乐表演之间的区别.
• 评估触觉反对重新学习复杂运动技能的有效性.

主要方法:

• 设计了一种柔软的机器人手外骨架,集成了压对应式传感器阵列 (每指尖16个taxel).
• 使用聚乙烯酸 (PVA) 创建了内部压力室,用于五个单独执行的数字.
• 人工神经网络 (ANN),随机森林 (RF) 和K-Nearest Neighbor (KNN) 算法使用来自80个taxel的触觉数据进行训练,以分类带有节奏错误的歌曲变化.

主要成果:

• 人工神经网络 (ANN) 算法实现了最高的分类准确性.
• 在人类实验中,ANN的准确度为97.13% ± 2.00%,在独立实验中准确度为94.60% ± 1.26%.
• 该系统通过触觉感应有效地区分了正确和错误的音乐表演.

结论:

• 开发的智能外骨显示出有很大的潜力,可以帮助残疾人重新学习灵巧的任务.
• 软机器人外骨的触觉反可以增强运动重学,特别是复杂的技能,如演奏乐器.
• 这项技术为神经康复提供了一种新的方法,改善功能恢复和日常生活活动.