基于人类上肢模型的自适应重力补偿框架,用于辅助机器人手臂延伸器.

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物力学 生物力学
• 康复工程 康复工程 康复工程

背景情况:

• 上肢辅助和康复机器人对于运动障碍患者至关重要.
• 像ARAE这样的终端效应器类型机器人需要对人类上肢进行有效的重力补偿.
• 准确的重力补偿对于这些机器人的实际部署至关重要.

研究的目的:

• 为辅助机器人手臂延伸器 (ARAE) 提出一个适应性的重力补偿框架.
• 为了实现基于对人类上肢姿势在3D空间中的实时估计的重力补偿.
• 为了提高3D终端效应器康复和辅助机器人的可用性和可行性.

主要方法:

• 实时估计人类手臂关节角度,仅使用机器人动力学数据和人类模型,没有可穿戴传感器 (例如IMU).
• 使用运动捕捉系统验证关节角度估计的准确性.
• 将估计的关节角度输入到刚性链接模型中,以确定机器人的支力配置文件.

主要成果:

• 在没有外部传感器的情况下,可以精确估计人类手臂关节角度.
• 开发的ARAE机器人展示了一种适应性支力,可以在3D空间中适应不同的人类手臂姿势.
• 适应性重力补偿框架的有效性得到了验证.

结论:

• 拟议的自适应重力补偿框架显著提高了ARAE机器人的功能.
• 这种无传感器的方法提高了3D终端效应器辅助和康复机器人的实用性和部署.
• 该研究验证了适应性重力补偿对上肢机器人辅助的潜力.