Reach&Grasp:在简单和复杂的运动中对整个上肢的多式数据集

科学领域:

• 神经科学是一个神经科学.
• 机器人技术 机器人技术 机器人技术
• 生物力学 生物力学

背景情况:

• 上肢运动的表征对于运动控制研究和假肢开发至关重要.
• 目前的方法通常仅依赖于电生理学或动力学数据,可能缺少关键的相互作用信息.
• 整合触觉数据提供了更丰富的了解抓取过程中环境相互作用.

研究的目的:

• 为了呈现一个新的,多模式数据集,用于上肢运动的特征.
• 促进运动控制,传感器融合和假肢/机器人控制算法的研究.
• 提供符合大脑成像数据结构 (BIDS) 标准的验证数据集.

主要方法:

• 收集了来自10名健康志愿者的数据,他们执行了16个不同的上肢任务.
• 利用多种记录方式:电肌图 (双极和高密度),动力学 (运动捕捉和传感手套) 和触觉传感.
• 根据大脑成像数据结构 (BIDS) 标准组织和验证了数据集.

主要成果:

• 一个综合的数据集,整合了电肌图,动态和触觉记录,成功编译.
• 该数据集涵盖了一系列简单和复杂的上肢运动,包括抓取和伸展.
• 数据验证证实了研究应用的可靠性.

结论:

• 提出的多模式数据集显著增强了对上肢运动的研究.
• 它是测试传感器融合技术和先进假肢和机器人的控制策略的宝贵资源.
• 触觉数据的包含为运动期间的人类与环境相互作用提供了新的见解.