MARC

 008260203s2023        us                              c    eng  d
■001000017365954
■00520260209102902
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263326869
■035    ▼a(MiAaPQ)AAI32308229
■035    ▼a(MiAaPQ)GeorgiaTech75530
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a000
■1001  ▼aMolinaro,  Dean.
■24512▼aA  Framework  for  Autonomous  Exoskeleton  Assistance  Independent  of  Activity
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a207  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Young,  Aaron.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2023.
■520    ▼aThe  day  that  exoskeletons  assist  their  human  counterparts  throughout  daily  life  continues  to  draw  nearer.  With  overall  mobility  correlated  closely  with  quality  of  life,  exoskeleton  technology  can  drive  substantial  positive  impacts  in  society.  Over  the  past  few  years,  exoskeleton  research  has  boomed,  with  significant  advances  in  optimizing  humanexoskeleton  interactions  and  overall  device  designs;  however,  to  translate  this  technology  into  the  real-world  requires  an  intelligent  controller  able  to  assist  the  user  throughout  their  day.  In  this  work,  a  first-of-its-kind,  task-agnostic  controller  is  proposed,  optimized,  and  validated.  The  controller  commanded  exoskeleton  assistance  based  solely  on  the  user's  underlying  joint  moments,  which  naturally  vary  with  changes  in  human  activity.  Since  human  joint  moments  cannot  be  measured  directly,  a  deep  neural  network  was  optimized  and  integrated  into  the  controller  to  generate  instantaneous  user  joint  moment  estimates.  The  model  was  validated  across  over  60  ambulatory  and  non-ambulatory  conditions  without  any  calibration  or  data  required  from  the  user.  When  deployed  onboard  an  autonomous  hip  exoskeleton,  the  resulting  controller  significantly  reduced  human  energetics  during  multiple  ambulation  modes.  Additionally,  when  deployed  on  a  multijoint  exoskeleton,  the  task-agnostic  controller  augmented  human  energetics  during  both  cyclic  and  non-cyclic  activities  by  seamlessly  coordinating  assistance  across  the  hip  and  knee  without  any  experimenter  intervention.  Thus,  this  work  presents  substantial  progress  in  autonomous  exoskeleton  control,  bridging  the  gap  between  in-lab  exoskeleton  benefits  and  real-world  need.
■590    ▼aSchool  code:  0078.
■650  4▼aAnkle
■650  4▼aKinematics
■650  4▼aRunning
■650  4▼aExercise
■650  4▼aMotion  capture
■650  4▼aBoxes
■650  4▼aMetabolism
■650  4▼aFitness  equipment
■650  4▼aMobility
■650  4▼aRobotics
■650  4▼aGait
■650  4▼aQuality  of  life
■650  4▼aHuman  performance
■650  4▼aNeural  networks
■650  4▼aForce
■650  4▼aStatistical  significance
■650  4▼aWalking
■650  4▼aBiomechanics
■650  4▼aKinesiology
■690    ▼a0771
■690    ▼a0648
■690    ▼a0800
■690    ▼a0575
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17365954▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books