MARC

 008260126s2024        us                              c    eng  d
■001000017360415
■00520260202105521
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263341985
■035    ▼a(MiAaPQ)AAI32309594
■035    ▼a(MiAaPQ)GeorgiaTech77666
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a000
■1001  ▼aWu,  M.
■24510▼aLow-Force  Hand  Interactions  Induce  Changes  to  Human  Gait  Through  Sensorimotor  Engagement  with  Task-relevant  Information  Instead  of  Direct  Mechanical  Effects
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a177  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Ting,  Lena  H.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aThe  motivation  for  this  research  is  to  develop  intuitive  low-force  human-robot  hand  interactions  to  alter  human  walking.  These  types  of  interactions  have  the  potential  to  improve  human  movement,  enhance  physical  collaborations  between  human-human  and  human-robot  partners,  and  facilitate  the  performance  of  physical  tasks  not  previously  possible.  While  current  physical  human-robot  interactions  aid  walking  primarily  through  direct  mechanical  effects  -  i.e.  by  applying  large  forces  directly  on  human  tissues/joints  to  propel  locomotion  or  by  supporting  significant  bodyweight,  I  take  a  different  approach  to  improving  walking  through  low-force  interactions  at  the  hands.  This  approach  is  inspired  by  subtle  hand  interactions  between  human  partners  that  alter  gait  without  explicit  instructions  or  training.  While  concepts  from  human-human  interactions  have  the  potential  to  inspire  human-robot  interactions,  the  control  strategies  for  modifying  gait  in  human  partners  are  not  well  understood,  and  there  are  no  existing  hand-contact  robotic  devices  adequate  for  testing  controllers  based  on  human-human  hand  interactions  during  walking.Through  a  series  of  human-human  and  human-robot  studies,  I  demonstrate  my  central  hypothesis  that  low-force  hand  interactions  can  induce  people  to  change  their  own  gait  through  sensorimotor  engagement  with  task-relevant  haptic  information  instead  of  relying  on  direct  mechanical  effects.  I  demonstrate  the  feasibility  for  hand  interactions  to  induce  intended  changes  to  gait  by  showing  a)  improvements  to  balance  and  desired  changes  to  step  frequency  in  human-human  interactions  and  b)  desired  changes  to  gait  coordination  in  human-robot  interactions.  I  demonstrate  that  these  gait  changes  do  not  rely  solely  on  mechanical  effects  by  showing  that  a)  hand  forces  remain  below  30N,  b)  mechanical  power  transfer  at  the  hands  is  not  sufficient  for  directly  propelling  walking,  and  c)  gait  changes  occur  only  when  humans  expect  task-relevant  information  from  hand  interactions.This  research  establishes  a  scientific  framework  for  examining  human  sensorimotor  control  of  hand  interactions  during  walking.  I  develop  novel  experimental  paradigms,  analysis  methods,  computational  models,  and  a  physical  device  -  a  robotic  emulator  -  to  enable  investigations  of  human  control  strategies.  My  results  provide  principles  of  haptic  communication  and  sensorimotor  engagement  for  physical  collaborations  between  human-human  and  human-robot  partners  as  well  as  greater  understanding  of  how  hand  interactions  influence  walking  within  an  individual.This  work  also  has  broad  engineering  applications  for  improving  human  walking  and  performance  of  hand  interactions  during  walking.  I  develop  a  hand  pHRI  controller  specifically  to  alter  gait  coordination  and  provide  general  guiding  principles  for  designing  effective  and  intuitive  low-force  hand  interactions  during  walking.  Such  controllers  have  many  potential  applications,  such  as  physical  assistance  and  rehabilitation  (e.g.  robotic  walkers),  industrial  manufacturing  (e.g.  human-robot  load-transportation),  physical  education  (e.g.  teaching  dance),  and  recreation.
■590    ▼aSchool  code:  0078.
■650  4▼aMotion  capture
■650  4▼aUser  training
■650  4▼aRobots
■650  4▼aHands
■650  4▼aRobotics
■650  4▼aSkills
■650  4▼aOrthopedic  apparatus
■650  4▼aHandicapped  assistance  devices
■650  4▼aGait
■650  4▼aAdaptive  technology
■650  4▼aWalking
■650  4▼aBiomedical  engineering
■650  4▼aBiomechanics
■650  4▼aDisability  studies
■690    ▼a0771
■690    ▼a0541
■690    ▼a0648
■690    ▼a0201
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360415▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서