MARC

 008260126s2025        us                              c    eng  d
■001000017360737
■00520260202105612
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265427564
■035    ▼a(MiAaPQ)AAI32316413
■035    ▼a(MiAaPQ)Stanfordrk285vs3750
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a000
■1001  ▼aLakmazaheri,  Ava.
■24510▼aToward  Co-Adaptive  Human-Exoskeleton  Interaction
■260    ▼a[Sl]▼bStanford  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a109  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Collins,  Steve.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2025.
■520    ▼aMillions  of  people  worldwide  experience  mobility  challenges  that  can  adversely  affect  their  health  and  quality  of  life.  Lower-limb  exoskeletons  have  the  potential  to  enhance  mobility  by  acting  in  parallel  with  the  body  to  help  people  walk  farther,  faster,  and  with  less  fatigue.  Designing  effective  assistance  is  challenging,  however,  given  the  complex  interplay  of  individual  and  contextual  factors  that  guide  movement.  Current  exoskeleton  systems  are  limited  in  their  ability  to  accommodate  changing  behaviors  over  time  and  for  varied  individuals.  This  dissertation  presents  three  studies  that  explore  how  interaction  with  ankle  exoskeletons  can  be  made  more  responsive  to  the  multifactorial  and  dynamic  nature  of  human  gait.In  the  first  study,  we  evaluate  the  effectiveness  of  a  multi-objective  approach  to  personalizing  exoskeleton  assistance  for  older  adults.  Optimizing  ankle  assistance  for  both  energy  economy  and  self-selected  walking  speed  yielded  meaningful  improvements  in  both  measures.  We  observed  agerelated  effects  on  responses  to  exoskeletons,  including  slower  motor  learning  that  may  limit  the  effectiveness  of  existing  training  paradigms  with  aging  populations.These  results  motivated  the  dissertation's  subsequent  studies  to  examine  how  people  adapt  to  exoskeletons  and  how  that  adaptation  process  can  be  enhanced  through  training.  We  analyzed  gait  changes  between  novice  and  expert  exoskeleton  users  and  identified  consistent  trends  associated  with  the  acquisition  of  stable  motor  skill.  While  some  benefits  presented  quickly,  greater  improvements  corresponded  with  people  mitigating  initial  perturbations  caused  by  the  exoskeletons.  This  finding  provided  new  insight  into  the  motor  processes  that  support  effective  exoskeleton  adaptation.  Building  on  this  work,  we  developed  a  biofeedback-based  training  approach  to  accelerate  exoskeleton  mastery.  Guiding  novice  users  to  modify  their  gait  kinematics  to  reduce  initial  exoskeleton-induced  perturbations  enabled  them  to  benefit  more  from  assistance  in  less  time.  These  findings  demonstrate  the  promise  of  personalized  training  approaches  to  enhance  exoskeleton  use.Together,  the  studies  in  this  dissertation  advance  the  design  of  adaptive  exoskeleton  systems  that  account  for  both  human  performance  goals  and  learning  dynamics.  We  demonstrated  meaningful  improvements  in  exoskeleton  personalization  and  training,  underscoring  the  importance  of  designing  for  human-exoskeleton  interaction.  Continued  efforts  in  this  area  have  the  potential  to  make  exoskeletons  more  effective,  intuitive,  and  desirable,  ultimately  enabling  these  technologies  to  better  support  people  with  diverse  mobility  needs  in  real-world  settings.
■590    ▼aSchool  code:  0212.
■650  4▼aAnkle
■650  4▼aGait
■650  4▼aKinematics
■650  4▼aAging
■650  4▼aChronic  illnesses
■650  4▼aAdaptation
■650  4▼aBiofeedback
■650  4▼aMetabolism
■650  4▼aFitness  equipment
■650  4▼aOlder  people
■650  4▼aWalking
■650  4▼aMuscle  function
■650  4▼aEnergy  consumption
■650  4▼aMann-Whitney  U  test
■650  4▼aMobility
■650  4▼aKinesiology
■650  4▼aGerontology
■650  4▼aMedicine
■690    ▼a0493
■690    ▼a0575
■690    ▼a0351
■690    ▼a0564
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360737▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서