Esquema de Control de Admisión Adaptativa con Interacción de Realidad Virtual para el Entrenamiento de Fuerza de Miembros Inferiores Asistido por Robot
Autores: Lin, Musong; Wang, Hongbo; Niu, Jianye; Tian, Yu; Wang, Xincheng; Liu, Guowei; Sun, Li
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Esquema de Control de Admisión Adaptativa con Interacción de Realidad Virtual para el Entrenamiento de Fuerza de Miembros Inferiores Asistido por Robot
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Debilidad muscular
Dificultad de movilidad
Entrenamiento de fuerza
Entrenamiento activo asistido por robot
Interacción en realidad virtual
Controlador adaptativo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
La debilidad muscular es la principal discapacidad que causa dificultades de movilidad entre los sobrevivientes de un accidente cerebrovascular. Millones de personas no pueden vivir normalmente debido a las dificultades de movilidad cada año. El entrenamiento de fuerza es un método efectivo para mejorar la capacidad de las extremidades inferiores, pero está limitado por la escasez de personal médico. Por lo tanto, este documento propone un entrenamiento activo asistido por robot (RAAT) mediante un esquema de control de admisión adaptativo con interacción de realidad virtual (AACVRI). AACVRI consiste en un controlador de admisión variable de rigidez, un controlador adaptativo y interacciones de realidad virtual (VR). Para proporcionar interacciones de realidad humano-robot correspondientes a escenas virtuales, se desarrolló una ley de control de admisión con un término de rigidez variable para definir la propiedad mecánica del efector final. El controlador adaptativo mejora el rendimiento de seguimiento al compensar las fuerzas de interacción y las desviaciones del modelo dinámico. Se utiliza un entorno de entrenamiento virtual que incluye seguimiento de acciones, retroalimentación de eventos y un mecanismo de competencia para mejorar la experiencia de entrenamiento aburrida y involucrar a los usuarios para mantener un estado activo en el entrenamiento de ciclismo. Para verificar el rendimiento del controlador y la viabilidad de RAAT, se realizaron experimentos con ocho sujetos. El control de admisión proporciona interacciones variables deseadas a lo largo de la trayectoria. El robot responde a diferentes eventos virtuales cambiando los parámetros de admisión de acuerdo con las retroalimentaciones de activación. El control adaptativo asegura que los errores de seguimiento se mantengan a un nivel bajo. Los sujetos se mantuvieron en un estado activo durante este entrenamiento de fuerza. Sus señales fisiológicas aumentaron significativamente y las fuerzas de interacción estuvieron en un nivel alto. RAAT es un enfoque viable para el entrenamiento de fuerza de las extremidades inferiores, y los usuarios pueden completar de manera independiente un entrenamiento de fuerza activa de alta calidad bajo RAAT.
Descripción
La debilidad muscular es la principal discapacidad que causa dificultades de movilidad entre los sobrevivientes de un accidente cerebrovascular. Millones de personas no pueden vivir normalmente debido a las dificultades de movilidad cada año. El entrenamiento de fuerza es un método efectivo para mejorar la capacidad de las extremidades inferiores, pero está limitado por la escasez de personal médico. Por lo tanto, este documento propone un entrenamiento activo asistido por robot (RAAT) mediante un esquema de control de admisión adaptativo con interacción de realidad virtual (AACVRI). AACVRI consiste en un controlador de admisión variable de rigidez, un controlador adaptativo y interacciones de realidad virtual (VR). Para proporcionar interacciones de realidad humano-robot correspondientes a escenas virtuales, se desarrolló una ley de control de admisión con un término de rigidez variable para definir la propiedad mecánica del efector final. El controlador adaptativo mejora el rendimiento de seguimiento al compensar las fuerzas de interacción y las desviaciones del modelo dinámico. Se utiliza un entorno de entrenamiento virtual que incluye seguimiento de acciones, retroalimentación de eventos y un mecanismo de competencia para mejorar la experiencia de entrenamiento aburrida y involucrar a los usuarios para mantener un estado activo en el entrenamiento de ciclismo. Para verificar el rendimiento del controlador y la viabilidad de RAAT, se realizaron experimentos con ocho sujetos. El control de admisión proporciona interacciones variables deseadas a lo largo de la trayectoria. El robot responde a diferentes eventos virtuales cambiando los parámetros de admisión de acuerdo con las retroalimentaciones de activación. El control adaptativo asegura que los errores de seguimiento se mantengan a un nivel bajo. Los sujetos se mantuvieron en un estado activo durante este entrenamiento de fuerza. Sus señales fisiológicas aumentaron significativamente y las fuerzas de interacción estuvieron en un nivel alto. RAAT es un enfoque viable para el entrenamiento de fuerza de las extremidades inferiores, y los usuarios pueden completar de manera independiente un entrenamiento de fuerza activa de alta calidad bajo RAAT.