How can AI reduce wrist injuries in the workplace?

要約

このホワイトペーパーでは、労働者の行動を分類および予測することにより、産業用ウェアラブル手首の外骨格のコントロールとセンサー戦略の開発を探ります。
この研究では、設計のために、センサー戦略の最適化とともに、努力された力と努力の強度との相関関係を評価します。
製造工場の6人の健康な被験者からのデータを使用して、このペーパーでは、手首の動き分類と力の予測のためのEMGベースのモデルを紹介します。
手首のモーション認識は、8チャンネルEMGセンサー（MYO ARMBAND）の表面EMGデータで開発されたパターン認識アルゴリズムを通じて達成されます。
一方、力回帰モデルは、市販のハンドヘルド動力計（Vernier Godirect Hand Dynamomer）からの手首と手の力測定を使用します。
この制御戦略は、信頼できる効果的な支援を確保しながら、シンプルさ、コストの削減、センサーの使用を最小限に抑えることに焦点を当てた、産業用途向けに設計された合理化された外骨格建築の基礎を形成します。

要約(オリジナル)

This paper explores the development of a control and sensor strategy for an industrial wearable wrist exoskeleton by classifying and predicting workers’ actions. The study evaluates the correlation between exerted force and effort intensity, along with sensor strategy optimization, for designing purposes. Using data from six healthy subjects in a manufacturing plant, this paper presents EMG-based models for wrist motion classification and force prediction. Wrist motion recognition is achieved through a pattern recognition algorithm developed with surface EMG data from an 8-channel EMG sensor (Myo Armband); while a force regression model uses wrist and hand force measurements from a commercial handheld dynamometer (Vernier GoDirect Hand Dynamometer). This control strategy forms the foundation for a streamlined exoskeleton architecture designed for industrial applications, focusing on simplicity, reduced costs, and minimal sensor use while ensuring reliable and effective assistance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google