Vision Controlled Orthotic Hand Exoskeleton

要約

このペーパーでは、AI視力制御の装具のエクソスケットンの設計と実装を提示して、手動障害のある個人のリハビリテーションと支援機能を強化します。
このシステムは、6クラスのデータセットでトレーニングされたカスタマイズされたMobileNet \ _V2モデルを使用して、リアルタイムオブジェクト検出を有効にするために、Edge TPUを備えたGoogle Coral Dev Board Microを活用します。
外骨格は、オブジェクトを自律的に検出し、近接性を推定し、把握およびリリースタスクの空気圧作動をトリガーし、従来のEMGベースのシステムで必要なユーザー固有のキャリブレーションの必要性を排除します。
設計は、内部バッテリーを備えたコンパクトさを優先します。
1300 mAhのバッテリーで8時間のランタイムを実現します。
実験結果は、51msの推論速度を示し、以前の反復よりも大幅な改善ですが、さまざまな照明条件とオブジェクトの向きの下でモデルの堅牢性に課題が続きます。
最新のYoloモデル（Yolov11）は15.4 FPSパフォーマンスで可能性を示しましたが、量子化の問題は展開を妨げました。
このプロトタイプは、モデルの最適化とハードウェアの小型化の将来の方向を強調しながら、実世界の支援アプリケーションの視力制御エキソ販売の実行可能性、携帯性、効率、リアルタイムの応答性のバランスをとることを強調しています。

要約(オリジナル)

This paper presents the design and implementation of an AI vision-controlled orthotic hand exoskeleton to enhance rehabilitation and assistive functionality for individuals with hand mobility impairments. The system leverages a Google Coral Dev Board Micro with an Edge TPU to enable real-time object detection using a customized MobileNet\_V2 model trained on a six-class dataset. The exoskeleton autonomously detects objects, estimates proximity, and triggers pneumatic actuation for grasp-and-release tasks, eliminating the need for user-specific calibration needed in traditional EMG-based systems. The design prioritizes compactness, featuring an internal battery. It achieves an 8-hour runtime with a 1300 mAh battery. Experimental results demonstrate a 51ms inference speed, a significant improvement over prior iterations, though challenges persist in model robustness under varying lighting conditions and object orientations. While the most recent YOLO model (YOLOv11) showed potential with 15.4 FPS performance, quantization issues hindered deployment. The prototype underscores the viability of vision-controlled exoskeletons for real-world assistive applications, balancing portability, efficiency, and real-time responsiveness, while highlighting future directions for model optimization and hardware miniaturization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google