Adaptive trajectory generation with workspace restictions for clinical applications
Forfatter
Gomez Salvatierra, Carolina
Semester
4. semester
Uddannelse
Udgivelsesår
2021
Afleveret
2021-06-03
Antal sider
78
Resumé
Samarbejdsrobotter bruges i stigende grad i sundhedsvæsenet, især til genoptræning. Dette projekt fokuserer på at holde genoptræningsøvelser inden for et sikkert, planlagt arbejdsområde, så patienter ikke udfører bevægelser forkert, og robotarmen (manipulatoren) ikke kommer ind i forbudte områder. Vi indfører softwaredefinerede 'virtuelle begrænsninger', som fastlægger robotens tilladte bevægelsesområde, og bruger konceptet 'Artificial Potential Field' (et kunstigt potentialefelt, dvs. virtuelle kræfter, der skubber systemet væk fra uønskede zoner) for at modvirke utilsigtede afvigelser forårsaget af patienten. Tilgangen er udviklet på ROBERT, en samarbejdsassistent som terapeuter bruger, især i genoptræning efter slagtilfælde. ROBERT anvender en Kuka LBR Med med en endeeffektor, der kan fastgøres til patientens ben for at hjælpe med fysiske rutiner. Målet er at levere et proof of concept for et nyt perspektiv på baneplanlægning – hvordan en manipulator vælger sin bevægelse – i kliniske anvendelser.
Collaborative robots are increasingly used in healthcare, especially for rehabilitation. This project focuses on keeping rehabilitation exercises within a safe, intended workspace so patients do not perform movements incorrectly and the robot arm (manipulator) does not enter restricted areas. We implement software-defined 'virtual constraints' that set the robot's allowed movement boundaries, and we use the 'Artificial Potential Field' concept (virtual forces that push the system away from forbidden regions) to resist unintended patient-induced deviations. The approach is developed on ROBERT, a collaborative assistant used by therapists, mainly for post-stroke recovery. ROBERT uses a Kuka LBR Med with an end-effector that can be attached to a patient's leg to assist with physical routines. The goal is to present a proof of concept for a new perspective on path planning—how a manipulator chooses its motion—in clinical applications.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]
Emneord