Designing for Freedom: Shared Control in Assistive Robotics for Tetraplegia
Translated title
Design til Autonomi: Delt Styring i Hjælperobotter for Tetraplegi
Authors
Gardiner, James Nicholas ; Pedersen, Kenneth Skovgaard
Term
4. term
Publication year
2023
Submitted on
2023-06-01
Pages
82
Abstract
Tetraplegia from cervical spinal cord injury severely affects independence and quality of life, and healthcare workforce shortages heighten the need for technological support. This thesis explores whether a shared-control approach can combine user input with autonomous control to assist with everyday tasks using an assistive robotic arm. A proof-of-concept prototype was developed on the Robot Operating System (ROS) for the Kinova JACO2, where a graphical user interface presents a selection menu and, after selection, the system uses YOLOv7 for object recognition, an Intel RealSense D435 for RGB-D input, and Grasp Pose Detection (GPD) to generate grasp poses, enabling autonomous grasping and return to the start position. The system was evaluated on object selection, detection and segmentation, user interface design, grasp pose generation and execution, and spatial accuracy. Tests showed minor deviations within acceptable tolerance and a 55.5% success rate in spatial point navigation across 27 trials. While object selection and detection were reliable, limited consideration of object properties in grasp generation and execution constrained performance, indicating a need for further refinement. This work marks an initial step toward more effective assistive technologies for people with tetraplegia, and future iterations should include iterative testing and feedback from end users to ensure relevance and benefit.
Tetraplegi som følge af cervikal rygmarvsskade påvirker selvstændighed og livskvalitet, og mangel på sundhedspersonale øger behovet for teknologiske løsninger. Dette speciale undersøger, om en delt-styringsmetode kan kombinere brugerinput og autonom kontrol for at lette hverdagsopgaver med en assisterende robotarm. Der blev udviklet en proof-of-concept prototypeløsning, baseret på Robot Operating System (ROS), til Kinova JACO2, hvor en grafisk brugergrænseflade viser en valgmenu, hvorefter systemet med YOLOv7 til objektgenkendelse, Intel RealSense D435 til RGB-D input og Grasp Pose Detection (GPD) til gribeposegenerering autonomt griber det valgte objekt og vender tilbage til udgangspositionen. Systemet blev evalueret på objektvalg, detektion og segmentering, brugergrænseflade, gribeposegenerering og gribeevne samt rumlig nøjagtighed. Test viste mindre afvigelser inden for acceptabel tolerance og en succesrate på 55,5 % i navigation til rumlige punkter på tværs af 27 forsøg. Selvom objektvalg og -detektion fungerede tilfredsstillende, var håndteringen af objekternes egenskaber i gribeposegenerering og udførelse begrænset, hvilket peger på behov for yderligere forbedringer. Arbejdet repræsenterer et første skridt mod mere effektive hjælpemidler for personer med tetraplegi, og fremtidige iterationer bør omfatte løbende test og feedback fra målgruppen for at sikre relevans og nytte.
[This apstract has been generated with the help of AI directly from the project full text]