최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기로봇학회논문지 = The journal of Korea Robotics Society, v.12 no.2, 2017년, pp.206 - 216
김영진 (Korea institute of Industrial Technology) , 이동혁 (Korea institute of Industrial Technology) , 박현준 (Korea institute of Industrial Technology) , 박재한 (Korea institute of Industrial Technology) , 배지훈 (Korea institute of Industrial Technology) , 백문홍 (Korea institute of Industrial Technology)
This paper proposes a method to simultaneously estimate two degrees of freedom in wrist forces (extension - flexion, adduction - abduction) and one degree of freedom in grasping forces using Electromyography (EMG) signals of the forearms. To correlate the EMG signals with the forces, we applied a mu...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
거울학습법이란 무엇인가? | 또한 손이 없는 장애인을 대상으로 하는 로봇 의수의 경우 신경생리학의 동측성과 대측성 성질을 이용한 거울학습법을 사용 한다[12,14]. 거울학습법은 손실된 손이 있다고 상상하며 움직임을 유도함으로써 손실된 쪽의 EMG 데이터를 얻어내는 방법이다. 손이 없는 장애인들의 EMG를 측정하기 위해선 피실험자가 미리 제시된 지시에 따라 움직임을 상상할 수 있는 리스트표를 필요로 한다. | |
현재 상용화 되어있는 로봇 핸드들은 어떤 방법으로 손의 동작을 패턴분류를 하는가? | 과거 2지 형태의 로봇 핸드와는 다르게 현재 인간의 손을 모방한 5지 형태의 로봇 핸드들이 많이 등장하였으며, 상용화되어 판매되고 있는 제품들도 쉽게 찾아 볼 수 있다. 현재 상용화 되어있는 로봇 핸드들은 대부분 절단 부위 부근의 근전도(Electromyography, EMG) 신호를 이용해 손의 동작을 패턴분류 하는 제품들이 대다수이다. Bebionic의 로봇 의수의 경우 14가지의 손 동작 및 잡는 동작을 분류하며, Touchbionics의 로봇 의수는 36개의 잡기 동작을 분류한다[4,5]. | |
기계학습 알고리즘을 이용하여 전완의 근전도를 통해 손의 패턴을 분류하는 방법의 한계점은? | 하지만 이런 패턴분류에 의한 방법은 패턴의 개수에 따라 그 인식의 수가 제한 된다는 한계점이 있다. 즉, 사용자의 의도를 충분히 반영한 제어신호를 로봇 의수로 전달하기 어려워 부자연스럽고 불편한 로봇 의수의 사용으로 이어진다. |
R.W. Wirta, D.R. Taylor, and F.R. Finley, "Patternrecognition arm prosthesis: a historical perspective-a final report," Moss Rehabilitation Hospital, Philadelphia, USA, Fall, 1978.
E.A. Biddiss and T.T. Chau, "Upper limb prosthesis use and abandonment: A survey of the last 25 years," Prosthet. Orthot. Int., vol. 31, no. 3, pp. 236-257, Sep, 2007.
P.A. Parker and R.N. Scott, "Myoelectric control of prostheses," CRC Crit. Rev. Biomed. Eng., vol. 13, no. 4, pp. 283-310, Jan, 1986.
RSL Steeper, BeBionic Product Brochure, [Online], http://bebionic.com/uploads/files/RSLLIT383_-_bebio nic _TriFold_ROW_web.pdf, Accessed: April 27, 2017.
Touch Bionics, Touch Bionics Product Brochure, [Online], http://www.touchbionics.com/resources/document-library, Accessed: April 27, 2017.
S.-H. Park, S.-P. Lee, "EMG pattern recognition based on artificial intelligence techniques," IEEE Trans. Rehab. Eng., vol. 6, no.4, pp. 400-405, Dec, 1998.
Z.O. Khokhar, Z.G. Xiao, and C. Menon et al., "Surface emg pattern recognition for real-time control of a wrist exoskeleton", Biomedical engineering online, vol. 9, no. 1, pp. 41, 2010.
A. Hiraiwa, K. Shimohara, and Y. Tokunaga, "EMG pattern analysis and classification by neural network," Proc. IEEE Int. Conf. Systems Man Cybernetics, Cambridge, USA, pp. 1113-1115, 1989.
D. Peleg, E. Braiman, E. Yom-Tov, and G. F. Inbar, "Classification of finger activation for use in a robotic prosthesis arm," IEEE Trans. Neural Syst. Rehabil. Eng., vol. 10, no. 4, pp. 290-293, Dec, 2002.
F. Tenore, A. Ramos, A. Fahmy, S. Acharya, R. Etienne- Cummings, and N.V. Thakor, "Towards the control of individual fingers of a prosthetic hand using surface EMG signals," Proc. IEEE Eng. Med. Biol. Soc. Conf., Lyon, France, pp. 6145-6148, 2007.
S. Muceli, D. Farina, "Simultaneous and proportional estimation of handkinematics from emg during mirrored movements at multipledegrees-of-freedom," IEEE Trans. Neural Syst. Rehabil. Eng., vol. 20, no. 3, pp. 371-378, May, 2012.
N. Jiang, J.L. Vest-Nielsen, S. Muceli, D. Farina, "EMGbased simultaneous and proportional estimation of wrist/ hand dynamics in uni-lateral trans-radial amputees," J. Neuroeng. Rehabil., vol. 9, no. 1, pp. 42, Jun, 2012.
L. Pan, X. Sheng, D. Zhang, and X. Zhu, "Simultaneous and Proportional Estimation of Finger Joint Angles from Surface EMG Signals during Mirrored Bilateral Movements", Int. Conf. Intell. Robots Applicat, Busan, South Korea, pp. 493-499, 2013.
N. Jiang, K.B. Englehart, and P.A. Parker, "Extracting simultaneous and proportional neural control information for multiple-DOF prostheses from the surface electromyographic signal," IEEE Trans. Biomed. Eng., vol. 56, no. 4, pp. 1070-1080, Apr, 2009.
R. Hecht-Nielsen, "Theory of the backpropagation neural network," Proc. IEEE Int. Joint Conf. Neural Networks, Washington, USA, pp. 593-605, 1989.
A. Phinyomark, P. Phukpattaranont, and C. Limsakul, "Feature reduction and selection for EMG signal classification," Expert Systems With Applicat., vol. 39, no. 8, pp. 7420-7431, 2012.
J. Sola and J. Sevilla, "Importance of input data normalization for the application of neural networks to complex industrial problems," IEEE Trans. Nucl. Sci., vol. 44, no. 3, pp. 1464-1468, Jun, 1997.
R. Kohavi, "A study of cross-validation and bootstrap for accuracy estimation and model selection," Proc. 14th Int. Joint Conf. Artificial Intelligence, Montreal, Canada, pp. 338-345, 1995.
H.U. Kuriki, F.M.d. Azevedo, L.S.O. Takahashi, E.M. Mello, R.d.F.N. Filho, and N. Alves, "The relationship between electromyography and muscle force," EMG Methods for Evaluating Muscle and Nerve Function, 1th ed. InTech, 2011, ch. 3, pp. 31-54.
J.-H. Bae, S.-W. Park, J.-H. Park, M.-H. Baeg, D. Kim, and S.-R. Oh, "Development of a low cost anthropomorphic robot hand with high capability," Proc. IEEE/ RSJ Int. Conf. Intell. Robots Syst., Vilamoura, Portugal, pp. 4776-4782, 2012.
D.-H. Lee, J.-H. Park, S.-W. Park, M.-H Baeg, and J.-H Bae, "KITECH-Hand: A Highly Dexterous and Modularized Robotic Hand", IEEE/ASME Trans. Mechatron., vol. 22, no. 2, pp. 876-887, Apr, 2017.
Y.-J. Kim, YOUTUBE, [Online], https://youtu.be/FxTP0gNn7yk, Accessed: April 27, 2017.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.