In diesem Artikel werden der Entwurf und die Implementierung einer visiongesteuerten KI vorgestellt
Orthesenhand-Exoskelett zur Verbesserung der Rehabilitation und der unterstützenden Funktionalität
für Personen mit eingeschränkter Handbeweglichkeit. Das System nutzt ein Google
Coral Dev Board Micro mit einem Edge-TPU zur Echtzeit-Objekterkennung
using a customized MobileNet\_V2 model trained on a six-class dataset. Der
Exoskelett erkennt selbstständig Objekte, schätzt die Nähe, und Auslöser
pneumatische Betätigung für Greif- und Loslassaufgaben, die Notwendigkeit entfällt
benutzerspezifische Kalibrierung, die in herkömmlichen EMG-basierten Systemen erforderlich ist. Das Design
legt Wert auf Kompaktheit, Ausgestattet mit einer internen Batterie. Es erreicht eine Laufzeit von 8 Stunden
Laufzeit mit a 1300 mAh-Akku. Experimentelle Ergebnisse zeigen eine Zeitspanne von 51 ms
Inferenzgeschwindigkeit, eine deutliche Verbesserung gegenüber früheren Iterationen, obwohl
Herausforderungen bestehen weiterhin in Bezug auf die Robustheit des Modells unter wechselnden Lichtbedingungen und
Objektorientierungen. Während das neueste YOLO-Modell (YOlov11) zeigte
Potenzial mit 15.4 FPS-Leistung, Quantisierungsprobleme behinderten die Bereitstellung.
Der Prototyp unterstreicht die Machbarkeit visiongesteuerter Exoskelette für
reale Hilfsanwendungen, Ausbalancieren der Portabilität, Effizienz, Und
Reaktionsfähigkeit in Echtzeit, Gleichzeitig werden zukünftige Richtungen für das Modell hervorgehoben
Optimierung und Hardware-Miniaturisierung.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: