Cet article présente la conception et la mise en œuvre d'un système contrôlé par la vision par l'IA.
exosquelette de main orthétique pour améliorer la rééducation et la fonctionnalité d'assistance
pour les personnes ayant une mobilité réduite des mains. Le système exploite un Google
Coral Dev Board Micro avec un Edge TPU pour permettre la détection d'objets en temps réel
using a customized MobileNet\_V2 model trained on a six-class dataset. Le
l'exosquelette détecte les objets de manière autonome, estimations de proximité, et déclencheurs
actionnement pneumatique pour les tâches de préhension et de relâchement, éliminant le besoin de
étalonnage spécifique à l'utilisateur nécessaire dans les systèmes traditionnels basés sur EMG. La conception
privilégie la compacité, doté d'une batterie interne. Il atteint une durée de 8 heures
exécution avec un 1300 Batterie mAh. Les résultats expérimentaux démontrent un 51 ms
vitesse d'inférence, une amélioration significative par rapport aux itérations précédentes, cependant
des défis persistent dans la robustesse du modèle dans des conditions d'éclairage variables et
orientations des objets. Alors que le modèle YOLO le plus récent (YOLOv11) a montré
potentiel avec 15.4 Performances FPS, des problèmes de quantification ont entravé le déploiement.
Le prototype souligne la viabilité des exosquelettes contrôlés par la vision pour
applications d'assistance du monde réel, équilibrer la portabilité, efficacité, et
réactivité en temps réel, tout en soulignant les orientations futures du modèle
optimisation et miniaturisation du matériel.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: