Questo articolo presenta la progettazione e l'implementazione di un'intelligenza artificiale controllata dalla visione
Esoscheletro ortotico della mano per migliorare la riabilitazione e la funzionalità assistiva
per persone con disabilità motorie. Il sistema sfrutta un Google
Coral Dev Board Micro con Edge TPU per consentire il rilevamento di oggetti in tempo reale
using a customized MobileNet\_V2 model trained on a six-class dataset. IL
l'esoscheletro rileva autonomamente gli oggetti, stima la prossimità, e trigger
azionamento pneumatico per compiti di presa e rilascio, eliminando la necessità di
calibrazione specifica per l'utente necessaria nei tradizionali sistemi basati su EMG. Il disegno
privilegia la compattezza, dotato di batteria interna. Raggiunge 8 ore
runtime con a 1300 batteria da mAh. I risultati sperimentali dimostrano un 51ms
velocità di inferenza, un miglioramento significativo rispetto alle iterazioni precedenti, Anche se
le sfide persistono nella robustezza del modello in condizioni di illuminazione variabili e
orientamenti agli oggetti. Mentre il modello YOLO più recente (YOLOv11) ha mostrato
potenziale con 15.4 Prestazioni FPS, problemi di quantizzazione hanno ostacolato la distribuzione.
Il prototipo sottolinea la fattibilità degli esoscheletri a controllo visivo per
applicazioni assistive nel mondo reale, portabilità bilanciata, efficienza, E
reattività in tempo reale, evidenziando le direzioni future del modello
ottimizzazione e miniaturizzazione dell'hardware.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: