多传感器握力信号的相关性揭示复杂任务-用户系统中的抓握控制策略
机器人学
2020-11-13 v1
摘要
具有传输功能的可穿戴传感器系统目前用于运动活动及其他性能数据的生物特征筛查。此类技术通常为无线，并可实现对信号的非侵入式监测，以实时跟踪和追踪用户行为。示例包括与手和手指运动相关的信号，或由个体握力数据所反映的力控制。正如本文将展示的，这些信号直接转化为针对任务、技能以及手特异性（优势手与非优势手）的、手部手指与手掌不同测量位置的握力剖面。本研究利用了从多个空间位置记录的数千条此类传感器数据。我们分析了一名高度熟练的左利手专家、一名经优势手训练的右利手用户以及一名右利手新手在执行图像引导、机器人辅助精密任务时（使用优势手或非优势手）的个体握力剖面。逐步统计方法遵循 Tukey 探索性分析原则，并以与人脑体感感受野组织相关的明确功能假设为指导。基于 Pearson 积矩的相关系数分析揭示了个体握力剖面中共变模式的技能特异性差异。这些差异可在功能上从全局到局部编码原则映射到支配握力控制及其在特定任务专长下优化的大脑网络中。本文提出了对复杂任务-用户系统中握力实时监测与性能训练的启示。
引用
@article{arxiv.2011.06452,
title = {Correlating grip force signals from multiple sensors highlights prehensile control strategies in a complex task-user system},
author = {Birgitta Dresp-Langley and Florent Nageotte and Philippe Zanne and Michel de Mathelin},
journal= {arXiv preprint arXiv:2011.06452},
year = {2020}
}