Name: Haptic 그래픽 / 재활 : 가상 환경 도서관에 로봇을 통합하고 뇌졸중 치료에 적용 (동영상) | JoVE Journal
Uploaded: 2011-08-08T13:00:00.000+00:00
Duration: 13 min 44 s
Description: 학습하세요 로봇을 가상 환경에 통합하여 뇌졸중 재활 치료에 적용하는 방법을. H 3D API와 래퍼 클래스를 활용한 이 기술은 다양한 로봇에 표준화된 소프트웨어 프레임워크를 제공합니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

난 브라이언 Zenowich, 다니엘 Evestedt 및 Winsean 린의 기술적 도움을 인정하고 싶습니다.

소개 직관적이고 효율적인 대화형 환경을위한 인간 - 기계 상호 작용 (HMI)의 모든 성장 필요가있다. 재활 로봇, 자동차 산업, 금속 제조, 포장 기계, 제약, 식품, 음료, 및 유틸리티 : 수많은 산업과 같은 HMI에 더 많이 의존을 계속합니다. 이러한 산업에 고용 기술은 다음과 같습니다 표시 단말기, 개인용 컴퓨터, 그리고 HMI 소프트웨어를. 이러한 기술은 무제한으로 기능을 수행하기 위해 함께 결합 수 있습니다. 로봇은 이런 음악 강사 역할로서 사용자와 직접 상호 작용을 촉진하는 데 사용할 수 있습니다. 예를 들어, 와세다 대학에서 연구자가 재생하는 방법을 사람들에게 가르쳐하고 학생과 교사 1 사이의 상호 작용을 이해하기 위해 색소폰을 연주 로봇을 만들었습니다. 기타 로봇 연구자들은 인공 지능은 환경 2 지능적 상호 작용으로 진화 방법을 결정할 수 있습니다 위해서는 비전 기반의 비행 로봇을 만들었습니다. 이 문서의 특정 농도는 재활 로봇 내에 상주합니다. 연구와 산업의 영역 내에서 새로운 제품 및 사용자 요구 사항에 변화의 빠른 속도는 성장을 계속하고 있습니다. 이러한 요구는 확장성에 큰 도전을 부과. 따라서 코드 디자인은 적시에 이들 단체의 요구를 충족시키는 필수가되었습니다. 따라서 강한 건축 후보의 품질은 드라이버 지원을 포함 쉽게 호환 그래픽 - 로봇 시스템을 포함합니다. H3DAPI 아키텍처는 이러한 요구 사항을 충족하기 때문에 래퍼 클래스가 생성되었습니다. 또한, H3D 그러한 재활 로봇에 필요한 것과 같은 가상 현실 환경을 위해 설계되었습니다. 신경 재활 로봇은 재활 전문가를 지원하기위한 목적으로 로봇을 활용 찾고 있습니다. 이러한 로봇들이 제공하는 지원은 힘 - 필드의 형태로 제공됩니다. 외부 응용 역장 이러한 Shadmehr 및 Mussa - Ivaldi, 사용하는 힘 - 분야 모터 적응을 촉진하고, 1을 발견로 전달 모터 명령 연구원) 적응이)를 포함하여 움직임의 다른 클래스에서 발생하지만, 도달 움직임에 국한되지, 2 적응은 외부 필드 3의 동일한 영역을 방문하여 다양한 움직임에 걸쳐 generalizes. 성능 기반 프로 그레시브 로봇 이용한 치료에 biomechanical 엔지니어 연구는 반복 작업 특정 목표 - 감독이 로봇 이용한 치료는 뇌졸중 사 후 영향을 팔에 모터 손상을 감소시키는 효과가 나타나지만 정확한 치료 효과와 매개 변수 연구 분야로 계속 진행합니다. 감각의 의견은 학습과 적응에 영향을 미칩니다. 따라서 다음 논리적인 질문은 여부를 인공적으로 같은 의견의 크기를 증가하지 것이 더 빠른이나 학습 / 적응보다 완벽한 추진 것이 요청하는 것입니다. 일부 연구자들은 실수를 향상시키기 위해보다 감각 피드백 세력 또는 Visual 단서를 적용하면 적응 / 학습 5,6의 높은 수준을 증진하기위한 적절한 신경 자극을 제공할 수 것으로 나타났습니다. 이것은 "오류 확대"로 알려져 있습니다. 이러한 현상은 모터 제어 작업을 한 결과가 이상 이탈 사실 때문일 수 있습니다, 우리의 내부 모델을 자체 조정 오류의 정도에 따라. 따라서, 우리의 내부 모델과 외부 환경, 작업 감소의 실행에 오류가 접근한다. 많은 현재의 의료 정책 치료사와 함께 시간을 보낼 수있는 시간 환자의 크기를 제한하지만 연구는, 함수의 복원을위한 기능 관련 활동의 오랜 관행을 계속 지원합니다. 매력적인 문제는 기술이 새로운 응용 프로그램이 단순히 치료의 현재 상태의 높은 복용량을주는 것보다 더 갈 수 있는지 여부입니다. 인간 - 기계 상호 작용 연구는 모터 학습의 분야에서 새로운 잠재 고객을 밝혀 있고, 어떤 경우에 치료 과정에 가치를 추가 제공할 수 있습니다. 컴퓨터 디스플레이와 함께 전문 로봇 장치는 모터 relearning를 속도를 향상하거나 실행하려면 오류 피드백을 확대하실 수 있습니다. 본 논문은이 기술의 응용 중 하나의 예제로서 임상 개입에 개발된 시스템을 사용하는 방법론을 제시합니다. 1. 로봇에 대한 환대의 래퍼 클래스를 구축 <ol><li> 자신의. CPP와 헤더 파일을 생성하여 동상 촉각 라이브러리 래퍼를 만듭니다. 예를 들어, 우리는 이름 HAPIWAM.cpp과 HAPIWAM.h를 사용합니다. </li><li> 소스가있는 디렉토리로 플레이스 HAPIWAM.cpp : 하피 / SRC </li><li> 헤더 파일 디렉터리에 플레이스 HAPIWAM.h : 하피 / 포함 / 동상 </li><li> HAPIWAM.h 상단 될 WAM 바렛의 경우, 로봇의 기본 헤더 파일 (들)과 같습니다 : </li></ol> &lt;em&gt;는 통근자 "C"{ # &lt;include/btwam.h&gt; 포함 } # &lt;HAPI/HAPIHapticsDevice.h&gt; 포함 참고 : 통근자 포함된 라이브러리가 'C'로 작성된 때문에 "C"는 컴파일러 mangling를 해결하기 위해 필요하며 H3DAPI가로 작성된 C + +. <ol start="5"><li> HAPIWAM.h에서 해당 클래스를 만들려면 다음과 같은 네 기능을 포함 </li></ol> 불 initHapticsDevice (INT); 불 releaseHapticsDevice (); 공극 updateDeviceValues ​​(DeviceValues ​​&amp; DV, HAPITime DT); 무효 sendOutput (HAPIHapticsDevice : DeviceOutput &amp; D, HAPITime t); <ol start="6"><li> 수업은 HAPIhapticsdevice 클래스에서 상속 공개 있는지 확인하십시오. </li><li> 여러분의 클래스에 대한 헤더 가드를 만듭니다. </li><li> HAPIWAM 클래스에 따라 정적 DeviceOutput 및 정적 HapticsDeviceRegistration 속성을 만듭니다. </li><li> 콜백에 대한 정적 멤버 함수를 만듭니다. </li><li> HAPIWAM.cpp에서 생성자와 소멸자를 정의합니다. </li><li> HAPIWAM.cpp에 장치를 등록합니다. </li><li> HAPIWAM.cpp에 4 상속된 함수와 콜백을 정의합니다. </li></ol> 2. 하피 도서관 만들기 <ol><li> 우리가 동상의 래퍼 클래스를 만들었다면, 우리는 동상을 라이브러리에 래퍼를 작성해야합니다. WAM은 H3DAPI는 원시 형태에 의존하지 않는 라이브러리에 의존, 따라서 이러한 라이브러리는 동상을 추가해야합니다. 하피 / 동상 / 건설로 이동하고, CMakeLists.txt를 편집할 수 있습니다. 'SET (OptionalLibs)'라고 선을 후 종속 라이브러리를 추가합니다. </li><li> 명령 콘솔을 열고로 이동 : 하피 / 동상은 / 구축이 순서에 따라 다음의 3 명령을 입력 : </li></ol> cmake. sudo는 만들 sudo는 설치하다 3. H3D 래퍼 클래스 <ol><li> 귀하의 HAPIWAM와 H3D 라이브러리에 대한 래퍼 클래스를 생성하려면, 먼저 소스 디렉토리에 WAMDevice.cpp를 만듭니다 H3DAPI/src을 </li><li> 헤더 파일 디렉터리에 플레이스 WAMDevice.h : H3DAPI/include/H3D </li><li> WAMDevice.h 네가 원하는 건 뭐든지에 대체 이름을 가진 모든 H3DAPI 장치의 표준 헤더 파일을 포함해야합니다. </li><li> WAMDevice.cpp 네가 원하는 건 뭐든지에 대체 이름을 가진 모든 H3DAPI 장치에 대한 표준 소스를 포함해야합니다. </li><li> 래퍼 클래스가 생성되었습니다 이제, H3DAPI 라이브러리를 다시 빌드합니다. H3DAPI/build에만 디렉터리 아래의 단계 2.1 수행된 동일한 방법으로 CMakeLists.txt을 편집하여이 작업을 수행합니다. </li><li> 디렉토리 H3DAPI/build 아래 H3DAPI 라이브러리를 다시 빌드 </li></ol> cmake. sudo는 만들 sudo는 설치하다 4. 유한 상태 머신 <ol><li> 모든 타겟에 도달 프로그램은 실험 프로토콜이나 연습 정권을 제어하는​​ 유한 상태 머신의 생성이 필요합니다. 일반적인 상태 머신은 다음과 같습니다 재판 시작, 목표 연락처 및 시험의 끝을 시작합니다. 각 상태와 상태 사이의 전송 기준의 기능의 예제는 다음과 같습니다. </li><li> 시련의 시작은 대상의 할당이 필요합니다. 대상 위치는 각 재판에 대해 무작위로 설정하거나 파일에서 설정할 수 있습니다. 재판의 시작은 한 사용자가 속도 임계값, 일반적으로 초당 0.06 미터 이상의 대상쪽으로 출시했다 끝납니다. </li><li> 시작 상태는 재판의 시작 이후에 발생합니다. 사용자가 목표를 접촉하거나 일정 기간 동안 대상의 내부 숙박 일단이 상태도 끝납니다. 대상 다친다되면, 이것은 대상 문의 상태를 수 있습니다. </li><li> 대상 문의 실행 상태 동안에 발생합니다. 피사체가 시간의 특정 기간 동안의 대상 내에 거주 후 대상 다친다되거나하는대로 끝날 수 있습니다. 이 시간이 경과되면, 시험 상태의 종료를 사용할 수 있습니다. </li><li> 시험 상태의 종료는 데이터 파일을 표시하기 위해 데이터 수집 소프트웨어를 신호, 소프트웨어 개발자가 각 재판의 끝을 구분하기 위해 사용한 구문 분석하는대로 인치해야 최종 재판이 완료되었습니다 않는 한, 시험 상태의 최종의 마지막 재판 상태의 시작이 가능합니다. </li></ol> 5. 신청 스트로크 환자의 재활 <ol><li> 로봇 인터페이스는 별도로 할 수없는 무언가를 활성화하기 위해 로봇을 사용하는 동안 치료사 전문 지식을 포함하도록 설계되었습니다. 몇 가지 잘 알려진 이유 (그림 1) relearning 프로세스를 향상 환자에 의해 인식 오류를 확대 오류 확대의 기술 활성화된 응용 프로그램 (아래에 자세히 설명). </li><li> 입체 촉각 / 그래픽 시스템은 가상 현실은 로봇 및 광학 운영 머신 (VRROOM)했다. 이 시스템은 예측 스테레오, 로봇 시스템 그 기록 손목 위치와 세미 silvered 거울 오버레이 디스플레이에 헤드 추적 렌더링을 결합 이전에 6 발표 및 힘 벡터 (그림 2) 생성. </li><li> 영화 품질의 DIgital 프로젝터 (크리스티 미라지 3000 DLP)은 110 ° 넓은 시야각의 결과, 5 피트 너비 1280x1024 픽셀 디스플레이를 스팬 이미지를 표시합니다. 적외선 방사체는 액정 디스플레이 (LCD) 셔터 안경 (Stereographics, 부동산)를 통해 별도의 왼쪽 및 오른쪽 눈 이미지를 동기화. 승천은 시각 표시가 적절한 머리 중심의 관점과 함께 렌더링했습니다 있도록 마그네틱 요소가 머리의 움직임을 추적 새의 떼. </li><li> 연구에 대한 자격시, 각 참가자의 기능적 능력을 각 후 한 주 후속 및 전반적인 45 일 후속 평가하여 각 치료 패러다임의 시작과 마무리에서 맹인 평가자에 의해 평가되었다. 각각의 평가를 포함하여 VRROOM뿐만 아니라 임상 조치의 수행 운동 (ROM) 평가의 범위로 구성되어 : 상자와 블록 평가, 울프 모터 기능 시험 (WMFT) Fugl 메이어 (AMFM)의 암 모터 섹션 단순 기능 리치의 평가 (ASFR). </li><li> 손목 부목과 exotendon 장갑은 중립적인 손목 및 손 정렬을 지원하기 위해 이용되었다. 로봇 핸들의 중심은 그 세력이 손목에 행동하지만 손에 움직임을 허용 있도록 radiocarpal 공동으로 사후 배치했던 팔뚝에 붙어 있 었지. </li><li> 환자의 팔 무게는 스프링 구동 윌밍턴 로봇 외장 (WREX) 중력이 균형 orthosis를 사용하여 감소했다. 환자의 지시 목표는 그들 앞에 제시 커서가 치료사의 손 (상담의 teleoperation)에 추적 장치를 통해 이동 추적하는 것이었습니다. </li><li> 환자는 환자의 상담 및 트리오에서 함께 일하는 로봇으로 약 40-60분에 대한 주당 3 일 연습. 제목과 치료사가 나란히 일자와 주제는 손목에 로봇에 연결되었습니다. </li><li> 각 세션은 컴퓨터에있는 환자를 situating에 대한 약 10 분 뒤에 치료사 모션 연습 수동 범위 (PROM), 다섯 분 시작했다. 주제는 다음 5 분마다 각 블록 사이에 2 분 휴식 기간과를 지속 운동 훈련 여섯 블록을 완료했습니다. </li><li> 훈련 기간 동안, 참가자들은 스테레오 디스플레이에 두 개의 커서를 보았습니다. 참가자가 다른 제어하면서 치료 치료 하나의 커서를 조작. 환자가 작업 공간을 통해 이동으로 상담자의 커서의 정확한 경로를 따르도록 지시했다. </li><li> 오류 확대는 모두 시각과 로봇에 의해 생성된 세력에 의해 제공되었다. 참가자 치료사의 커서에서 이탈하면, 순간 에러 벡터 E는 상담자의 커서와 참가자의 손에 사이에 위치의 차이로 설립되었습니다. 오류가 시각적으로 오류 확대의 일환으로 1.5 E (M)의 요인에 의해 확대되었다. 또한, 100 E (N / m)의 오류 보강 힘을는 안전상의 이유로 4 N의 최대 포화로 프로그램되었던, 적용되었다. </li><li> 다른 모든 치료 블록은 각 세션에 대해 동일한되었다 특정 표준 동작 구성되어. 다른 블록 치료사가 치료사의 전문성과 자신의 관찰에 따라 약점의 특정 지역에서 연수를 사용자 정의할 수있었습니다. 치료 프로토콜은 모든 참가자에 대한 구체적인 움직임의 행위를 포함, 앞으로를 포함하고 측면, 어깨 팔꿈치 커플링에 도달하고, 대각선 몸 전체에 도달. </li><li> 연습하는 동안, 매일 평균 오류가 연습 중 하나를 결과로 측정되었다. 특별한주의는 각 세션에 대해 동일한되었습니다 표준 동작 블록에 주어졌다. 이들은 어떤 증분 개선이 환자의 치료 및 보호자 (그림 3)에 신고 수있는 일상적인 기준에 관측할 수 있었는지 확인하기 위해 이전 일 비교했다. </li><li> 결과 주요 조치 일주 치료 종료 후, 매주 측정되었고, 게시 45일는 혜택의 보존을 결정합니다. 주요 결과는 Fugl 메이어 모터 능력 점수와 운동의 범위를 측정 우리의 맞춤형 암에 도달 테스트되었습니다. </li></ol> 6. 대표 결과 : &lt;AnyDevice&gt; 노드가 H3DViewer 또는 H3DLoad에로드되면 프로토콜은 다음 제대로되면, WAM 장치가 인식하고 시작하여야한다. WAM 다른 로봇으로 대체했다면, 코드 자체는 변경할 필요가없는 것입니다. <img src="/files/ftp_upload/3007/3007fig1.jpg" alt="그림 1" data-altupdatedat="1787634011000" data-alt="그림 1"> 그림 1. haptic / 그래픽 장치에 앉아있는 제목. <img src="/files/ftp_upload/3007/3007fig2.jpg" alt="그림 2" data-altupdatedat="1787634011000" data-alt="그림 2"> 그림 2. 물리 치료사와 haptic / 그래픽 장치에 앉아있는 제목. <img src="/files/ftp_upload/3007/3007fig3.jpg" alt="그림 3" data-altupdatedat="1787634011000" data-alt="그림 3"> 그림 3. 재활 O에 대한 구성F 스트로크 환자. A) 제목과 치료사가 함께 작업 앉아 및 대형 작업 공간 haptic / 운동을 실천하기 위해 그래픽 디스플레이를 사용합니다. 치료사는 주제에 대한 실수를 제공하고 환자의 요구에 맞게 조절 할 수 있습니다. 로봇이 멀리 대상에서 다리를 밀고하고 시각적인 피드백 시스템이 커서의 오류를 향상 세력을 제공합니다. 매일 매일 B) 전형적인 만성 뇌졸중 환자의 향상. 각 점은 틀에 박힌 기능적 운동 2 분 블록 측정한 평균 오류를 나타냅니다. 환자가 2 주간의 기간 및 전반적인 이익에 걸쳐 진행 상태를 보여주는 동안,이 사람은 항상 매일 향상되지 않았다.

<ol><li>Solis, J., Takeshi, N., Petersen, K., Takeuchi, M., Takanishi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+the+anthropomorphic+saxophonist+robot+WAS-1%3A+Mechanical+design+of+the+simulated+organs+and+implementation+of+air+pressure%5BTitle%5D)+AND+%22Advanced+Robotics+Journal%22%5BJournal%5D)">Development of the anthropomorphic saxophonist robot WAS-1: Mechanical design of the simulated organs and implementation of air pressure.</a> Advanced Robotics Journal. 24, 629-650 (2010).</li>
<li>Evolving Won-Based Flying Robots. Zufferey, J. C., Floreano, D. Proceedings of the 2nd International Workshop on Biologically Motivated Computer Vision, 2002 November, Berlin, , Springer-Verlag. 592-600 (2002).</li>
<li>Conditt, M. A., Gandolfo, F., Mussa-Ivaldi, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+motor+system+does+not+learn+the+dynamics+of+the+arm+by+rote+memorization+of+past+experience%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">The motor system does not learn the dynamics of the arm by rote memorization of past experience.</a> Journal of Neurophysiology. 78, 554-554 (1997).</li>
<li>Krebs, H. I., Palazzolo, J. J., Dipietro, L., Ferraro, M., Krol, J., Rannekleiv, K., Volpe, B. T., Hogan, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rehabilitation+robotics%3A+Performance-based+progressive+robot-assisted+therapy%5BTitle%5D)+AND+%22Autonomous+Robots%22%5BJournal%5D)">Rehabilitation robotics: Performance-based progressive robot-assisted therapy.</a> Autonomous Robots. 15, 7-20 (2003).</li>
<li>Wei, K., Kording, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relevance+of+error%3A+what+drives+motor+adaptation%5BTitle%5D)+AND+%22Journal+of+neurophysiology%22%5BJournal%5D)">Relevance of error: what drives motor adaptation.</a> Journal of neurophysiology. 101, 655-65 (2009).</li>
<li>Wei, Y., Bajaj, P., Scheidt, R., Patton, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visual+error+augmentation+for+enhancing+motor+learning+and+rehabilitative+relearning%5BTitle%5D)+AND+%22IEEE+International+Conference+on+Rehabilitation+Robotics%22%5BJournal%5D)">Visual error augmentation for enhancing motor learning and rehabilitative relearning.</a> IEEE International Conference on Rehabilitation Robotics. , 505-510 (2005).</li>
</ol>

이 튜토리얼의 래퍼 클래스는 이안 샤프에 의해 저작권의 보호를 받고 있습니다.

래퍼 클래스 구현이 방법은 H3DAPI을 사용하는 경우, 소스 코드를 변경하지 않고, 사용하는 다른 로봇을 허용합니다. 특히, H3D에서 haptic / 그래픽 환경을 작성하고 유령 로봇 자신의 실험을 테스트를 연구자가 동일하거나 유사한 WAM 바렛을 사용하여 실험을하고, 그 반대를 수행하기 위해 수있을 것입니다. 장치 독립적인 상호 의사 소통 이런 종류의 국제 재활 로봇 연구에 대한 의미를 운반합니다. 이러한 의미는 빠른 haptic / 그래픽 개발, 국제적인 연구 협력 및 간 연구 연구실 통신을 용이하게합니다. 재활 로봇은 모터 학습에 관련된 많은 매개 변수를 발견하기 위해 아직있다. haptic / 그래픽 개발하는 동안 시간이 소요되는 단계 중 하나는 컴파일 시간을 포함합니다. 각 프로그램에 대한 컴파일 시간과 혼합 수많은 재활 매개 변수를 통해 가능한 모든 그룹 permutations을 테스트하기 위해 개발 수명주기가 급격히 상승. 컴파일 요구 사항의 부재와 H3D는 수많은 가상 현실 장면의 빠른 개발을위한 수 있습니다. 이것은 다양한 훈련 시나리오의 효과를 조사하기 위해 야심찬 그 연구자에 대한 장점으로 제공됩니다. 이 &#39;하드 코딩된&#39;래퍼 클래스 통합 접근의 제한이 절차는 H3DAPI의 새 배포가있을 때마다 반복해야한다는 사실을 포함합니다. H3DAPI의 최신 배포판에 래퍼 클래스를 통합하는 것이 가능 수정 H3DAPI에서 별도로 래퍼 클래스를 만드는 것입니다. 그러면 *. 있도록 라이브러리 파일에 래퍼 클래스를 넣어 것입니다. 이것은 원래 H3DAPI 배포판에서 클래스를 분리합니다.

<ol><li> 파리에 전화 표시 (개인 증가된의 현실 침지 시스템)에서 찾을 수 있습니다 <a href="http://www.evl.uic.edu">www.evl.uic.edu</a> </li><li> : 큰 회색 로봇이 바렛은 WAM입니다 <a href="http://www.barrett.com">www.barrett.com</a> </li><li> 작은 skinnier 검은 로봇이 환상입니다 <a href="http://www.sensable.com">www.sensable.com</a> </li><li> 암 마운트 RIC에서 개발된 T - WREX입니다 : <a href="http://www.ric.org/research/centers/mars2/Projects/development/d3.aspx">http://www.ric.org/research/centers/mars2/Projects/development/d3.aspx</a> </li><li> 3D 비전을위한 셔터 안경 : <a href="http://www.vrlogic.com">www.vrlogic.com</a> </li><li> 헤드 추적 소프트웨어. <a href="http://www.mechdyne.com">www.mechdyne.com</a> </li><li> H3DAPI 자체 : <a href="http://www.h3dapi.org">www.h3dapi.org</a> </li></ol>

haptic 그래픽 / 재활 : 가상 환경 도서관에 로봇을 통합하고 뇌졸중 치료에 적용

Haptic/Graphic Rehabilitation: Integrating a Robot into a Virtual Environment Library and Applying it to Stroke Therapy

연장 치료 연습을위한 인터랙티브 장치를 테스트 최근의 연구는 바이오 피드백의 그래픽 및 다른 형태와 결합하여 로봇에 대한 새로운 전망을 보여주었다. 이전 인간 로봇 상호 작용 시스템은 새로운 시스템이 사용할 수있게 때마다 불필요한 발달 오버헤드 시간을 선도하는 각 로봇에 대한 구현되어 다양한 소프트웨어 명령을 요구합니다. 예를 들어, haptic / 그래픽 가상 현실 환경 haptic 피드백을 제공하는 한 특정 로봇을위한 코딩되었을 때, 특정 로봇 프로그램을 recoding하지 않고 다른 로봇에 대한 거래 될 수 없을 것입니다. 그러나, 오픈 소스 커뮤니티에 최근 노력이 사용되는 로봇에 관계없이 거의 동일한 응답을 이끌어내는 수있는 래퍼 클래스 접근 방식을 제안했습니다. 그 결과 공유 코드를 사용하여 유사한 실험을 수행할 수있는 전세계 연구자를 이끌 수 있습니다. 또 하나의 로봇의 모듈형 따라서 &quot;스위칭 아웃&quot;은 개발 시간에 영향을 미치지 않습니다 것입니다. 본 논문에서는, 우리는 소프트웨어가 가장 일반적으로 모든 로봇에 의해 사용되는 명령을 통합하는 오픈 소스 H3DAPI, 하나의 로봇에 대한 래퍼 클래스의 성공적인 생성 및 구현을 설명합니다.

최근, 잠재 고객의 광대한 금액은 인간 - 로봇 상호 작용 시스템을 사용할왔다. 본 논문에서 우리는 신속하게 상호 작용 기능을 가능한 라이브러리를 만들 수 있습니다 오픈 소스 소프트웨어와 함께 새로운 로봇 장치의 통합을 설명합니다. 우리는 다음 neurorehabilitation 어플 리케이션을위한 임상 응용 프로그램을 설명합니다.

Haptic 그래픽 / 재활 : 가상 환경 도서관에 로봇을 통합하고 뇌졸중 치료에 적용

장기적인 치료 연습을 위해 대화형 기기를 테스트한 최근 연구들은 그래픽 및 기타 요소와 결합된 로봇 공학의 새로운 전망을 제시했습니다...

본 절차의 전반적인 목표는 로봇을 가상 환경 라이브러리에 통합한 후, 해당 로봇을 뇌졸중 치료에 활용하는 것입니다. 이는 먼저 햅틱 라이브러리를 확장하는 래퍼 클래스를 생성하고, 이 래퍼 클래스를 햅틱 라이브러리에 통합함으로써 달성됩니다. 다음 단계는 그래픽 라이브러리를 확장하는 래퍼 클래스를 생성하는 것이며, 래퍼 클래스 작성이 완료되면 이 클래스를 그래픽 라이브러리에 통합합니다.H 3D API 인터페이스는 뇌졸중 환자 테스트를 위한 유한 상태 머신(finite state machine)을 설정하는 데 사용됩니다. 이후 통합된 로봇을 사용하여 뇌졸중 환자의 재활을 돕습니다. 이 기술의 주요 장점은 더 이상 모든 로봇에 대해 서로 다른 소프트웨어 애플리케이션을 작성할 필요가 없다는 점입니다.또한, 이러한 애플리케이션은 전 세계의 과학자들이 실험실에서 사용하는 로봇의 종류와 관계없이 실행할 수 있습니다. 이 방법은 우리 신경계가 오차 증강(error augmentation)으로부터 어느 정도의 이득을 얻을 수 있는지와 같이 재활, 로보틱스 및 운동 제어 분야의 핵심 질문들에 답하는 데 도움이 될 수 있습니다. 또한, 이 방법은 뇌졸중 장애에 대한 통찰력을 제공할 뿐만 아니라 건강한 신체 기능에 대한 이해를 넓힐 수 있습니다.일반적으로 재활 치료를 처음 시작하는 뇌졸중 환자들은 핸들을 잡는 법을 익히는 것과 같은 특정한 장애물을 극복해야 합니다. 저희는 중력 보정 상태에서 넓은 작업 영역을 갖춘 로봇이 필요하다는 점을 깨달았을 때 처음으로 이 방법의 아이디어를 얻었습니다. 또한, 향후 대학원생들이 동일한 작업을 반복하지 않고 이전 연구자들의 성과를 활용할 수 있도록 소프트웨어 재작성 작업을 최소화하고자 했습니다.이 영상에서는 www.hthreedpi.org에서 제공하는 오픈 소스 코드를 사용하여 WHAM(whole arm manipulation) 로봇을 통합하는 방법을 설명합니다. 햅틱 라이브러리에 새로운 로봇을 통합하려면, 먼저 WHAM 로봇의 움직임을 제어하는 데 사용되는 햅틱 렌더링 엔진인 HAP을 위한 래퍼 클래스를 작성해야 합니다. 먼저 CPP 파일과 헤더 파일을 생성하십시오.이 예제에서 사용된 파일 이름은 happy, wham, cpp 및 happy wham h입니다. happy wham cpp 파일을 소스 디렉토리인 Happy/source에 넣은 다음, happy를 배치하십시오.wham.h 파일을 헤더 파일 디렉토리에 저장합니다. 경로-happy/include/happy입니다. happy wham.h 상단에 로봇의 메인 헤더 파일들을 포함시킵니다.포함된 라이브러리는 C로 작성되었고 H 3D API는 C++로 작성되었으므로, 컴파일러 매글링(mangling)을 해결하기 위해 extern C가 필요하다는 점에 유의하십시오. happy wham h에서 로봇을 위한 클래스를 생성하고 haptics device release, haptics device, update device values, send output의 네 가지 함수를 포함하십시오. 해당 클래스가 happy haptics device 클래스를 공개적으로 상속받도록 해야 합니다.다음으로, 클래스에 대한 헤더 가드(header guard)를 생성하십시오. 그런 다음 happy WHAM 클래스 아래에 정적 장치 출력(static device output)과 정적 햅틱 장치 등록(static haptics device registration) 속성을 생성하십시오. 이어서 해당 로봇에 특화된 콜백을 위한 정적 멤버 함수들을 생성하십시오.WHAM 로봇의 경우, 콜백 함수는 bull 및 haptics 장치 init 함수에서 사용됩니다. 헤더 파일에 프로토타입이 설정되었으므로, happy wham dot cpp 파일을 열고 적절한 헤더 파일과 네임스페이스를 포함시키십시오. 다음으로, Happy Wam cpp에서 생성자와 소멸자를 정의하십시오.그 다음 Happy Wam cpp에서 장치를 등록하십시오. 이제 Happy Wam cpp에서 네 가지 상속 함수와 콜백을 정의합니다. 장치 값 업데이트 함수는 로봇 팔의 위치와 로봇이 환경에 가하는 힘의 크기를 컴퓨터에 전달합니다.Happy Wrapper 클래스를 생성한 후, 다음 단계는 Happy 라이브러리에 wrap을 구축하는 것입니다. WAM은 H 3D API의 기본 형태에서는 의존하지 않는 일부 라이브러리에 의존합니다. 따라서 이러한 라이브러리들을 happy에 추가해야 합니다.H 3D 2.1/happy/build 디렉토리로 이동하여 CMakeLists.txt 파일을 수정하십시오. Set optional libs라고 적힌 줄 다음에 종속 라이브러리들을 추가하십시오. 명령 콘솔을 열고 H 3D 2.1/happy/build 경로로 이동한 다음, 순서대로 cmake, make, sudo make install을 입력하여 H 3D 오픈 소스 코드에 새로운 로봇의 통합을 완료하십시오.씬 그래프를 위한 두 번째 랩 클래스를 작성합니다. API는 H 3D API라고 불립니다. 이 예제에서는 wam device라는 랩 클래스를 사용합니다.소스 디렉터리인 H 3D AP I/source로 이동하여 WAM 장치 CPP 파일인 wam device.Cpp를 생성하십시오. 모든 H 3D PI 장치에 적용되는 표준 소스를 추가하십시오. 다음으로 Wam device H를 헤더 파일 디렉터리에 배치하십시오.Wam device H는 모든 H 3D API 장치를 위한 표준 헤더 파일을 포함해야 합니다. 래퍼 클래스가 생성되었으므로, H three DPI slash build 디렉터리에 있는 C make lists 텍스트를 편집하여 H 3D PI 라이브러리를 다시 빌드하십시오. 마지막으로 H 3D PI slash build 디렉터리에서 작업을 수행합니다.CMake, pseudo make 및 pseudo make install 명령을 사용하여 H 3D API 라이브러리를 다시 빌드합니다. 이제 새로운 래퍼 클래스를 로봇에 사용할 준비가 되었습니다. 적절한 래퍼 클래스가 설치되면, Barrett WHAM 로봇을 사용한 표적 도달 과제(targeted reaching task)의 실험 프로토콜을 제어하기 위한 유한 상태 머신(finite state machine)이 생성됩니다. 상태 머신의 상태는 시행 시작, 런칭, 표적 접촉 및 시행 종료로 구성됩니다.시행 시작 상태는 타겟 할당과 함께 시작됩니다. 타겟 위치는 각 시행마다 무작위로 설정하거나 파일에서 설정할 수 있습니다. 시행 시작 상태가 종료되면 발사 상태가 시작됩니다.피험자의 손이 일반적으로 0.06 meters per second인 속도 임계값 이상으로 타겟을 향해 이동하면 발사 상태가 됩니다. 환자의 커서가 타겟에 닿으면 발사 상태가 종료되고 타겟 접촉 상태가 시작됩니다. 접촉이 이루어지면 타겟이 사라지며, 타겟 접촉 상태가 종료되고 시도 종료 상태가 시작됩니다.시행 종료 상태가 되면 데이터 수집 소프트웨어에 알림이 전달되어 데이터 파일에 시행 종료 구분 기호를 표시합니다. 마지막 시행이 완료되지 않은 경우, 시행 종료 상태가 끝나면 시행 시작 상태가 활성화되고 새로운 타겟이 할당됩니다. 이 섹션에서는 뇌졸중 환자의 재활에 사용되는 phantom이라는 다른 로봇을 시연합니다.팬텀의 wrap 클래스 코드를 적절한 라이브러리에 대입함으로써, 새로운 로봇을 가상 환경에 통합할 수 있으며, 여기서는 가상 현실 로봇 및 광학 수술 장치 또는 룸(virtual reality Robotic and optical operations machine or room)이라고 불리는 3차원 햅틱 그래픽 시스템이 사용됩니다. 이 시스템은 세미 실버 미러 오버레이 디스플레이 상의 투영 스테레오 헤드 트래킹 렌더링과 손목 위치를 기록하고 힘 벡터를 생성할 수 있는 로봇 시스템을 결합한 것입니다. 시네마급 디지털 프로젝터가 5피트 너비의 디스플레이에 이미지를 표시하여 110도의 넓은 시야각을 제공합니다.적외선 방출기는 LCD 셔터 안경을 통해 좌우 눈의 개별 이미지를 동기화합니다. 머리 움직임은 ascension flock of birds 자기 소자를 통해 추적되어, 시각적 디스플레이가 적절하게 머리 중심의 관점으로 렌더링됩니다. 손목 부목이 포함된 exo tendon glove는 손목과 손의 정렬을 중립 상태로 유지하도록 돕습니다.로봇 핸들의 중심을 요수근 관절 뒤쪽의 전완부에 배치합니다. 이를 통해 로봇의 힘이 손목에 작용하게 하되, 손의 자유로운 움직임은 허용합니다. 스프링 구동 방식의 Wilmington 로봇 외골격 중력 균형 보조기를 사용하여 환자의 팔 무게를 줄여줍니다.환자 옆에 앉은 치료사는 추적 장치를 사용하여 디스플레이 상의 커서를 이동시킵니다. 환자는 로봇 핸들을 사용하여 커서를 따라가도록 안내받습니다. 오차 증강은 시각적 방식과 로봇에 의해 생성되는 힘을 통해 모두 제공됩니다.환자의 커서가 치료사의 커서에서 벗어나 즉각적인 오차가 발생하면, 치료사 커서와 환자의 손 사이의 위치 차이로 벡터 E가 설정됩니다. 오차 증강의 일환으로, 이 오차는 1.5 E의 배수로 시각적으로 확대됩니다. 또한, 환자의 팔에 100 E의 오차 증강력이 가해지며, 이는 최대 4 Newtons에서 포화되도록 프로그래밍되었습니다.안전을 위해, 오차 증폭(error augmentation)은 환자가 인지하는 오차를 확대하여 재학습 과정을 강화합니다. 치료 프로토콜에 따라 환자는 전방 및 측방으로 팔을 뻗는 어깨-팔꿈치 결합 동작과 몸을 가로질러 대각선으로 뻗는 동작을 포함하여 몇 가지 특정 동작을 연습합니다. 다음 시연에서는 상위 클래스 코드를 교체하고 Barrett WHAM 로봇을 사용합니다.다음 과제의 목표는 건강한 피험자 또는 뇌졸중 환자가 반투명한 녹색 구체 내부에서 가상 투사체를 잡는 것입니다. 환자의 손이 구체 밖으로 벗어나면 구체는 빨간색으로 변하며, 환자의 팔에는 로봇으로부터 오류 증폭 피드백이 전달됩니다. 환자가 정의된 공간 내에서 투사체를 성공적으로 잡으면 구체는 녹색 상태를 유지합니다.이 그림은 도달 오차의 중앙값을 보여줍니다. 각 점은 전형적인 기능적 움직임의 2분 단위 블록에 대해 측정된 중앙값 오차를 나타냅니다. 환자들은 2주 동안 진전을 보였으나, 매일 항상 개선이 있었던 것은 아니었습니다.이 그림은 선택적으로 움직임 간 변동성을 줄이는 데 있어 오류 증강(error augmentation)이 가져오는 결과적인 이점을 보여줍니다. 상단 그래프는 대조군의 데이터를 나타내며, 하단 그래프는 실험군의 데이터를 나타냅니다. 각 색상은 서로 다른 피험자를 의미합니다.두 개의 수평선은 과제의 경계 위치를 나타냅니다. 피험자의 목표는 이 경계 내에서 가상 투사체를 잡는 것이었습니다. 점의 위치는 해당 피험자가 접촉에 가장 가까이 다가간 지점을 보여줍니다.투사체에서, 원시 데이터 위에 겹쳐진 파란색 반투명 히스토그램은 그룹의 이동 분포를 나타냅니다. 전방 축을 따라, 뇌졸중 환자들은 초기 200회 시행 동안 캐칭 과제(catching task)를 600회 수행하였으며, 201회부터 400회 시행까지는 오차 증강 피드백(error augmentation Feedback)이 제공되지 않았습니다. 로봇이 환자에게 오차 증강 피드백을 제공한 결과, 환자가 지정된 경계 내에서 표적을 잡는 능력이 유의미하게 향상되었습니다.이 절차를 따른 후에도 기존의 재활 방법을 여전히 수행할 수 있지만, 로봇을 이용하면 반복적인 시도 동안 환자의 손 위치를 항상 정량화할 수 있습니다. 이 기술은 신경 공학 분야의 새로운 연구를 위한 길을 열어주었으며, 이를 통해 다양한 가능한 해결책이 존재하는 특정 영역 내에서 시뮬레이션된 도달 동작을 탐구할 수 있습니다. 이 영상을 시청한 후에는 선택한 재활 로봇을 위해 H 3D API 라이브러리를 확장하는 방법과 뇌졸중 환자의 평가 및 치료를 위한 다양한 햅틱 그래픽 인터페이스를 적용하는 방법을 이해하게 될 것입니다.로봇과 함께 작업하는 것은 잠재적으로 위험할 수 있으므로, 이러한 인간-로봇 상호작용이 포함된 로봇을 선택할 때는 신중한 고려가 필요합니다. 저희는 가장 최근 프로젝트에서 더 강력하고 백드라이브(back drivable)가 가능한 Barrett WHAM을 선택했습니다. 백드라이브가 가능하다는 것은 프로그래밍을 통해 거의 저항이 느껴지지 않게 만들 수 있다는 의미이며, 그럼에도 불구하고 이 로봇은 인간-기계 상호작용을 위해 사용 가능한 가장 안전한 옵션 중 하나입니다.별도의 워치독 컴퓨터가 메인 컴퓨터를 모니터링하며, 문제가 발생할 경우 시스템을 비활성화할 수 있습니다. 또한 동적 제동 장치를 통해 시스템이 비활성 상태일 때 항상 댐퍼 역할을 하도록 보장합니다. 많은 로봇이 서로 다르게 작동하지만, 그 기능 중 상당 부분은 중첩됩니다. 따라서 로봇 간의 기술 이식 가능성은 연구실 간의 새로운 공유를 촉진할 수 있습니다.본 연구에서 입증된 것과 같은 훈련 처치가 환자의 기능 회복뿐만 아니라 스포츠 훈련, 원격 조작 음악 연주 시범, 외과적 수술 기법 및 반복적인 연습이 필요한 기타 모든 과업의 훈련을 강화하는 데 고무적인 증거를 제공한다는 점은 분명합니다.

hapticgraphic-rehabilitation-integrating-robot-into-virtual

Research

연구

JoVE Journal

Bioengineering

생명공학

우리는, 자동 제어 기술을 사용하여 편마비 팔의 기능 회복을위한 실시간 미러 로봇 시스템을 개발 재활 의사의 피드백을 통해 건강한 주제에 대한 임상 연구 및 결정 작업을 실시했다. 이 간단한 미러 로봇 팔 편마비 뇌졸중 환자에서 작업 치료에 효과적으로 적용될 수있다.

반신 불수 팔의 기능 복구를위한 로봇 미러 치료 시스템

(훈련 비) 반면에 모터 기술 성능 향상을 위해 한 손으로의 자발적인 제어를 이용 하는 새로운 가상 현실 기반된 설치를 설명 합니다. 이 마치 훈련 비 손을 움직이는 운동 기반 실시간 감각 피드백을 제공 하 여 이루어집니다. 이 새로운 접근은 일방적인 hemiparesis 환자의 재활을 향상 시키기 위해 사용할 수 있습니다.

가상 현실을 사용 하 여 다른 한 손으로에서 모터 기술 지식을 전송 하

여기, 우리 개발 하 고 뇌졸중 환자에서 상 지 장애의 복구에 대 한 모바일 게임 기반 가상 현실 프로그램을 적용 하는 프로토콜을 제시. 현재 연구는 모바일 프로그램 가능 하 고 효과적으로 뇌졸중 환자에서 상 지 복구를 촉진을 보여줍니다.

상부 말단 뇌졸중 재활을 위한 모바일 게임 기반 가상 현실 프로그램

사용 transcranial 직류 자극과 로봇 치료의 추가 기능으로 기존의 재활 치료에 대 한 향상 된 치료 결과 뇌가 소성의 변조 때문에 발생할 수 있습니다. 이 문서에서는, 우리는 뇌졸중 후 모터 성능 향상을 위한 우리의 연구소에서 사용 되는 결합 된 방법을 설명 합니다.

상 지 대 한 Transcranial 직접 현재 자극과 로봇 치료의 사용

현재 프로토콜은 VR 기반 디지털 직업 훈련 시스템이 뇌졸중 후 인지 장애 및 상지 기능 장애가 있는 환자의 재활을 향상시키는 방법을 설명합니다.

디지털 직업 훈련 시스템을 활용한 뇌졸중 후 인지 기능 및 상지 재활 훈련

전 세계 6명 중 1명은 일생 동안 뇌졸중을 앓아 장기적인 장애를 유발하는 것으로 추정되며, 이러한 재활 메커니즘은 아직 잘 알려져 있지 않습니다. 이 연구는 하지 로봇 치료 세션 동안 기능적 근적외선 분광법(fNIRS)으로 뇌 활성화를 평가하는 프로토콜을 제안합니다.

기능적 근적외선 분광법과 하지의 로봇 보조 다관절 포인팅 운동을 이용한 실험

이 프로토콜은 4가지 모드를 통해 지능적인 피드백을 제공하는 상지 재활 로봇을 설명합니다. 이러한 모드는 상지 기능과 유연성을 향상시켜 환자의 삶의 질을 향상시킵니다.

Enhancing Upper Words Rehabilitation Robot을 통한 뇌졸중 후 상지 기능 및 운동 능력 향상

이 실험 프로토콜은 상지 기능 장애가 있는 뇌졸중 환자를 위한 이중 상지 작업 지향 로봇 시스템의 사용을 간략하게 설명합니다. 연구 결과는 이 시스템이 뇌졸중 환자의 상지 기능과 일상 생활 활동을 크게 개선할 수 있음을 시사합니다.

뇌졸중 환자의 상지의 기능적 회복을 위한 Dual Upper Limb Task-Oriented Robotic System 적용

뇌졸중 생존자의 이중 작업 능력에 대한 외골격 보조, 체중 지원 트레드밀 훈련과 게임 기반 가상 현실을 결합하는 효과에 대한 효과는 아직 연구되지 않았습니다. 따라서 이 재활 프로그램은 뇌졸중 회복 중 보행 능력을 향상시키는 데 있어 이 조합의 잠재적인 기능과 이점을 조사하는 것을 목표로 합니다.

뇌졸중 환자를 위한 비몰입형 가상 현실을 사용한 외골격 보조 체중 지원 트레드밀 훈련의 재활 프로그램

이 연구는 뇌졸중 후 전뇌 네트워크 토폴로지 향상에 대한 구성 가능한 소프트 공압 로봇의 효과를 탐구합니다. 그래프 이론 분석은 클러스터링 계수, 경로 길이 및 전역 효율성이 크게 향상되었음을 나타냅니다. 연구 결과는 뇌졸중 재활에서 신경가소성을 조절하고 기능 회복을 최적화하는 프로그래밍 가능한 로봇 프로토콜의 잠재력을 강조합니다.

연질 공압 로봇은 뇌졸중 후 손 재활을 위한 뇌 네트워크의 그래프 이론 지표를 변조합니다.

이 프로토콜은 뇌졸중 후 편마비 재활을 위해 침대 옆 하지 재활 로봇을 사용하는 임상 효능과 환자의 편안함을 평가하는 것을 목표로 하며, 무작위 대조 시험을 통해 전통적인 수기 치료와 결과를 비교합니다.

뇌졸중 재활에 침상 하체 재활 로봇의 적용: 무작위 대조 시험

학습하세요 로봇을 가상 환경에 통합하여 뇌졸중 재활 치료에 적용하는 방법을. H 3D API와 래퍼 클래스를 활용한 이 기술은 다양한 로봇에 표준화된 소프트웨어 프레임워크를 제공합니다.

Haptic 그래픽 / 재활 : 가상 환경 도서관에 로봇을 통합하고 뇌졸중 치료에 적용

더 많은 동영상 탐색