Este proyecto tiene como objetivo desarrollar una modelo basado en redes neuronales que ayude a controlar el movimiento de una silla de ruedas, mejorando la autonomía y calidad de vida de las personas con movilidad reducida. Las personas con condiciones como parálisis cerebral o distrofia muscular pueden encontrar difícil el manejo de joysticks tradicionales debido a la falta de precisión. Esto hace necesario encontrar soluciones alternativas que sean, además, altamente personalizables.
La solución propuesta se ha diseñado e implementado sobre una Raspberry Pi que toma las señales de entrada de dos acelerómetros y lo traduce a comandos que se envían a la silla de ruedas. Los datos recogidos de los acelerómetros pasan por el modelo entrenado e indican la velocidad y dirección que ha de tomar de la silla de ruedas.
Para la personalización del sistema se requiere que el modelo sea previamente entrenado con los movimientos que el usuario vaya a utilizar. Así se consigue que el sistema esté adaptado, manteniendo las direcciones generales del robot y sin cambiar el diseño físico.
Con esto se mejora la usabilidad del sistema y se propone una solución de bajo coste que puede ayudar a las personas con dificultades motoras.
Abstract:
This project aims to develop a neural network-based model to help control the movement of a wheelchair, improving the autonomy and quality of life for people with reduced mobility. Individuals with conditions such as cerebral palsy or muscular dystrophy may struggle with traditional joysticks due to the lack of precision. This makes it necessary to find alternative solutions that are also highly customizable.
The proposed solution has been designed and implemented on a Raspberry Pi, which receives input signals from two accelerometers and translates them into commands sent to the wheelchair. The data collected from the accelerometers is processed by the trained model, determining the speed and direction the wheelchair should take.
To personalize the system, the model must be trained beforehand with the specified movements the user will use. This ensures that the system is adapted to the user while maintaining the general directions of the robot without modifying its physical design.
This approach improves system usability and provides a low-cost solution that can assist people with motor impairments.
Este proyecto tiene como objetivo desarrollar una modelo basado en redes neuronales que ayude a controlar el movimiento de una silla de ruedas, mejorando la autonomía y calidad de vida de las personas con movilidad reducida. Las personas con condiciones como parálisis cerebral o distrofia muscular pueden encontrar difícil el manejo de joysticks tradicionales debido a la falta de precisión. Esto hace necesario encontrar soluciones alternativas que sean, además, altamente personalizables.
La solución propuesta se ha diseñado e implementado sobre una Raspberry Pi que toma las señales de entrada de dos acelerómetros y lo traduce a comandos que se envían a la silla de ruedas. Los datos recogidos de los acelerómetros pasan por el modelo entrenado e indican la velocidad y dirección que ha de tomar de la silla de ruedas.
Para la personalización del sistema se requiere que el modelo sea previamente entrenado con los movimientos que el usuario vaya a utilizar. Así se consigue que el sistema esté adaptado, manteniendo las direcciones generales del robot y sin cambiar el diseño físico.
Con esto se mejora la usabilidad del sistema y se propone una solución de bajo coste que puede ayudar a las personas con dificultades motoras.
Abstract:
This project aims to develop a neural network-based model to help control the movement of a wheelchair, improving the autonomy and quality of life for people with reduced mobility. Individuals with conditions such as cerebral palsy or muscular dystrophy may struggle with traditional joysticks due to the lack of precision. This makes it necessary to find alternative solutions that are also highly customizable.
The proposed solution has been designed and implemented on a Raspberry Pi, which receives input signals from two accelerometers and translates them into commands sent to the wheelchair. The data collected from the accelerometers is processed by the trained model, determining the speed and direction the wheelchair should take.
To personalize the system, the model must be trained beforehand with the specified movements the user will use. This ensures that the system is adapted to the user while maintaining the general directions of the robot without modifying its physical design.
This approach improves system usability and provides a low-cost solution that can assist people with motor impairments. Read More
Related posts:
Generación de modelos neuronales a partir de un grafo
Modelado tridimensional del prototipo de coche de competición upm05e del equipo UPM Racing, por métodos de fotogrametría de objeto cercano (amortiguadores, volante, ruedas, suspensión)
Sistema de seguimiento a operarios mediante cámara para vehículos autónomos
Maxion Wheels inaugura sistema fotovoltaico en su planta de Chihuahua
Multi-vehicle detection and tracking
Cultura, sociedad y diseño… tan cotidiano como sentarse