High-level adaptive control of an active back-support exoskeleton using computer vision

The high workload in industrial environments made back pain one of the most frequent work-related injuries and the leading reason for absence from work. Back-support exoskeletons have been introduced to reduce the spinal load and reduce injury risk. Although many exoskeletons have been developed for this purpose, they use multiple sensors to achieve reliable control strategies. Recently, the use of computer vision has been increasing in exoskeleton applications; However, there is limited research on its application to back-support exoskeletons. This thesis explores the design and implementation of a high-level adaptive control strategy for an active back-support exoskeleton, utilizing computer vision for real-time grasp detection. The device integrates an impedance control algorithm that adapts to the user's movement intentions, thereby improving comfort. The exoskeleton assists the user by compensating for the gravitational load of carried objects, detected through a camera-based computer vision system. Key contributions include the optimization of the exoskeleton’s control strategies to ensure adaptability without the need for multiple sensors, thereby reducing cost and complexity. No additional sensors are employed apart from magnetic encoders. Experimental results demonstrate the effectiveness of this adaptive control approach in providing load handling assistance. Future directions involve the expansion of computer vision capabilities and utilizing AI techniques for signal processing.

L'elevato carico di lavoro negli ambienti industriali ha reso il mal di schiena una delle lesioni professionali più frequenti e la principale causa di assenza dal lavoro. Gli esoscheletri di supporto lombare sono stati introdotti per ridurre il carico spinale e diminuire il rischio di infortuni. Sebbene molti esoscheletri siano stati sviluppati per questo scopo, essi utilizzano spesso più sensori per ottenere strategie di controllo affidabili. Di recente, l'uso della visione artificiale è aumentato nelle applicazioni di esoscheletri; tuttavia, vi è una ricerca limitata riguardo alla sua applicazione agli esoscheletri di supporto lombare. Questa tesi esplora la progettazione e l'implementazione di una strategia di controllo adattativo di alto livello per un esoscheletro attivo di supporto lombare, utilizzando la visione artificiale per il rilevamento in tempo reale della presa. Il dispositivo integra un algoritmo di controllo di impedenza che si adatta alle intenzioni di movimento dell'utente, migliorando così il comfort. L'esoscheletro assiste l'utente compensando il carico gravitazionale degli oggetti trasportati, rilevato tramite un sistema di visione artificiale basato su telecamera. I principali contributi includono l'ottimizzazione delle strategie di controllo dell’esoscheletro per garantire adattabilità senza la necessità di più sensori, riducendo così i costi e la complessità. Non vengono utilizzati sensori aggiuntivi, ad eccezione degli encoder magnetici. I risultati sperimentali dimostrano l'efficacia di questo approccio di controllo adattativo nel fornire assistenza alla gestione del carico. Le future direzioni di ricerca includono l'espansione delle capacità della visione artificiale e l'utilizzo di tecniche di intelligenza artificiale per l'elaborazione dei segnali.