SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso

"Este trabajo presenta el desarrollo y optimización de SoftGlove 2.0, un sistema de rehabilitación basado en robótica blanda y detección de intención de movimiento (IM) mediante electromiografía (EMG). El proyecto amplía y mejora la versión original de SoftGlove, un Proyecto Final de Carrera de...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Alurralde, Ignacio
Otros Autores: Wray, Sandra
Formato: Proyecto final de grado
Lenguaje:Español
Publicado: Instituto Tecnológico de Buenos Aires (ITBA) 2026
Materias:
SOFT ROBOTICS, EMG, MACHINE LEARNING
Acceso en línea:https://hdl.handle.net/20.500.14769/6223
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-6223
record_format dspace
spelling I32-R138-20.500.14769-62232026-05-13T06:04:37Z SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso Alurralde, Ignacio Wray, Sandra SOFT ROBOTICS, EMG, MACHINE LEARNING "Este trabajo presenta el desarrollo y optimización de SoftGlove 2.0, un sistema de rehabilitación basado en robótica blanda y detección de intención de movimiento (IM) mediante electromiografía (EMG). El proyecto amplía y mejora la versión original de SoftGlove, un Proyecto Final de Carrera desarrollado por alumnos del ITBA en 2023. Varios aspectos del proyecto original fueron mejorados: el algoritmo de detección de IM basado en señales de EMG, la usabilidad y la ergonomía del guante. Además, se realizó un análisis de su implementación en casos reales, y una exploración de su aplicación para nuevas patologías junto con un análisis de requerimientos extraídos a partir de normativa relevante. Para mejorar el algoritmo de IM, se utilizaron herramientas de Aprendizaje Automático (AA), explorando modelos clásicos y avanzados (SVM, Random Forest, Naive Bayes, XGBoost, MLP) sobre bases de datos de señales EMG públicas y registros EMG propios obtenidos de pacientes con y sin patologías motoras. Los resultados muestran una detección confiable de la intención de movimiento con solo dos canales EMG en los pacientes patológicos, con tiempos de inferencia compatibles con aplicaciones en tiempo real. Para mejorar la usabilidad, se rediseñaron la interfaz gráfica y el sistema de registro clínico, incorporando seguimiento de pacientes y métricas basadas en la escala de Tardieu. Respecto al guante, se desarrollaron cámaras y actuadores de silicona de geometría ajustable, capaces de generar los movimientos indicados para la rehabilitación de la patología objetivo. También se propuso un esquema de fabricación para guantes adaptados y personalizados según la anatomía de cada paciente mediante el uso de tecnología de escaneo 3D. Finalmente, se realizó un análisis normativo bajo los lineamientos de ANMAT para dispositivos médicos de Clase II, incluyendo una evaluación de riesgos. SoftGlove 2.0 demuestra la viabilidad de un dispositivo modular y personalizable orientado a la rehabilitación funcional en entornos clínicos y domiciliarios". 2026-05-12T14:03:44Z 2026-05-12T14:03:44Z 2026-05-06 Proyecto final de grado https://hdl.handle.net/20.500.14769/6223 es application/pdf Instituto Tecnológico de Buenos Aires (ITBA)
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic SOFT ROBOTICS, EMG, MACHINE LEARNING
spellingShingle SOFT ROBOTICS, EMG, MACHINE LEARNING
Alurralde, Ignacio
SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
topic_facet SOFT ROBOTICS, EMG, MACHINE LEARNING
description "Este trabajo presenta el desarrollo y optimización de SoftGlove 2.0, un sistema de rehabilitación basado en robótica blanda y detección de intención de movimiento (IM) mediante electromiografía (EMG). El proyecto amplía y mejora la versión original de SoftGlove, un Proyecto Final de Carrera desarrollado por alumnos del ITBA en 2023. Varios aspectos del proyecto original fueron mejorados: el algoritmo de detección de IM basado en señales de EMG, la usabilidad y la ergonomía del guante. Además, se realizó un análisis de su implementación en casos reales, y una exploración de su aplicación para nuevas patologías junto con un análisis de requerimientos extraídos a partir de normativa relevante. Para mejorar el algoritmo de IM, se utilizaron herramientas de Aprendizaje Automático (AA), explorando modelos clásicos y avanzados (SVM, Random Forest, Naive Bayes, XGBoost, MLP) sobre bases de datos de señales EMG públicas y registros EMG propios obtenidos de pacientes con y sin patologías motoras. Los resultados muestran una detección confiable de la intención de movimiento con solo dos canales EMG en los pacientes patológicos, con tiempos de inferencia compatibles con aplicaciones en tiempo real. Para mejorar la usabilidad, se rediseñaron la interfaz gráfica y el sistema de registro clínico, incorporando seguimiento de pacientes y métricas basadas en la escala de Tardieu. Respecto al guante, se desarrollaron cámaras y actuadores de silicona de geometría ajustable, capaces de generar los movimientos indicados para la rehabilitación de la patología objetivo. También se propuso un esquema de fabricación para guantes adaptados y personalizados según la anatomía de cada paciente mediante el uso de tecnología de escaneo 3D. Finalmente, se realizó un análisis normativo bajo los lineamientos de ANMAT para dispositivos médicos de Clase II, incluyendo una evaluación de riesgos. SoftGlove 2.0 demuestra la viabilidad de un dispositivo modular y personalizable orientado a la rehabilitación funcional en entornos clínicos y domiciliarios".
author2 Wray, Sandra
author_facet Wray, Sandra
Alurralde, Ignacio
format Proyecto final de grado
author Alurralde, Ignacio
author_sort Alurralde, Ignacio
title SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
title_short SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
title_full SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
title_fullStr SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
title_full_unstemmed SoftGlove 2.0: Retrofitting de un guante de rehabilitación con tecnología Soft-Robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
title_sort softglove 2.0: retrofitting de un guante de rehabilitación con tecnología soft-robotics y detección de intención de movimiento mediante aprendizaje automático con análisis de caso
publisher Instituto Tecnológico de Buenos Aires (ITBA)
publishDate 2026
url https://hdl.handle.net/20.500.14769/6223
work_keys_str_mv AT alurraldeignacio softglove20retrofittingdeunguantederehabilitacioncontecnologiasoftroboticsydetecciondeintenciondemovimientomedianteaprendizajeautomaticoconanalisisdecaso
_version_ 1865139377090330624

Ejemplares similares