GRK LokoAssist – Nahtlose Integration von Assistenzsystemen für die natürliche Lokomotion des Menschen

Willkommen auf der Website des Graduiertenkollegs LokoAssist (Graduiertenkolleg 2761), das von der Deutschen Forschungsgemeinschaft (DFG) gefördert wird.

Über uns

Beinprothesen und -orthesen können als aktive Bewegungsassistenzsysteme oder kurz “Assistenzsysteme” bezeichnet werden, wenn sie individuell und situationsabhängig einen durchgeführten Bewegungsablauf erfassen und ihn gleichzeitig durch Einwirken von Kräften und Momenten geeignet unterstützen. Ein solches Assistenzsystem kann “nahtlos” in das Körperschema integriert werden, wenn es unterschiedliche Bewegungsabsichten selbstständig erkennt und daraus ein intuitiv vorhersagbares motorisches Verhalten erzeugt und sich damit nahtlos in das Erleben des Bewegungsalltags einfügt. Assistenzsysteme versprechen somit eine deutlich erweiterte Bewegungsfunktionalität bei gleichzeitig geringerem metabolischen Energieaufwand, besserer individueller Anpassungsfähigkeit sowie höherem Bewegungskomfort im Vergleich zu konventionellen passiven oder semiaktiven Beinprothesen bzw. -orthesen.

Dieses bisher noch wenig erschlossene Potential von Assistenzsystemen wird im GRK adressiert. Neben der Entwicklung innovativer Technologien fordert es die durchgehende aktive Einbindung potentieller Nutzenden selbst in den Forschungs- und Entwicklungsprozess, um eine hohe Akzeptanz der sich selbsttätig bewegenden künstlichen Körperteile bzw. des eng mit dem Körper interagierenden mechatronischen Assistenzsystems zu erreichen. Auch die individuellen Erfahrungen des eigenen Körperbildes werden im GRK berücksichtigt, wodurch sich grundlegende und nur interdisziplinäre zu bearbeitende Forschungsfragen ergeben.

LokoAssist Symposium 2023

Topics

  • Mechatronic design of assistive devices concerning drive concepts, materials, sensors, and actuators and their integration into assistive systems
  • Modeling of locomotion including with/without perturbations based on biomechanics and machine learning methods
  • Assistance scenarios and their evaluation, including user (e.g., Human-in-the-loop optimization) and expert (e.g., practitioners) feedback
  • User perspective and body representation

Weitere Informationen sind hier zu finden. (Englisch)