• armband
• erb
• posture recontruction
• prosthesis
• svm

Questo studio presenta lo sviluppo di un sistema di sensori basato su Bande Elettro-Resistive (ERB) per il controllo dei movimenti del polso e della mano in protesi degli arti superiori. Il sensore ERB, indossato sull'avambraccio consente un'analisi non invasiva dell'attività muscolare monitorando le variazioni di resistenza in un materiale elastico conduttivo. A differenza dei sistemi tradizionali basati su elettromiografia (EMG), che richiedono il contatto diretto con la pelle e una collocazione precisa degli elettrodi, il sensore ERB elimina la necessità di contatto diretto e risulta di più facile utilizzo per il soggetto. Utilizzando algoritmi di machine learning, in particolare un Support Vector Machine (SVM), i segnali rilevati sono stati associati a movimenti specifici della mano e del polso. Dopo un periodo di addestramento sui dati di contrazione muscolare il sistema è in grado di classificare accuratamente diversi movimenti e tradurli in comandi proporzionali, offrendo anche informazioni sulla stiffness muscolare. Gli esperimenti condotti hanno dimostrato che l'algoritmo SVM può identificare correttamente i movimenti garantendo un controllo fluido visualizzabile in tempo reale in un ambiente simulativo. I risultati preliminari suggeriscono che il sensore ERB offre un segnale di controllo paragonabile a quello dell'EMG, con vantaggi in termini di semplicità d'uso e integrazione nei dispositivi protesici. Questo approccio potrebbe rappresentare una soluzione promettente per migliorare l'interfaccia uomo-macchina nelle protesi avanzate

This study presents the development of a sensor system based on Electro-Resistive Bands (ERB) for controlling wrist and hand movements in upper limb prosthesis. The ERB sensor, worn on the forearm, allows for non-invasive analysis of muscle activity by monitoring resistance variations in a conductive elastic material. Unlike traditional systems based on electromyography (EMG), which require direct skin contact and precise electrode placement, the ERB sensor eliminates the need for direct contact and is easier for the user to handle. Using machine learning algorithms, particularly a Support Vector Machine (SVM), the detected signals were associated with specific hand and wrist movements. After a training period on muscle contraction data, the system can accurately classify various movements and translate them into proportional commands, also providing information about muscle stiffness. The experiments conducted demonstrated that the SVM algorithm can correctly identify movements and ensuring smooth control, which can be visualized in real time in a simulated environment. Preliminary results suggest that the ERB sensor offers a control signal comparable to that of EMG, with advantages in terms of ease of use and integration into prosthetic devices. This approach could represent a promising solution to improve the human-machine interface in advanced prosthetics.