Hand-Exoskelett-Konfiguration

Die Arbeit beginnt mit der Darstellung des Problems: Jährlich erleiden ca. 270.000 Menschen in Deutschland einen Schlaganfall, der oft zu Lähmungen und Feinmotorikstörungen führt und alltägliche Aktivitäten beeinträchtigt. Der steigende Trend an Schlaganfällen unterstreicht die wachsende Bedeutung von Rehabilitation. Exoskelette werden als vielversprechender Ansatz zur Wiederherstellung motorischer Fähigkeiten genannt, wobei eine intuitive Benutzerschnittstelle für deren Akzeptanz entscheidend ist. Die Arbeit fokussiert sich daher auf die Entwicklung und Evaluierung einer solchen Benutzerschnittstelle für die Konfiguration eines Hand-Exoskeletts, um die Rehabilitation von Schlaganfallpatienten zu unterstützen. Die Notwendigkeit einer benutzerfreundlichen Schnittstelle wird hervorgehoben, um die Effektivität der Therapie zu steigern und die Akzeptanz der Technologie zu erhöhen. Die Kurzfassung und das Abstract betonen die Relevanz des Themas und die Bedeutung einer intuitiven Benutzerführung für den Erfolg der Rehabilitation mit Exoskeletten.

Dieser Abschnitt untersucht bestehende Assistenzsysteme für mobilitätseingeschränkte Personen, darunter Rollstühle, Prothesen und andere unterstützende Technologien (assistive technologies). Es wird der breite Begriff der Assistenzsysteme definiert, der auch Software-Assistenten und Smart-Home-Konzepte umfasst. Der Fokus liegt jedoch auf Assistenzsystemen zur Verbesserung der Mobilität. Die Arbeit analysiert die Konfiguration von Assistenzsystemen, indem sie Beispiele wie die Steuerung von Knie-Knöchel-Prothesen durch Mikroprozessoren und Zustandsautomaten beschreibt. Die Anpassung der Prothesenparameter erfolgt durch Prothetiker basierend auf visueller Inspektion und Nutzerfeedback. Weitere Beispiele aus der Literatur (Simon et al., 2014; Gandolla et al., 2018; Abdallah et al., 2016; Quintero et al., 2018) illustrieren verschiedene Ansätze der Konfiguration von Assistenzsystemen und Rehabilitationsrobotern, darunter web-basierte Steuerungen für die Telerehabilitation. Die Analyse zeigt, dass es zwar verschiedene grafische Benutzeroberflächen gibt, jedoch mangelt es an Ansätzen, die die Steuerungsstrategie eines Assistenzsystems als Zustandsmaschine mittels eines Graphen visualisieren und direkt bearbeitbar machen. Diese Lücke bildet die Grundlage für die eigene Entwicklung in dieser Arbeit.

Der Kern der entwickelten Anwendung ist die sogenannte „Decision Loop“, eine Zustandsmaschine, die den Bewegungsablauf des Hand-Exoskeletts steuert. Die verschiedenen Zustände repräsentieren unterschiedliche Positionen im Bewegungsablauf. Zustandsübergänge werden durch Evaluatoren ausgelöst, die auf verschiedene Ereignisse reagieren (z.B. Augenbewegungen, Zeitverzögerungen). Mehrere Evaluatoren können parallel aktiv sein, wobei Prioritäten die Auswertungsreihenfolge bestimmen. Die Möglichkeit, die Decision Loop jederzeit abzubrechen und in den manuellen Modus zu wechseln, wird als wichtige Sicherheitsfunktion hervorgehoben. Dieser Abschnitt beschreibt die grundlegende Funktionsweise der Kontrollstrategie des Hand-Exoskeletts, die auf einer Zustandsmaschine basiert, und betont die Rolle der Evaluatoren bei der Steuerung der Übergänge zwischen den verschiedenen Zuständen. Die Flexibilität und die Möglichkeit zur manuellen Steuerung stellen sicher, dass die Anwendung sowohl sicher als auch benutzerfreundlich ist.

Die Benutzerschnittstelle wurde als Web-Anwendung mit HTML, CSS und JavaScript implementiert. Die Wahl einer Web-Anwendung begründet sich auf der Verfügbarkeit von JavaScript-Graph-Bibliotheken und der hohen Flexibilität bei der Gestaltung der Benutzeroberfläche. Die Entscheidung für eine lokale, backend-freie Implementierung ermöglicht einfache Portabilität und Offline-Nutzung. Der Abschnitt beschreibt die einzelnen Technologien detaillierter: HTML für die Struktur der Webseite, CSS für die Darstellung und JavaScript für die dynamische Interaktion und die Graph-Visualisierung mit mxGraph. Die Verwendung von JSON Schema dient der Validierung der Konfigurationsdaten. Die Wahl der Technologien ist bewusst getroffen worden, um eine möglichst einfache, portierbare und auch offline funktionierende Anwendung zu schaffen.

Die Anwendung besteht aus einer einzigen Seite mit drei Hauptteilen: Das zentrale Steuerungspanel ermöglicht die Konfiguration der Decision Loop. Es zeigt alle Zustände aufgelistet an, wobei ein Klick auf einen Zustand dessen Detailansicht öffnet. Dort können Parameter und konfigurierte Evaluatoren bearbeitet werden (Hinzufügen, Löschen, Prioritätsänderung). Ein Graph, implementiert mit mxGraph, visualisiert die Zustände und Übergänge des Hand-Exoskeletts. Kanten im Graph repräsentieren Zustandsübergänge, deren Konfiguration im Steuerungspanel editierbar ist. Die unterschiedliche Farbgebung der Kanten visualisiert, ob ein Übergang konfiguriert ist oder nicht. Die Anwendung lädt ein passendes JSON-Schema basierend auf der gewählten Versionsauswahl. Die Validierung der hochgeladenen Konfigurationsdateien erfolgt ebenfalls mit Hilfe des JSON-Schemas. Die Benutzeroberfläche ist so gestaltet, dass alle Konfigurationsaktionen auf einer einzigen Seite erfolgen können.

Ein Remote-Benutzertest mit drei Probanden wurde mit TeamViewer durchgeführt. Die Think-Aloud-Methode ermöglichte die Erfassung der Benutzergedanken während der Interaktion. Die Effektivität der Aufgabenerledigung wurde mit einer 3-stufigen Skala (1: erfolgreich, 0.5: teilweise erfolgreich, 0: Misserfolg) bewertet. Der AttrakDiff-Fragebogen (www.attrakdiff.de) erfasste die hedonische und pragmatische Qualität der Anwendung. Die Probanden bewerteten die Anwendung insgesamt positiv, sowohl in Bezug auf die Usability als auch auf die Ästhetik. Die Ergebnisse des AttrakDiff-Fragebogens zeigen eine hohe pragmatische und hedonische Qualität. Trotzdem gab es Kritikpunkte, wie die etwas verwirrende Reihenfolge der Zustände im Graphen und Panel, die nicht eindeutige Darstellung von mehreren Evaluatoren für einen Übergang und die ungenügende visuelle Unterscheidung von aktiven und inaktiven Verbindungen. Das Feedback der Probanden führte zu konkreten Verbesserungsvorschlägen, z.B. die Verwendung von Tooltips, eine verbesserte Farbcodierung der Verbindungen und eine klarere visuelle Unterscheidung zwischen aktiven und inaktiven Evaluatoren.

Der Abschnitt definiert den umfassenden Begriff "Assistenzsysteme", der ein breites Spektrum an technischen Hilfsmitteln umfasst. Beispiele reichen von Software-Installationsassistenten über Fahrerassistenzsysteme (ABS, Spurhalteassistent) bis hin zu Smart-Home-Konzepten. Der Fokus der Arbeit liegt auf Assistenzsystemen für Benutzergruppen mit besonderen Bedürfnissen, insbesondere mobilitätseingeschränkte Personen. Dieser Teilbereich wird auch als "assistive technologies" bezeichnet. Die Definition macht deutlich, dass der Begriff Assistenzsysteme weit gefasst ist und verschiedene Technologiebereiche umfasst, wobei die Arbeit sich auf die Anwendung im Kontext von Mobilitätseinschränkungen konzentriert. Die Einordnung von Exoskeletten in diese Kategorie wird explizit erwähnt.

Anhand von Beispielen aus der Literatur (Simon et al., 2014) wird die Konfiguration bestehender Assistenzsysteme, im Speziellen von motorisierten Knie-Knöchel-Prothesen, erläutert. Die Steuerung erfolgt mittels Mikroprozessoren und Zustandsautomaten, wobei jeder Bewegungsmodus (z.B. Gehen auf ebenem Boden, Treppensteigen) einen eigenen Automaten besitzt. Die Zustände repräsentieren Phasen des Bewegungsablaufs, und Übergänge zwischen den Zuständen werden durch bestimmte Bedingungen (z.B. Überschreitung eines Lastgrenzwerts) ausgelöst. Die Anpassung der Prothesenparameter an den Nutzer geschieht iterativ durch einen Prothetiker mittels visueller Inspektion des Gangbildes und Nutzerfeedback. Die beschriebenen Konfigurationsmethoden dienen als Referenz für die Entwicklung der eigenen Benutzerschnittstelle und illustrieren die Komplexität und den Bedarf an intuitiven Werkzeugen für die Parametereinstellung in Assistenzsystemen. Die grafische Benutzeroberfläche für die Bearbeitung von Kontrollpunkten der Bewegungskurven wird als Beispiel für eine existierende Lösung beschrieben.

Der Abschnitt beschreibt die Konfiguration von Exoskeletten, insbesondere im Kontext der Schlaganfall-Rehabilitation (Gandolla et al., 2018). Ähnlich wie bei Prothesen werden Parameter wie Lateralverschiebung, Schwungzeit und Schrittweite angepasst. Ein Rehabilitationsteam beobachtet den Gang des Patienten und analysiert Elektromyografie-Signale, um optimale Parameter zu finden. Die Arbeit stellt dann die eigene Lösung vor: Die „Decision Loop“, eine Zustandsmaschine, bildet den Hauptbestandteil der Kontrollstrategie des Hand-Exoskeletts. Die Zustände repräsentieren Positionen im Bewegungsablauf, und Übergänge werden durch Evaluatoren ausgelöst. Diese Evaluatoren reagieren auf verschiedene Eingaben (z.B. Augenbewegungen, Zeitverzögerungen). Es ist möglich, mehrere Evaluatoren parallel zu aktivieren, wobei eine Prioritätensetzung die Auswertungsreihenfolge definiert. Ein wichtiger Aspekt ist die Möglichkeit, die Decision Loop abzubrechen und in den manuellen Modus zu wechseln. Der Abschnitt beschreibt im Detail die Funktionsweise der Decision Loop, die als zentrale Komponente der Steuerung des Exoskeletts fungiert. Dies bildet die Basis für das Design der Benutzeroberfläche.

Die Entscheidung für eine Web-Anwendung basiert auf der Verfügbarkeit von JavaScript-Graph-Bibliotheken und der großen Flexibilität bei der Gestaltung der Benutzeroberfläche. Die Implementierung als Web-Anwendung ermöglicht eine einfache Portierung und Nutzung auf verschiedenen Plattformen. Die Anwendung wurde bewusst ohne Backend (also ohne Server) und lokal implementiert. Dies soll die Anwendung einfach, portabel und auch ohne Internetverbindung nutzbar machen. Die Kerntechnologien sind HTML für die Webseitenstruktur, CSS für das Design und JavaScript für die dynamische Interaktion und die Graph-Visualisierung. Die JavaScript-Bibliothek mxGraph wird für die grafische Darstellung der Zustandsmaschine verwendet. JSON Schema dient der Validierung der Konfigurationsdaten, um die Datenintegrität sicherzustellen. Die Technologiewahl betont die Aspekte von Portabilität, einfacher Handhabung und Offline-Funktionalität.

Die Anwendung besitzt eine einzige Seite, die alle Konfigurationsaktionen für das Hand-Exoskelett bietet. Sie besteht aus drei Hauptteilen: Ein zentrales Steuerungspanel auf der linken Seite erlaubt die Veränderung der Konfiguration der Decision Loop. Dieses Panel listet alle Zustände des Exoskeletts auf; ein Klick führt zur Detailansicht, wo Parameter und Evaluatoren bearbeitet werden können. Evaluatoren werden als aufklappbare Elemente mit Buttons zum Deaktivieren und Löschen sowie zur Anpassung der Priorität dargestellt. Der zweite Teil ist ein Graph (mit mxGraph), der die Zustände als Knoten und Zustandsübergänge als Kanten visualisiert. Ein Klick auf einen Zustand oder einen Übergang öffnet die entsprechende Detailansicht im Steuerungspanel. Die Farbgebung der Kanten im Graphen zeigt an, ob ein Übergang konfiguriert ist oder nicht. Ein modales Fenster ermöglicht das Erstellen neuer Konfigurationen. Die Auswahl einer Version lädt das entsprechende JSON-Schema, welches die Datenstruktur und Validierungsregeln definiert.

Wird ein Evaluator-Element aufgeklappt, erscheint ein Formular zur Anpassung der Parameter. Numerische Parameter werden über Eingabefelder, Ereignisse über Auswahllisten bearbeitet. Die Auswahlmöglichkeiten in den Listen repräsentieren die möglichen Aktionen aus dem aktuellen Zustand. Neue Evaluatoren können über ein Dropdown-Menü hinzugefügt werden. Die dynamische Generierung der Formularelemente basiert auf Definitionen im JSON-Schema. Die Funktionen loadStateDetailView(), buildEvaluatorElement(), und buildEvaluatorFormFromProperties() sind zentral für den Aufbau der aufklappbaren Evaluator-Elemente und der Formulare. Die buildEvaluatorElement()-Funktion bildet die Evaluatorart auf die entsprechenden Definitionen im JSON-Schema ab. Die integrierte HTML-Formularvalidierung stellt sicher, dass nur gültige Eingabewerte gespeichert werden. Ungültige Eingaben werden durch Tooltips und rote Markierungen hervorgehoben. Die Funktion loadSchema() lädt den Graphen, wobei Zustände und Kanten dynamisch basierend auf dem JSON-Schema hinzugefügt werden. Die Funktion updateColors() sorgt für eine aktuelle Farbgebung der Kanten, um konfigurierte und nicht-konfigurierte Übergänge zu visualisieren.

Der Benutzertest wurde remote mit drei Probanden durchgeführt. Die Probanden nutzten TeamViewer, um sich mit dem Test-PC zu verbinden und die Anwendung im Google Chrome Browser zu bedienen. Die Kommunikation erfolgte über einen Audio-Anruf. Der Test basierte auf der Think-Aloud-Methode, bei der die Probanden ihre Gedanken während der Bedienung laut aussprachen. Dies ermöglichte die Erfassung der Nutzerintention und -erfahrungen. Die Effektivität bei der Aufgabenerledigung wurde mit einer dreistufigen Skala (1: erfolgreich, 0.5: teilweise erfolgreich, 0: Misserfolg) erfasst. Nach dem Test absolvierten die Probanden den standardisierten AttrakDiff-Fragebogen (www.attrakdiff.de) zur Erfassung der hedonischen und pragmatischen Qualität der Anwendung. Zusätzlich bewerteten sie das Benutzungsempfinden auf einer Likert-Skala, beschrieben es in eigenen Worten und gaben positives und negatives Feedback. Abschließend wurden Verbesserungsvorschläge erfragt und die Bereitschaft zur erneuten Nutzung abgefragt. Der Testansatz war darauf ausgelegt, sowohl quantitative als auch qualitative Daten zu sammeln, um ein umfassendes Bild der Usability der Anwendung zu erhalten.

Der Bericht analysiert die Ergebnisse anhand von Use Cases. Use Case 1 (Neue Konfiguration erstellen) verlief problemlos. Use Case 2 (Änderung von Parametern und Entfernung von Verbindungen) zeigte unterschiedliche Lösungsansätze der Probanden. Einige Probanden nutzten das Panel, andere den Graphen zur Navigation. Fehler traten hauptsächlich bei der Entfernung von Verbindungen auf; einige Probanden versuchten, Verbindungen direkt im Graphen zu löschen (was nicht funktionierte) oder entfernten mehr Daten als notwendig. Ein Proband löste die Aufgabe korrekt, indem er über den Graphen zu den relevanten Zuständen navigierte. Die Farbcodierung im Graphen wurde von einigen Probanden zur Überprüfung der Erreichbarkeit von Zuständen genutzt. Die Analyse der Use Cases zeigt Stärken und Schwächen der Benutzeroberfläche und liefert konkrete Hinweise für die Verbesserung der Usability. Die beobachteten Fehler geben Aufschluss über potenzielle Probleme in der Benutzerführung.

Der AttrakDiff-Fragebogen ergab eine überwiegend positive Bewertung der Anwendung. Die Anwendung wurde als „handhabbar“ und „gut“ bewertet. Nur bei den Paaren „technisch-menschlich“ und „harmlos-herausfordernd“ zeigten sich negative Werte, was darauf hindeutet, dass die Anwendung eher als technisch und harmlos wahrgenommen wurde. Die Ergebnisse werden grafisch dargestellt (Abbildung 25), wobei ein hoher Mittelwert für sowohl die hedonische als auch die pragmatische Qualität bestätigt wird. Das Konfidenzintervall ist aufgrund der geringen Teilnehmerzahl nicht relevant. Die positive Bewertung unterstreicht die hohe Akzeptanz und die intuitive Bedienbarkeit der Anwendung. Die Ergebnisse des AttrakDiff-Fragebogens liefern quantitative Daten zur Bewertung der Benutzerzufriedenheit. Die Ergebnisse bestätigen die gute Usability der Anwendung aus Nutzersicht.

Das Nutzerfeedback enthielt sowohl positive als auch negative Aspekte. Positiv hervorgehoben wurden die einfache Struktur, das Design, die Graph-Darstellung und die intuitive Bedienbarkeit der Evaluatoren. Kritikpunkte betrafen die Reihenfolge der Zustände im Panel und Graphen, die nicht eindeutige Darstellung von mehreren Evaluatoren für einen Übergang, die Ähnlichkeit der Farbgebung konfigurierter und nicht-konfigurierter Verbindungen und die nicht eindeutige Anzeige der Deaktivierungs-Funktion (Play/Pause-Icon). Konkrete Verbesserungsvorschläge umfassten die Verwendung unterschiedlicher Strichstärken für aktive und inaktive Verbindungen, eine differenziertere Farbcodierung für verschiedene Evaluatoren, die Nutzung der „Entf“-Taste oder der rechten Maustaste zum Löschen von Verbindungen, die Anordnung eingehender Verbindungen ausschließlich von oben, automatischen Sprung zur relevanten Stelle im Graphen bei Panel-Auswahl, einfachere Begriffswahl und Zusammenfassung ähnlicher Zustandsnamen. Die Vorschläge zur Verbesserung der visuellen Unterscheidung von aktiven und inaktiven Evaluatoren im Panel und die Hinzufügung von Tooltips wurden als besonders wichtig erachtet. Das Feedback dient als Grundlage für die Weiterentwicklung und Optimierung der Benutzerschnittstelle.

Die Arbeit fasst die Ergebnisse des Benutzertests zusammen. Der Test, durchgeführt mit drei Probanden via TeamViewer, nutzte die Think-Aloud-Methode zur Erfassung der Benutzergedanken. Die Aufgabenerfüllung wurde mit einer dreistufigen Skala (1: erfolgreich, 0.5: teilweise erfolgreich, 0: Misserfolg) bewertet. Der AttrakDiff-Fragebogen (www.attrakdiff.de) und eine Likert-Skala erfassten die wahrgenommene Qualität und das Benutzungsempfinden. Die Anwendung erhielt im Großen und Ganzen positive Bewertungen, sowohl bezüglich der Usability als auch der Ästhetik. Der AttrakDiff-Fragebogen zeigte hohe Werte für die pragmatische und hedonische Qualität. Die meisten Funktionalitäten wurden von den Probanden intuitiv verstanden und angewendet, wie die hohe Erfolgsrate (meist 1) bei den Testaufgaben belegt. Die Ergebnisse bestätigen die Grundfunktionalität und die intuitive Bedienbarkeit der entwickelten Benutzerschnittstelle. Allerdings wurden auch einige Verbesserungspotenziale identifiziert.

Die Auswertung enthüllt einige Kritikpunkte der Probanden. Die unterschiedliche Reihenfolge der Zustände im Panel und im Graphen führte bei einem Probanden zu Verwirrung. Ein anderer Proband war sich nicht sicher, ob die Aktionen den erwarteten Effekt hatten und vermisse die Darstellung paralleler Kanten bei mehreren aktiven Evaluatoren für eine Verbindung. Weitere Kritikpunkte betrafen die unzureichende visuelle Unterscheidung zwischen aktiven und inaktiven Verbindungen im Graphen, die Ähnlichkeit der Darstellung konfigurierter und nicht-konfigurierter Verbindungen, sowie die nicht eindeutige Darstellung der Deaktivierungsfunktion der Evaluatoren (Play/Pause-Symbol). Die Probanden machten konkrete Verbesserungsvorschläge, wie die Verwendung von Tooltips, eine differenziertere Farbcodierung, die Möglichkeit, Verbindungen mit der Entf-Taste oder der rechten Maustaste zu löschen, die Anordnung eingehender Verbindungen nur von oben, den automatischen Sprung zur relevanten Stelle im Graphen bei Panel-Auswahl, einfachere Begriffswahl und Zusammenfassung ähnlicher Zustandsnamen. Die Vorschläge zielen auf eine verbesserte Klarheit und Benutzerfreundlichkeit der Benutzeroberfläche ab.

Zusammenfassend lässt sich sagen, dass die entwickelte Benutzerschnittstelle für die Konfiguration des Hand-Exoskeletts im Wesentlichen positiv bewertet wurde. Die meisten Funktionalitäten wurden von den Probanden schnell erfasst und angewendet. Die Ergebnisse des AttrakDiff-Fragebogens belegen eine hohe pragmatische und hedonische Qualität. Trotzdem zeigen sich Verbesserungspotenziale im Bereich der Visualisierung und der Benutzerführung, insbesondere hinsichtlich der Darstellung von Zustandsübergängen und der Klarheit der Aktionen. Die im Benutzerfeedback genannten Verbesserungsvorschläge (Tooltips, verbesserte Farbcodierung, optimierte Anordnung von Elementen) sollten in zukünftigen Versionen der Anwendung umgesetzt werden. Die Arbeit zeigt die erfolgreiche Umsetzung der funktionalen Anforderungen und liefert wertvolle Erkenntnisse für die Weiterentwicklung intuitiver Benutzerschnittstellen für assistive Technologien im Bereich der Rehabilitation.