Upgrove Εφαρμογή Αξιολόγησης Άνω Άκρου από Xinke Coco Wu

Το έργο Upgrove Εφαρμογή Αξιολόγησης Άνω Άκρου του σχεδιαστή Xinke Coco Wu είναι ένας εξαιρετικά εκτιμημένος νικητής του πολύ κορυφαίου 2026 Σιδερένιο Βραβείο A' Design Award στην κατηγορία διαγωνισμού Σχεδιασμός Κινητών Τεχνολογιών, Εφαρμογών και Λογισμικού.

ΣιδερένιοΚινητό· 2026

Upgrove Εφαρμογή Αξιολόγησης Άνω Άκρου

από Xinke Coco Wu

Πελάτης: The Multiple Sclerosis Center of Georgia

Νικητής του Σιδερένιο Βραβείο A' Design Award στην κατηγορία Κινητό

7,279

Επαληθευμένος Νικητής Βραβείου

Επαλήθευση Κατάστασης Βραβείου για #182818

Επίσκεψη Ιστοσελίδας Προβολή στο A' Design Award Δελτίο Τύπου Σήμα Βραβείου

Χρώματα

Ο Σχεδιασμός

Σχετικά με το Upgrove Εφαρμογή Αξιολόγησης Άνω Άκρου

Το Upgrove είναι μια εφαρμογή για κινητά που προορίζεται για την αξιολόγηση της αποκατάστασης του άνω άκρου στο σπίτι. Η εφαρμογή χρησιμοποιεί καταγραφή κίνησης μέσω κάμερας σε συμβατικά τηλέφωνα, tablet και τηλεοράσεις με μπροστινή κάμερα, επομένως δεν απαιτούνται φορετοί αισθητήρες. Τυποποιημένες κλινικές δοκιμασίες κίνησης μετατρέπονται σε μίνι παιχνίδια με θέμα τη φάρμα. Η υπολογιστική όραση αναλύει την κίνηση για να εκτιμήσει το εύρος κίνησης, την ακρίβεια και τη σταθερότητα, ενώ μετά από κάθε δραστηριότητα παράγεται μια βαθμολογία. Οι αναφορές προόδου επιτρέπουν στους ασθενείς να παρακολουθούν τη μακροπρόθεσμη αποκατάστασή τους και στους κλινικούς ιατρούς να αξιολογούν την απόδοση εξ αποστάσεως.

Η Αναγνώριση

Σχετικά με το Σιδερένιο Βραβείο A' Design Award

Το σχέδιο Upgrove Εφαρμογή Αξιολόγησης Άνω Άκρου κέρδισε το Σιδερένιο Βραβείο A' Design Award, μια διακεκριμένη αναγνώριση που απονέμεται σε καλά σχέδια που πληρούν τις επαγγελματικές και βιομηχανικές απαιτήσεις που αναμένονται από καλοσχεδιασμένες δημιουργίες. Οι νικητές του Σιδερένιου Βραβείου επιδεικνύουν μεγάλη δεξιοτεχνία, υψηλή εξειδίκευση, ειδική κατανόηση και δημιουργική ικανότητα των δημιουργών τους. Το σχέδιο Upgrove Εφαρμογή Αξιολόγησης Άνω Άκρου αναμένεται να είναι μια πολύ εκτιμημένη, θαυμαστή και αγαπημένη δημιουργία που είναι πρακτική και καινοτόμα. Αυτό το σχέδιο που βραβεύτηκε με το Σιδερένιο Βραβείο A' Design Award ενσωματώνει τις βέλτιστες πρακτικές του κλάδου και έχει επαρκή τεχνικά χαρακτηριστικά συνδεδεμένα με τεχνογνωσία και ταλέντο. Το σχέδιο Upgrove Εφαρμογή Αξιολόγησης Άνω Άκρου γίνεται σεβαστό για την επιμέλειά του και έχει σχεδιαστεί για να προσφέρει βελτιώσεις στην ποιότητα ζωής που βοηθούν να γίνει ο κόσμος ένα καλύτερο μέρος.

Πίσω από τον Σχεδιασμό

Υλικό Τύπου

Συντελεστές, μέλη ομάδας και τεχνικές λεπτομέρειες που παρέχονται από τον σχεδιαστή.

Μοναδικά Χαρακτηριστικά: UpGrove addresses a key gap in upper-limb rehabilitation, where accurate assessments are typically limited to clinical settings and recovery progress remains largely invisible between visits. The system translates standardized clinical motion tests into intuitive farm-themed activities that patients can perform at home. Camera-based motion capture analyzes mobility and coordination while gameplay scores objectively quantify performance. Continuous self-tracking, progress visualization, and rewarding feedback help patients stay motivated while enabling clinicians to monitor long-term recovery beyond the clinic.
Διαστάσεις & Συσκευασία: The system operates on standard cross-platform devices such as mobile phones, tablets, and TVs equipped with front-facing cameras. Computer vision models analyze skeletal movement patterns to estimate joint mobility and motion trajectories without requiring wearable sensors. The application provides real-time visual guidance, scoring mechanisms, and progress-tracking dashboards. Motion data are translated into measurable indicators such as range of motion, accuracy, and movement stability, enabling scalable and sensor-free rehabilitation assessment.
Ετικέτες: Digital Health, Upper-Limb Recovery, Sensor-Free Motion Capture, Computer Vision, Gamified Therapy, Gamified Assessment, Gesture Interaction, Motion Games
Τεχνολογία Παραγωγής: UpGrove is implemented as a mobile application using camera-based motion capture powered by computer vision algorithms. The system analyzes upper-limb movements in real time to estimate range of motion, stability, and control. Gesture recognition maps clinical motion patterns to interactive game mechanics, while data processing generates performance scores and actionable feedback. The design integrates motion tracking, gamification, and data visualization to support continuous rehabilitation assessment.
Σχεδιαστική Πρόκληση: The main challenge was translating clinically standardized upper-limb assessments into engaging digital interactions without compromising medical validity. Clinical tests are designed for accuracy rather than motivation, while game experiences prioritize engagement. The project required balancing these two perspectives by mapping therapeutic motions to intuitive gameplay mechanics. Another challenge was enabling reliable motion evaluation using device cameras without wearable sensors. Through close collaboration with clinicians and iterative prototyping, the design aligned clinical requirements with accessible interaction design.
Έρευνα: Mixed-methods design research was conducted to explore how clinical upper-limb assessments could become engaging gamified experiences. The study combined literature review, interviews with clinicians, domain experts, and patients, concept testing, usability testing, and technical validation. Data were gathered through clinical protocol analysis and motion interaction experiments using mobile cameras. Participants included 10+ clinicians and physical therapists and 3 patients. User testing results indicated that UpGrove significantly improved patients’ visibility of recovery progress, motivation to perform self-assessments, and accessibility of upper-limb rehabilitation beyond clinical environments.
Έμπνευση: UpGrove was inspired by the gap between clinic-based upper-limb assessments and patients’ everyday rehabilitation experiences at home. Many patients lack visibility into their long-term recovery progress and often feel discouraged during extended rehabilitation periods. In addition, traditional assessments typically require clinical visits, making frequent monitoring inconvenient for patients and clinicians alike. Research with clinicians, patients, and engineers inspired us to explore how clinical assessments could be translated into intuitive motion games and objective performance scores using device cameras. By transforming an often invisible and clinic-isolated recovery process into a visible and accessible experience, UpGrove aims to improve engagement, accessibility, and continuity in long-term rehabilitation.
Διάρκεια Έργου: The project was initiated in 2023 as part of human-computer interaction research on digital rehabilitation. Concept development, interaction design, and prototype implementation were completed between 2024 and 2025. The project was developed through interdisciplinary collaboration among designers, engineers, clinicians, and patients to explore accessible at-home rehabilitation assessment. The design is currently being implemented by the Georgia Tech Contextual Computing Lab in collaboration with the Georgia Multiple Sclerosis Center.
Ροή Λειτουργίας: Users launch UpGrove on a personal mobile device and create a personalized profile to receive tailored self-assessment tasks. On a regular schedule, patients perform guided upper-limb motion tests designed as farm-themed mini-games in their home environment. The front-facing camera captures body movements while the system analyzes gestures in real time. Visual cues guide users through therapeutic motions, and after each activity the system generates scores and progress feedback. Over time, the application builds longitudinal recovery reports that allow patients to understand their rehabilitation progress while also enabling clinicians to remotely review performance data and monitor patient recovery outside clinical visits.
Μέλη Ομάδας: Design Lead: Xinke (Coco) Wu
Visual Designer: Jhih Rou (Iris) Sun
Motion Designer: Yameng Li
Πιστώσεις Εικόνων: Images and visual materials were created by Xinke Wu (Designer), Jhih Rou (Iris) Sun (Designer) with AI-assisted generation tools like ChatGPT and Gemini, UpGrove Project, 2025.