外骨骼辅助目标定义至关重要：基于双层优化的显式目标驱动最优力矩模拟研究

本研究针对外骨骼辅助运动中目标定义不明确的问题，开发了基于双层优化（bilevel optimization）的仿真框架，通过内层优化解决肌肉冗余问题，外层优化实现不同辅助目标（最小肌肉激活min(a)、最小代谢率min(E)、最小肌肉力矩min(M)）的最优力矩预测。研究发现，不同目标对应的最优力矩轨迹具有独特性，其中最小代谢率目标预测的辅助时机与实验研究高度吻合。该研究为外骨骼辅助策略的精准设计提供了理论依据，发表于《Gait & Posture》。

　　

在康复工程和运动辅助领域，外骨骼设备如何精准匹配人体需求一直是核心挑战。传统研究中，外骨骼辅助策略往往缺乏明确的目标定义，导致实际效果与预期存在显著差距。例如，旨在降低代谢消耗的辅助可能意外增加肌肉激活水平，而单纯减少关节力矩的方案反而可能抬高能量消耗。这种矛盾现象背后，是肌肉骨骼系统的复杂冗余特性——无限种肌肉力组合可产生相同动作，但代谢代价迥异。

针对这一难题，瑞典皇家理工学院与Promobilia MoveAbility实验室的研究团队在《Gait & Posture》发表创新研究。他们构建了基于双层优化的仿真框架：内层采用直接配点法（direct collocation）解决肌肉冗余问题，以最小平方肌肉激活为准则；外层通过贝叶斯优化（Bayesian optimization）搜索满足特定辅助目标的最优力矩参数。研究利用12名健康受试者的步态数据，对踝跖屈（ankle plantarflexion）、髋伸展（hip extension）等四个关节进行模拟，并对比三种辅助目标下的肌肉动力学差异。

关键技术包括：1）基于OpenSim平台的肌肉骨骼建模与逆动力学分析；2）双层优化架构实现目标解耦，其中外层采用贝叶斯优化算法；3）Bhargava-Umberger代谢模型量化肌肉能量消耗；4）超声成像数据校准肌肉肌腱参数。

3.1 最优辅助与指标变化
研究发现，不同目标产生截然不同的力矩曲线：最小激活目标主要降低主动肌力矩，最小代谢目标侧重减少向心收缩功，而最小力矩目标则使净肌肉力矩趋近零。值得注意的是，未明确优化的指标可能出现反效果——例如髋外展辅助时，最小力矩目标使代谢率增加23%。

3.2 预测的肌肉力矩与能量学
被动力学特性显著影响策略选择：髋关节被动力矩占净力矩40%时，最小激活策略会主动避开被动力矩主导期。代谢分析显示，最小代谢策略通过降低主动肌向心收缩功（如比目鱼肌做功减少38%）实现节能，但可能增加拮抗肌激活作为代偿。

3.3 与实验数据的对比
最小代谢策略预测的力矩时机与人类实验数据高度吻合（如踝辅助峰值延迟7.3%步态周期，p<0.01），但模拟力矩幅值普遍偏高（髋外展辅助达1.2 Nm/kg，实验仅0.14 Nm/kg），提示实际应用中需考虑舒适度约束。

这项研究首次系统论证了外骨骼辅助目标定义的决定性作用。其创新性在于：1）建立目标驱动的优化框架，突破传统单一肌肉招募准则的局限；2）揭示被动力学特性在辅助策略中的关键影响；3）为临床个性化辅助方案提供量化工具。未来研究可结合多目标优化（multi-objective optimization）和神经力学反馈模型，进一步逼近真实人机协同机制。该成果对康复机器人控制策略开发具有里程碑意义，被评选为ESMAC 2024最佳论文。