步态康复中治疗师-机器人协作的互动分析：为终端用户开发环境识别关键需求

本研究针对机器人辅助康复技术存在的高成本、低灵活性和复杂配置流程等问题，通过互动分析，揭示了治疗师在步态康复任务中与机器人协作的关键需求。研究人员基于60小时视频数据，运用民族方法学和会话分析（EMCA）方法，识别出训练课程的三个阶段（准备、训练和完成）及其互动模式，为开发赋能治疗师的终端用户开发（EUD）环境提供了重要设计策略，强调了用户驱动的工作流程、多模态转换和实时反馈等核心要素。

　　

在全球范围内，脑卒中（Stroke）是导致残疾调整生命年（DALYs）损失的主要原因之一，每年有数千万新发病例和数百万人死亡。许多幸存者会面临严重的行动能力受损，而重复性的运动训练，特别是下肢步态训练，对于功能恢复至关重要。近年来，机器人辅助疗法（Robot-assisted therapy）为康复领域带来了新的希望，这类辅助设备能够提供高强度、重复性的任务训练，并给予患者个性化的持续反馈。它们不仅能减轻治疗师的工作负担，还能通过机械阈值设定来防止患者跌倒，提升训练安全性。

然而，尽管机器人辅助康复优势明显，但其在临床环境中的广泛采纳却面临重重挑战。高昂的前期成本、有限的操作灵活性以及复杂的配置工作流程，使得许多机构望而却步。更关键的是，现有的机器人系统往往由制造商预设配置，限制了治疗师根据患者具体情况和自身专业经验进行灵活调整的能力，导致设置过程耗时冗长，反而可能挤占了宝贵的治疗时间。因此，实现机器人辅助康复的全部潜力，不仅依赖于设备的成本效益，更亟需一种灵活、用户驱动的设计，能够适应患者和治疗师多样化的动态需求。

为了应对这些挑战，一项发表在《International Journal of Human-Computer Studies》上的研究，将目光投向了治疗师、患者与机器人之间的协作互动本身。研究人员开展了一项深入的互动分析（Interaction analysis），旨在揭示如何赋能治疗师，使其能够自行配置和调整一种灵活且成本效益高的机器人，用于步态康复任务。该研究聚焦于一款名为RoboTrainer（RT）的低成本末端牵引式康复机器人，该设备由一个工程师实时控制，而治疗师则主导不同的步态康复训练课程。

为了深入探究治疗师-机器人协作的奥秘，研究人员采用了源于民族方法学和会话分析（Ethnomethodology and Conversation Analysis, EMCA）的研究方法。这种方法侧重于分析行动在特定时空下的序列组织，认为意义产生于互动者之间有序的行动交换中。研究团队从一个更大的多学科项目中获取了约60小时的视频数据集，这些数据来自三个主要的实验设置：基础步态课程、步态模式研究和身体负荷研究。参与者为患有神经系统疾病的年轻成年人。通过对其中20个完整训练序列的细致分析，研究团队通过数据整理、条件准备、数据会议以及分析与回顾等步骤，系统地审视了技术、治疗师和参与者之间的行动序列组织。

主要研究结果

4.1. RQ1：机器人辅助训练课程的整体序列组织是什么？

分析揭示了一个机器人辅助训练课程包含三个主要阶段：准备阶段、训练阶段和完成阶段。

• •
  准备阶段：涉及一系列协调行动，为主要的训练任务做好准备。具体包括预编程（设置机器人初始状态）、末端执行器附着、从常规辅助中解脱（利用机器人支持患者站立）、硬件调试、力量协商和速度协商。
• •
  训练阶段：这是一个循环过程，参与者进行身体活动，同时治疗师进行迭代观察并协调调整以优化活动结果。包括硬件与形态验证、速度-力量协商和速度终止。
• •
  完成阶段：涉及将参与者从机器人接口过渡回其常规支持系统。包括导航至常规辅助、机器人支持释放和背带拆卸。
  研究还识别出两种主要的配置工作流程，取决于参与者是否需要机器人辅助才能站立，凸显了治疗师根据参与者具体情况动态调整流程的必要性。

4.2. RQ2：治疗师在机器人辅助训练课程序列中如何管理其注意力？

治疗师的注意力（主要通过凝视方向分析）在不同阶段和任务中动态转移。

• •
  准备阶段：注意力焦点随任务变化，例如在预编程时关注技术和工程师，在附着背带时关注机器人和末端执行器，在协助站立时关注参与者。
• •
  训练阶段：治疗师的凝视呈现出一种循环观察模式，主要在参与者的下半身（评估步态）、上半身（评估稳定性和疲劳度）以及外部设备控制板之间切换。在硬件验证阶段，注意力更多集中在物理调整上；而在速度-力量协商阶段，则更多地转向软件相关的设备调整。
• •
  完成阶段：在动态条件（如引导行走）下，注意力完全集中于参与者；在静态条件（如调整机器人设置）下，注意力则在机器人、工程师和参与者之间切换。
  这表明软件交互的时机和方式需要与治疗师的工作焦点紧密结合，特别是在需要调整设备参数时，应尽量减少对其观察患者过程的干扰。

4.3. RQ3：治疗师如何指示工程师在机器人辅助训练课程期间进行配置？

治疗师通过多模态线索来指示任务和阶段转换。这些线索包括：

• •
  凝视：看向工程师或机器人以请求协助或标记互动开始。
• •
  言语行为：直接的请求（如“请给一点拉力”）、确认（如“好的”）或与参与者的协商。
• •
  触觉操作：操纵末端执行器，例如摇晃、持续拉动或释放绳索。
  这些行动的组合向工程师发出了改变机器人控制策略（或称行为模式）的信号。研究通过状态机图示了治疗师行动如何触发机器人在不同控制模式（如恒力、恒速、恒位置）之间的转换，以支持不同阶段的目标（如水平移动机器人、垂直定位末端执行器、提供体重支持）。

4.4. RQ4：工程师如何根据治疗师的行为调整机器人的行为以响应机器人辅助课程？

工程师通过配置机器人的混合控制系统来响应治疗师的 cues，主要目标包括：

• •
  轨道机动：采用速度或位置控制策略，允许用户通过拉动末端执行器来水平移动机器人，同时防止绳索过度松弛。
• •
  垂直引导：采用零目标速度的速度控制（模拟摩擦力）或小目标力的力控制，使治疗师能平滑地垂直定位末端执行器。
• •
  站立/坐下支持：采用力控制模式，逐步增加或减少目标力，以辅助参与者站立或坐下。
  此外，研究观察到治疗师经常需要提供手动辅助支持，以补充机器人的被动控制策略，这种支持的力度范围很广，从全力支持到仅用目光监护，甚至有时需要主动限制机器人的作用力以给予参与者更多自由。这揭示了在机器人行为设计中纳入可配置辅助水平的重要性。

研究结论与意义

本研究通过细致的互动分析，清晰地勾勒出机器人辅助步态训练课程中治疗师-机器人-参与者三方协作的复杂图景。研究不仅揭示了训练课程的可识别阶段序列，更重要的是，阐明了治疗师如何通过多模态互动来管理和协调整个流程，以及机器人的控制策略需要如何灵活应变以支持这些互动。

基于这些发现，研究人员提出了一系列针对终端用户开发（EUD）环境的关键设计要求（Requirements）。这些要求涵盖设计和使用两个方面，包括支持参与者驱动的工作流程设置（REQ1）、定义多模态转换（REQ2）、在关键互动窗口提供机器人状态反馈（REQ3, REQ6）、允许配置支持水平和运动范围（REQ4, REQ5），以及支持治疗师在特定工作姿势下进行情境化协商和增强观察支持（REQ7, REQ8）。

该研究的深刻意义在于，它将解决机器人辅助康复临床推广难题的焦点，从单纯的技术性能提升，转移到了优化“人-机”交互本身。它强调了未来的康复机器人系统，尤其是旨在降低成本和提高可及性的系统，必须具备高度的可配置性和灵活性，其设计必须根植于治疗师的实际工作实践和互动模式。研究为开发真正赋能治疗师、使其能基于专业知识和患者需求自行配置机器人的EUD工具提供了坚实的理论和实证基础。这不仅有望降低对专业工程师的依赖，简化工作流程，提高治疗效率，更能促进个性化康复方案的实施，最终让更多患者受益于先进的机器人辅助康复技术。

论文最后展望了未来研究方向，包括探索将视觉编程、示教编程、增强/混合现实和自然语言处理等EUD范式整合到治疗师驱动的系统设计中，以进一步优化用户体验和系统效能。