编辑推荐：
为解决当前外骨骼控制在适应连续运动模式和不同用户方面的不足，研究人员开展基于无学习环境感知方法的髋部外骨骼自适应控制研究。实验表明，稳态运动模式预测准确率超 95%，模式转换预测准确率 87.5%-100%，为外骨骼控制提供新途径。
在现代科技飞速发展的时代，下肢外骨骼技术成为了备受瞩目的焦点。它有望增强人类的运动能力、减轻运动负担，为人们的生活带来诸多便利。想象一下，有了外骨骼的助力，行动不便的人能够更加自如地行走，体力劳动者可以轻松应对繁重的工作。然而，现实中下肢外骨骼的发展却面临着重重挑战。
人类日常活动中的下肢运动复杂多样，涵盖了平地行走（LG）、上楼梯（SA）、下楼梯（SD）等多种稳态运动模式，以及这些模式之间的频繁转换 。不同的运动模式下，下肢的运动学和动力学特征差异显著，而且不同人的运动特征也不尽相同。这就意味着，外骨骼要实现精准有效的辅助，必须具备强大的环境感知能力，能够准确预测运动模式，并根据不同的情况迅速调整控制策略。
当前，外骨骼在自适应控制方面存在诸多问题。传统的有限状态机方法，在控制策略转换时不够流畅，难以实现无缝衔接。而依赖手动模式切换、语音识别和切换或手指运动切换等方式，不仅受限于预定义的控制策略，无法灵活应对突发的环境变化和用户的个性化需求，还缺乏对复杂地形的适应能力。尽管基于可穿戴传感器的研究取得了一定进展，但数据驱动的运动模式预测方法需要大量特定数据集进行训练，在未知环境中的适应性较差，并且在预测运动模式转换方面还有很大的提升空间。
为了攻克这些难题，来自国内的研究人员积极投身于相关研究。他们聚焦于髋部外骨骼的自适应控制，旨在找到一种更有效的方法，提升外骨骼在不同地形和运动模式下的性能。研究成果发表在《Cyborg and Bionic Systems》上。
研究人员采用了多种关键技术方法来开展这项研究。他们设计了一种模块化的髋部外骨骼，配备了深度相机、压力鞋垫、角度传感器等多种传感器，用于收集丰富的环境和运动信息。构建了一个 3 级控制器框架，包括高层控制器、中层控制器和低层控制器，各层控制器分工明确，协同工作。高层控制器利用深度增强视觉 - 惯性里程计（D-VIO）算法和 3D 重建方法，实现环境感知和连续运动模式预测；中层控制器根据预测的运动模式和步态相位，制定相应的控制策略；低层控制器则驱动电机和执行器，产生所需的扭矩和阻尼，为用户提供实际的辅助。
在实验方面，研究人员首先基于公共数据集进行参数预设，分析了不同运动模式下的关键参数，如步态周期中伸展阶段、屈曲阶段的时间占比，以及峰值扭矩出现的时间等。然后，招募了 7 名健康受试者（6 男 1 女）进行连续运动实验。受试者佩戴髋部外骨骼，在平地和楼梯上完成多种稳态运动模式和模式转换，实验过程中收集视觉、惯性、足部压力、髋部角度等多种信号，并基于这些数据进行运动模式预测。
研究结果令人欣喜。在运动信号方面，通过分析足部压力信号可以准确划分步态周期，不同运动模式下髋部角度呈现出明显差异，如在上楼梯时髋部角度峰值大于平地行走，下楼梯时则小于平地行走，并且在模式转换期间存在明显的过渡特征。
在稳态运动模式预测精度上，7 名受试者的预测准确率均超过 95%。具体来说，平地行走、上楼梯和下楼梯的预测准确率分别为 98.1%±1.8%、97.3%±3.7% 和 95.8%±3.9%。通过 Mann - Whitney U 检验发现，这三种稳态运动模式之间的预测准确率没有显著差异。不同受试者之间，虽然存在个别差异，但整体表现良好，其中受试者 3 的预测准确率最高，达到 99.7%±1.1%，与受试者 2、5、6 存在显著差异（Welch’s t 检验，P<0.05）。
运动模式转换的预测同样取得了不错的成果。转换预测准确率在 80% - 100% 之间，平均准确率超过 87.5%。预测的转换时间发生在转换周期结束之前，对应的预测提前时间比在不同受试者中为 14.5% - 30.5%。例如，从平地到下楼梯的转换中，最大提前时间比达到 62.6%（受试者 3）；从楼梯到平地的转换中，最小提前时间比为 1.2%（受试者 1）。
综合研究结论和讨论部分，这项研究意义重大。研究人员基于无学习环境感知方法设计的髋部外骨骼控制框架，有效整合了环境信息和人体或外骨骼的运动学信息，大大提高了转换的检测精度和提前时间，有助于提升外骨骼在不同地形下控制的切换平滑度。与基于学习（数据驱动）的方法相比，该方法无需为模型训练收集数据，不受训练数据可用性的限制，也无需为不同用户调整参数，对不同受试者具有通用性，在稳态运动模式和转换预测方面都表现出色。不过，研究也存在一些局限性，如基于视觉的环境感知方法受光照条件和视觉遮挡的影响较大，在复杂或非结构化环境中的预测效果有待提升；实验样本和地形种类有限，还需要在更多受试者（包括健康人和患者）以及其他地形（如斜坡）上进行验证，并且可以引入更多生理指标（如表面肌电图 sEMG 和代谢成本）来进一步评估外骨骼自适应控制方法的辅助效果。但总体而言，该研究为髋部外骨骼在平地和楼梯场景下的自适应控制提供了一种有效的解决方案，为未来外骨骼技术的发展奠定了坚实的基础，有望推动外骨骼技术在更多领域的广泛应用。
