基于分层步态-助力-响应模型的步态条件化人环优化框架

《Bioengineering》：A Gait-Conditioned Human-in-the-Loop Optimization Framework Based on Gait–Assistance–Response Relationship Model for Exoskeleton Assistance

　　

摘要

可穿戴外骨骼的有效性 critically 取决于助力模式，但其确定极具挑战性，因为生理反应在不同个体和步态条件下存在差异。人环优化（HIL）可实现个性化助力，但其高昂的实验成本限制了其在多样化任务中的应用。在本研究中，我们开发了一种基于分层步态-助力-响应模型的步态条件化 HIL 优化框架。该模型使用参数化曲面表征助力-响应关系，并通过多项式回归预测步态相关的曲面参数。实验聚焦于配备伸展助力的膝外骨骼，其中生理反应以受助侧三大股四头肌的归一化 sEMG 均方根值量化为肌肉激活。该模型基于预定义步态条件下收集的数据构建，并用于指导五项实验中对五名健康成人在未知步态条件下的 HIL 优化。验证结果显示，在使用相同的 CMA-ES 优化器但不同配置的情况下，两代模型引导的 HIL 优化相比两代经验式 HIL 优化平均额外减少 6.4 个百分点的肌肉激活，仅相差 1.3 个百分点即接近四代经验式 HIL 优化。初步结果表明，所提出的策略通过为优化配置提供指导，有望在保持相当助力性能的同时减少优化代数。