《Biomimetics》：Human-in-the-Loop Hip Exosuit Optimization for Uphill Walking: Stride Time and Mechanical Power from Onboard Sensors
编辑推荐：
人类在环（human-in-the-loop, HITL）优化可个性化外肌（exosuit）助力，但基于呼吸测量的代价函数需笨重设备，而基于替代指标的方法常需额外传感器或其与代谢的关系未被量化。研究人员此前基于机载传感器的单一目标为正机械功率（positive
人类在环（human-in-the-loop, HITL）优化可个性化外肌（exosuit）助力，但基于呼吸测量的代价函数需笨重设备，而基于替代指标的方法常需额外传感器或其与代谢的关系未被量化。研究人员此前基于机载传感器的单一目标为正机械功率（positive mechanical power, PMP）。本探索性研究考察步幅时间（stride time, ST）——由外肌大腿惯性传感器测量的步态响应——能否更好表征代谢下降。利用三名受试者在5°坡、1 m/s上行行走的网格搜索数据（六例受试者-日），通过多元线性回归构建结合PMP与ST的多变量代价函数（multi-variable cost function, MVCF），并采用留一受试者交叉验证。ST预测代谢下降数值上优于PMP（r=0.63±0.14对0.51±0.37），MVCF最佳（r=0.68±0.11，最低平均绝对误差），但差异无统计显著性。MVCF仅由机载传感器计算，作为贝叶斯HITL优化目标用于五名受试者：优化助力较关机、无外肌、仿生条件分别显著降低净代谢率13.3%、7.5%、5.2%。结合设备侧机械功率与人体侧步态时序，可提供基于实测代谢的机载传感器代价函数。
研究背景与问题提出
可穿戴软体外骨骼（soft exosuit）通过补充行走发力降低人体能耗，传统助力策略多采用基于生物力学的通用控制，而人类在环（human-in-the-loop, HITL）优化能针对个体寻找最优控制参数。既有HITL研究多以呼吸气体分析得到代谢成本作为代价函数，该方法存在明显局限：呼吸响应存在时间延迟，导致优化耗时长；需额外观呼吸测量设备，影响运动自然性与外肌的人机工效。为替代代谢测量，学界尝试用心率、肌电（electromyography, EMG）、足底压力、编码器数据等替代变量，但这些方法要么需附加传感器，要么未量化其与代谢减排的真实关联。研究人员此前提出的机载传感器目标仅依赖正机械功率（positive mechanical power, PMP），它只反映设备输出功，未捕获人体步态的时空与节律特征，可能引入优化偏差。因此，亟需一种仅用外肌原有传感器、同时关联设备侧与人类侧响应、且经实测代谢标定的代价函数。
研究目标与总体结论
研究人员假设：由外肌常规传感器可获得的PMP与步幅时间（stride time, ST）组合成的多变量代价函数（multi-variable cost function, MVCF），比单变量代理指标更能表征代谢减排，并可作为HITL优化目标。通过在网格搜索数据中量化候选变量与代谢下降的关系，再用于贝叶斯在线优化，结果表明：ST作为人体侧步态时序指标，数值上比PMP更接近代谢响应；二者结合的MVCF预测最优；以MVCF为目标的个性化助力，较关机、无外肌、仿生基准分别降低净代谢率13.3%、7.5%、5.2%。该研究意义在于，不依赖呼吸仪与额外传感器，仅用大腿惯性测量单元（inertial measurement unit, IMU）与载荷单元即可实现代谢感知型个性化助力，保留了软体外肌的穿戴舒适性，为实时嵌入式HITL优化提供可行路径。
主要关键技术方法
研究人员采用便携式双侧髋伸展缆驱软体外肌，大腿前侧装Xsens IMU测髋角与角速度，后侧经载荷单元测助力。网格搜索阶段纳入三名健康男性新手，在5°坡、1 m/s跑台行走，分四天（含适应日），取第3–4日共六例受试者-日数据，九种峰值/释放时序助力剖面各走5分钟，同步采Cosmed K5呼吸气体算稳态代谢。候选变量为PMP（力×力臂×角速度跨步平均）与ST（连续最大屈髋间隔）。用六例数据做多元线性回归，留一受试者交叉验证，比较相关系数r与平均绝对误差（mean absolute error, MAE）。HITL阶段另招五名有经验健康男性，树莓派端跑贝叶斯优化（高斯过程代理+期望改进采集），以第21–30步平均MVCF为在线目标，寻优峰值与释放时序，对比无外肌、关机、仿生、优化后条件代谢率。
研究结果
3.1 代价函数性能评估
通过网格搜索六例数据留一交叉验证，对比PMP、ST、MVCF三者的回归表现。MVCF相关系数最高（r=0.68±0.11），MAE最低（11.65±2.81），ST次之（r=0.63±0.14），PMP最弱（r=0.51±0.37）；差异无统计显著性，但MVCF在数值与跨案例稳定性上占优，故选其作HITL目标。
3.2 HITL优化的最优步幅区间
分析第1–10、11–20、21–30、31–40步区间MVCF与代谢下降相关性，21–30步区间相关系数最高（样本内r=0.74±0.07），且约30–40秒足以让步态趋稳，因此HITL采用该窗口计算代价函数以兼顾时效。
3.3 人类在环结果
五名受试者中，优化后净代谢率均显著低于无外肌（降7.5%）、关机（降13.3%）、仿生（降5.2%），Bonferroni校正后仍显著，效应量大。优化助力平均峰值时序29.24%步态周期、释放54.57%，平均寻优时间468.71秒。相较仿生，优化态PMP与ST均增，其中ST对MVCF提升贡献比PMP多约20.25%；但ST个体方向不完全一致（三人增、两人微降），说明人体侧响应存在个体异质性。
讨论部分总结
讨论指出，MVCF仅用原装传感器即达到与额外传感方法可比的中等相关（r=0.68），ST作为人体侧指标可能反映：固定跑台速度下长步幅降低迈腿频次能耗、外部髋伸功抵消长步正功、以及助力时序与步态协调度。MVCF把“设备给了多少功”和“人怎么走”结合，解释力优于单PMP。HITL实证显示在线个性化可降本，且嵌入式计算可行。但研究局限明确：样本仅年轻健康男、单坡度单速、网格仅三受试者六案例，系数跨日跨人波动大，留一验证折数少；ST与PMP权重可能随速度/地形需重标定；未设PMP单独优化对照，相关优势仅限预测层；候选窗口与变量同数据集选出，相关或偏乐观。
结论部分翻译
研究人员提出并实验评估了一种仅用外肌常规传感器中PMP与ST作为代理变量、表征不同髋伸助力剖面下代谢减排的代价函数。该组合代价函数较单独PMP或ST有更低平均绝对误差（11.65±2.81），虽差异未达统计显著。网格搜索表明ST是具数值优势的代理变量。因无需呼吸测量、额外传感器或刚性结构，该方法在保留软体外肌人机工效的同时利于实用化。HITL优化以MVCF为目标，使优化助力较关机、无外肌、仿生分别降代谢13.3%、7.5%、5.2%；代价函数纯由机载传感器算得，优化运行于嵌入式模块，平均469秒获优。鉴于样本小且人群单一，结论需更大样本验证，未来应拓展多速、多地形及高维智能模型。
这篇论文解读已完成，接下来可以选择一个方向继续深化：
把解读改写成可投稿的审稿意见 设计更大样本的验证实验方案 把解读改写成可投稿的审稿意见 设计更大样本的验证实验方案
