仿生海狸行为优化器(IBBO)提升康复机器人手臂逆运动学求解精度与鲁棒性的研究

《Biomimetics》:Can Non-Translational Simplified Tasks Mimic Knee Kinematics During Gait? A Comparative Study of Tibiofemoral ICR Trajectories Fernando Valencia, Fernando Nadal and María Prado-Novoa

【字体: 大 中 小 】 时间:2026年04月13日 来源:Biomimetics 3.9

编辑推荐:

  为解决康复机器人手臂逆运动学(IK)求解存在高非线性、多可行解和严格关节限位约束的挑战,本研究受海狸协作、探索和信息共享行为启发,开发了一种改进的仿生海狸行为优化器(IBBO)。该研究将生物学行为转化为工程数值求解框架,通过整合四种互补机制(严格精英回退替换、动量信息传递、轻量级局部搜索和自适应扰动调度),显著提升了CEC2017基准测试和典型康复机器人手臂IK求解的终端位姿精度、收敛稳定性和可行性。这项工作为约束IK问题提供了高效的计算方法,并将仿生优化框架成功引入康复机器人学。

  
在全球范围内,中风是导致长期残疾的主要原因之一。大量中风幸存者遭受上肢运动功能障碍,这不仅严重影响日常生活自理能力和生活质量,也给护理和社会经济带来沉重负担。临床证据表明,高强度、重复性、任务导向的康复训练能够促进神经可塑性,帮助恢复自主肌肉控制。然而,传统的治疗师主导的康复模式受限于人力资源和治疗一致性,难以长时间提供高剂量、标准化的训练。随着医疗机器人技术的发展,上肢康复机器人成为一种有前景的解决方案,能够提供高强度、可重复、精确控制的训练,通过结构化的患者特异性训练程序支持功能恢复。
在这一领域中,逆运动学的实时求解是实现运动生成、按需辅助控制和轨迹跟踪的关键。与许多工业机械臂不同,康复机器人平台为了适应患者差异,常采用冗余自由度、非标准关节布局等人体工程学驱动架构,这使得解析逆运动学往往不可得或对模型不确定性过于敏感。因此,数值逆运动学成为主流方法,但传统的基于雅可比矩阵的迭代方法在奇异点附近可能条件恶劣,导致收敛不可靠。为增强在关节限制和人体中心约束下的鲁棒性,一种常见策略是将逆运动学表述为一个约束优化问题,直接最小化末端执行器位姿误差,同时纳入关节运动范围、舒适性惩罚和平滑性正则化等可行性要求。然而,康复机器人手臂的逆运动学本质上是一个高维、强非线性、多可行解的问题,随着自由度增加,传统元启发式算法常面临早熟收敛、陷入局部最优和稳定性下降等挑战。
为了应对这些挑战,本文从经典逆运动学理论出发,但聚焦于所考虑特定康复机构的基于优化的逆运动学求解,其中主动关节变量在严格关节界限下求解,而被动自由度不作为优化变量。因此,本工作的重点在于约束多解逆运动学求解,而非显式的零空间冗余解析。受到海狸协作构建、自适应探索和集体信息共享行为的启发,本研究旨在开发一种改进的仿生海狸行为优化器,用于解决优化型逆运动学问题。
这项研究发表在《Biomimetics》期刊上。
为开展此项研究,作者主要应用了以下关键技术方法:首先,建立了上肢康复外骨骼机器人的运动学模型,该机器人具有5个主动自由度和2个被动自由度,并采用Denavit-Hartenberg参数法进行建模。其次,将机器人逆运动学问题转化为一个约束优化问题,其目标函数是最小化末端执行器的位姿误差。最后,也是本研究的核心,提出并实现了一种改进的仿生海狸行为优化器用于求解该优化问题。IBBO集成了四种互补机制:严格的精英回退替换以保持种群一致性、动量驱动的信息传递以加速收敛、自适应的轻量级局部搜索以加强后期开发,以及自适应的建造者-扰动调度以平衡全局探索和局部改良。
研究结果
  • •
    康复机器人逆运动学模型:研究首先建立了上肢康复外骨骼的逆运动学模型。该机器人具有三维构型,包含5个主动自由度(用于主要姿态和位移控制)和2个被动自由度(用于增强顺应性)。通过定义Denavit-Hartenberg坐标系和参数,推导了相邻连杆间的齐次变换矩阵,从而可以表达末端执行器的位姿。模型中,仅将5个主动关节作为决策变量进行优化。
  • •
    改进的仿生海狸行为优化器:为了解决逆运动学这一高维、非线性、多模优化问题,研究提出了IBBO。其主要创新在于将海狸的协作和自适应行为抽象为一个面向工程的数值求解器,并通过整合四种策略来增强算法性能:(a) 严格精英回退替换,在子代个体劣于父代时回退到父代,以保持种群适应度的一致性;(b) 动量启发式信息传递,利用历史成功搜索方向加速收敛;(c) 轻量级模因坐标局部搜索,在优化后期加强局部开发能力;(d) 自适应建造者-扰动调度,根据迭代进程动态平衡探索与开发。
  • •
    算法基准测试验证:在提出IBBO后,研究首先在CEC2017基准测试函数集上评估了其优化性能。实验结果表明,与多种基线元启发式算法相比,IBBO在求解精度和鲁棒性方面表现出竞争力,验证了所提改进策略的有效性。
  • •
    康复机器人逆运动学求解实验:最后,研究将IBBO应用于代表性康复机器人手臂的逆运动学求解。实验旨在最小化末端执行器位姿误差,同时满足严格的关节运动范围约束。结果表明,与基线元启发式算法相比,IBBO能够持续生成可行的关节角度解,并且具有更高的终端位姿精度和更稳定的收敛行为。这证明了IBBO在解决实际康复机器人约束逆运动学问题上的有效性和优越性。
研究结论与讨论
本研究成功开发并验证了一种用于康复机器人手臂逆运动学求解的改进仿生海狸行为优化器。主要结论如下:
  1. 1.
    框架创新:研究建立了一个仿生优化框架,通过抽象海狸的协作和自适应行为,将其转化为一个面向康复机器人手臂逆运动学求解的工程数值优化器。
  2. 2.
    算法创新:提出的IBBO集成了严格精英回退替换、动量信息传递、轻量级模因局部搜索和自适应扰动调度四种互补机制,有效增强了算法在解决高维、非线性、多约束优化问题时的收敛可靠性、终端精度和鲁棒性。
  3. 3.
    实验验证:通过在CEC2017基准函数和典型康复机器人逆运动学任务上的实验验证,表明IBBO能够在关节约束下,以优于基线算法的精度和稳定性生成可行的逆运动学解。
本研究的意义在于超越数值性能的提升,它提供了一种将仿生行为转化为康复机器人学中有效计算工具的范例。该工作为处理具有复杂约束的逆运动学问题提供了一种新颖、高效的元启发式求解思路,有望促进康复机器人实时、精准、个性化的运动控制,从而更好地支持中风患者的运动功能康复。未来的工作可以探索将该框架应用于更复杂的机器人构型或与其他康复任务(如路径规划、人机交互控制)相结合。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号