《IEEE Transactions on Neural Systems and Rehabilitation Engineering》:An optimized bipedal model for estimating the vertical and anteroposterior ground reaction forces during slope walking while carrying a suspended load
编辑推荐:
携带负载的斜坡行走是评估人体生物力学和外骨骼等可穿戴设备性能的关键场景,但现有双足步行模型局限于平地行走,无法直接应用于斜坡。为此,研究人员开展了一项关于“优化双足模型用于斜坡行走悬吊负载下地面反作用力估计”的研究,提出了一种能同时估计垂直(vGRF)与前向(apGRF)GRF曲线的模型。该模型通过优化步态参数(如单支撑与双支撑时相比rss、rds)和前向力,在不同坡度和速度下实现了高精度的GRF估计(PCC > 0.870,NRMSE < 0.129 BW)。这项研究为斜坡行走条件下,特别是使用悬吊负载背包或评估可穿戴机器人时,提供了一种高效、准确的生物力学评估工具,具有重要的应用潜力。
在户外徒步、军事行动和康复训练中,人们常常需要在斜坡上行走,同时背负着各种负载。一个设计精良的背包,特别是带有“悬吊”系统(load-suspended)的背包,已经被证明在平地行走时能够减少使用者的能量消耗、改善姿势并降低受伤风险。然而,当场景从平坦的马路切换到起伏的山坡时,一切就变得不那么确定了。人体在斜坡上行走的生物力学机制与平地截然不同,此时背负的负载如何影响我们的身体,特别是脚底与地面之间相互作用的关键指标——地面反作用力(GRF),成为了一个悬而未决的谜题。这个谜题的答案,对于优化背负装备、设计助力外骨骼乃至评估康复效果都至关重要。
遗憾的是,现有的生物力学模型,特别是那些用于估算GRF的“双足步行模型”,大多是为平地行走“量身定制”的。它们无法捕捉到斜坡带来的独特挑战:身体重心轨迹的变化、支撑腿受力模式的改变,以及向前(制动)和向后(推进)方向力的不对称性。这种模型上的“空白”,直接阻碍了我们对斜坡负重行走这一普遍场景进行深入、量化的力学评估。如果无法准确、便捷地估算斜坡行走时的GRF,我们就难以科学评价一个新型悬吊背包的优势,也无法为旨在辅助斜坡行走的可穿戴机器人制定有效的性能测试标准。
正是为了填补这一关键空白,一项发表在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》期刊上的研究应运而生。该研究团队的核心目标是:开发并验证一个优化的双足步行模型,这个模型必须能够适用于斜坡行走场景,并且能够同时估算出两个方向的GRF——垂直方向(vGRF)和前后方向(apGRF),无论受试者是否背负着悬吊负载。
为了构建这个新模型,研究人员对经典的双足倒摆模型进行了关键性的优化和扩展。首先,他们引入了两个关键的步态时序参数:单支撑期占比(rss)和双支撑期占比(rds),利用这两个比率来灵活调制vGRF曲线在斜坡行走中表现出的独特不对称双峰模式。其次,为了精确捕捉apGRF曲线在不同坡度下制动峰和推进峰的不对称变化,研究人员专门优化了模型中的前向力生成机制。这个模型最终只需要输入受试者的体重、身高、步态周期、步长以及上述步态参数,就能输出完整的vGRF和apGRF曲线。
研究的验证工作分为两个严谨的阶段。第一阶段,团队使用了一个来自已发表文献的公共数据集(N=10,5名女性,5名男性)对模型进行验证。这个数据集覆盖面广,包含了5种不同坡度(下坡、平地和上坡)和3种不同行走速度的组合。他们将模型估算出的GRF曲线与数据集里通过测力台实际测量到的“黄金标准”曲线进行对比。结果令人振奋:无论是vGRF还是apGRF,估算曲线与实测曲线之间都表现出极高的相关性,皮尔逊相关系数(PCC)范围在0.924到0.987之间。同时,组内相关系数(ICC)也全部高于0.889,表明模型具有出色的可靠性。在误差方面,vGRF和apGRF曲线的归一化均方根误差(NRMSE)分别小于0.109倍体重(BW)和0.055 BW。对于GRF曲线上所有关键的波峰和波谷值,模型的估计误差均未超过0.1101 BW。
第二阶段,研究转向了更具现实应用意义的场景——评估一款动力辅助的悬吊负载背包。研究人员招募了6名男性受试者,让他们在背负该背包的情况下,分别在负载锁定(LL,模拟传统硬连接背包)和负载悬吊(LS,启用悬吊系统)两种模式下行走,测试同样覆盖3种坡度和3种速度。在这个更复杂、更具挑战性的真实装备测试中,优化模型再次证明了其强大能力。估算与实测GRF曲线之间的PCC依然维持在0.870到0.990的高水平,ICC也大于0.763。所有GRF曲线的总体NRMSE小于0.129 BW。具体到峰值误差,vGRF的波峰波谷估计误差低于0.124 BW,apGRF的则低于0.185 BW。这意味着即使在有复杂外置装备干扰的情况下,该模型也能稳健、准确地估算出人体的主要地面反作用力。
基于以上系统的模型构建与多层次验证,本研究得出了明确而有力的结论。首先,研究所提出的优化双足模型成功突破了现有模型的局限,首次实现了在斜坡行走(无论是空手还是背负悬吊负载)条件下,对vGRF和apGRF曲线进行高精度同步估计。模型通过巧妙引入和优化步态时空参数,有效捕捉了斜坡生物力学的核心特征。其次,广泛的验证结果表明,该模型在不同坡度、速度、负重模式乃至外置背包干扰下,均表现出高度的准确性和可靠性,其误差水平在生物力学应用中是可接受的。最后,也是最重要的,这项研究为可穿戴机器人(如外骨骼)和新型负载携带装备的力学性能评估,提供了一个强大的、通用的计算工具。它使得在不依赖昂贵、笨重的实验室测力台的情况下,对复杂真实环境(如山坡)下的生物力学效应进行量化评估成为可能,极大地扩展了相关研究和产品测试的边界与便利性。
总而言之,这项研究不仅仅是一个理论模型的进步。它像一把精心打造的新钥匙,为我们打开了深入理解斜坡负重行走生物力学的大门,并将直接助力于未来更符合人体工学、更省力、更具辅助效能的可穿戴技术的研发与优化。