综述:对性能评估指标的全面回顾以及下肢外骨骼领域的最新技术进展
《Biomimetic Intelligence and Robotics》:A comprehensive review of performance evaluation metrics and state-of-the-art advances in lower-limb exoskeletons
【字体:
大
中
小
】
时间:2026年05月17日
来源:Biomimetic Intelligence and Robotics 5.4
编辑推荐:
徐玉琴|李一鹏|张世生|谭凯杰|张阳|王灿|冷玉泉|吴新宇
深圳技术大学机器人工程系,中国深圳518118
**摘要**
下肢外骨骼技术已成为三个关键领域中的核心设备:医疗康复、工业辅助和人类性能增强。将这项技术从实验室研究转化为成熟应用的核心挑战在于对机器性能和人
徐玉琴|李一鹏|张世生|谭凯杰|张阳|王灿|冷玉泉|吴新宇
深圳技术大学机器人工程系,中国深圳518118
**摘要**
下肢外骨骼技术已成为三个关键领域中的核心设备:医疗康复、工业辅助和人类性能增强。将这项技术从实验室研究转化为成熟应用的核心挑战在于对机器性能和人机交互(HRI)的评估进行系统化和标准化。然而,过去几十年出现的评估指标仍然分散且缺乏系统性的组织。因此,本文总结了这三个领域中常见下肢外骨骼的机械结构和驱动方式。首先阐明了每个领域的具体评估重点,然后回顾了现有的评估指标——特别关注代谢成本、数据精度和人机兼容性——并构建了一个涵盖三个维度的多层次评估框架:人类、机器性能和HRI。最后,本文指出了当前潜在的研究重点和被忽视的领域,旨在为未来外骨骼性能的优化提供方向性指导。
**1. 引言**
全球人口正在经历显著的老龄化趋势。根据世界卫生组织的数据,到2050年,65岁及以上的人口将达到近1.6亿[1]。预计这一人口变化将导致慢性疾病和运动功能障碍患者数量的急剧增加,从而引发对社会康复医学[2]和辅助技术[3]需求的激增。在这种背景下,由人机集成技术驱动的外骨骼机器人作为增强人类移动能力和辅助康复训练的关键设备应运而生。它们迅速成为医学和机器人学跨学科领域的热点研究方向[4]。
随着外骨骼技术的逐渐成熟,其在功能恢复、劳动保护和个性化辅助方面的核心价值日益突出。目前,根据身体部位进行精确适应的多样化发展模式已经形成[5]、[6]、[7]。例如,周等人专注于下肢康复外骨骼,将自适应控制和人机协作确定为全球研究重点[8]。Kuber等人证明,下肢工业外骨骼(如可穿戴座椅)可以有效减轻工人的肌肉负担[9],尽管仍缺乏标准化的评估标准。Sarajchi等人[10]和Gesta等人[11]强调了为脑瘫儿童设计的外骨骼应优先考虑轻量化和可调性,而Ashta等人[12]则强调了下肢被动外骨骼在制造业和物流领域的劳动保护作用。在 upper-limb 和局部肢体适应方面,Wang等人[13]系统地回顾了 upper-limb 康复外骨骼的控制模式,强调了个性化辅助策略在改善治疗效果方面的价值。Meng等人[14]关注软性踝足外骨骼,强调灵活的驱动和个性化控制作为实现中风后步态恢复的有效解决方案。另一方面,手部外骨骼展示了多场景适应性。Sarac等人[15]回顾了全球100多种手部外骨骼,揭示了康复和触觉交互应用中的显著配置多样性。Saldarriaga等人[16]专注于软性手部康复外骨骼,通过3D打印等技术实现了高合规性和低成本,从而有助于中风后的手部功能重建。总之,外骨骼技术已经全面覆盖了不同的身体部位,包括下肢、上肢和手部。它促进了患者的运动功能恢复,并为工业工人提供了强大的劳动保护,同时通过针对特定人群的设计突出了其以用户为中心的特性。
作为外骨骼的核心组成部分,下肢外骨骼目前正在快速发展。根据Scopus数据库的数据,从2015年到2025年,相关出版物的总数呈稳步上升趋势,如图1所示。下肢外骨骼的应用范围包括辅助行走[17]、[18]、跑步[19]、[20]、爬楼梯[21]、[22]、康复医学[23]、工业承重[24]、[25]、[26]以及军事增强[27]、[28]、[29]。这些应用吸引了越来越多的关注,当前的研究主要集中在提高适应性、智能性和操作效率[30]、[31]上。核心任务包括行走辅助[32]、[33]、重负荷支持[34]、神经康复训练[35]和复杂地形适应[36]。这些任务依赖于六项关键支持技术——结构设计、驱动、传感、智能控制、人机交互(HRI)和材料——所有这些都需要根据功能需求进行系统研究。
**2. 方法**
2.1. 合格标准
在搜索策略方面,本研究采用了系统评价方法。2025年11月,严格遵循《系统评价和荟萃分析的优先报告项目》(PRISMA)指南,对2019年至2025年关于下肢外骨骼的应用和评估的文献进行了系统评价。相关研究从Web of Science数据库中系统检索,以确保对该领域的全面覆盖。搜索过程中使用的关键词(K)包括:
K1:与外骨骼相关的表达:外骨骼(1)、辅助机器人(2)、可穿戴机器人(3)、便携式机器人(4)
K2:与人体部位相关的表达:下肢(1)、腿部(2)、髋部(3)、膝盖(4)、踝部(5)
K3:与评估结果相关的表达:性能评估(1)、康复评估(2)、临床试验(3)
因此,搜索通常使用以下形式的组合表达进行:K1? (1或2或3或4) AND K2? (1或2或3或4或5) OR K3? (1或2或3)。文献选择严格限于英文的同行评审出版物,不限制出版年份,包括期刊文章和工程会议论文,以确保全面覆盖下肢外骨骼的应用和评估的最新研究。对于检索和筛选出的文章,严格应用了以下纳入和排除标准(C):
C1:为了提高检索准确性,我们关注下肢外骨骼机器人的三个关键方面:应用场景、所采用的驱动源和配置,以及为不同下肢外骨骼机器人提出的评估指标,包括它们实际的人机交互性能。此外,还使用了以下关键词来评估文章与本研究的相关性:设计、驱动、控制、网络、机制、步态、辅助、行走、阶段、康复、系统、可穿戴下肢、人类性能增强、框架、移动性等。
C2:研究类型包括临床研究、实验研究、系统评估研究、标准或指南文件,或系统评价,这些研究明确涉及下肢外骨骼机器人的性能评估或临床有效性评估,为未来的研究提供有价值的见解和参考。不符合这些研究类型的文章被排除。具体来说,使用了以下关键词及其同义词来过滤掉不相关的文章:仿真、数字孪生、仿真模型、识别、远程控制、虚拟现实、视觉感知、图像处理、脑机接口等。C3:研究内容需要包含至少来自多个维度的关键词,包括康复训练、步行功能改善、应用场景、结构配置、驱动类型、与测试对象相关的参数、与机器人相关的参数以及人机交互评估指标。仅关注下肢外骨骼机器人的理论设计、机械结构或控制算法的研究、仅提供概念描述或未进行实际评估的研究,以及与已有文献高度相似的研究被排除在外。C4:一些与下肢外骨骼相关的文章也被排除。尽管本研究专注于下肢外骨骼机器人,但筛选过程旨在避免遗漏相关文献,在筛选过程中系统地将外骨骼机器人系统分类为不同的类型(涵盖髋部、膝盖、踝关节和多关节组合)。相反,涉及上肢(包括肩部、肘部、手部、上臂和前臂)的外骨骼以及结合背部和下肢的全身或混合系统未被考虑纳入,相关文献也被排除,以防止评估标准变得过于复杂。
2.2. 搜索过程
从数据库中检索记录,将其编译到Excel中,并根据标题、作者、年份和来源等出版信息手动删除重复项。剩余的研究首先通过标题和摘要进行筛选,与下肢外骨骼设计无关的研究被排除。随后,对通过初步筛选的研究进行全文评估,筛选过程严格遵循预定义的纳入和排除标准。完成所有筛选过程后,我们系统地查阅了所有纳入研究的全文和参考文献列表,旨在全面识别潜在的相关研究并尽量减少遗漏的风险。文献筛选工作由第一作者完成,每篇文章都根据预定义的纳入和排除标准进行单独评估。第二作者随后对所有被排除的文章进行了交叉检查,重点验证排除决定的逻辑合理性及其是否符合相关标准。在筛选过程中出现任何分歧时,会在定期会议上进行详细讨论,其余作者在决策过程中起到调解作用。最终,所有参与者达成共识,这大大提高了筛选过程的客观性、严谨性和可追溯性。
下载:下载高分辨率图片(331KB)
下载:下载全尺寸图片
图2. 按照PRISMA指南进行的审查过程
下载:下载高分辨率图片(2MB)
下载:下载全尺寸图片
图3. 2019年至2025年以“下肢外骨骼”为关键词在Web of Science中搜索的研究趋势(a)和热图(b)
2.3. 选择过程和数据提取
初步筛选的目的是找到标题、摘要和关键词。在提到的数据库中进行文献搜索后,共检测到2673篇出版物。去除5篇重复文档后,检查并排序了剩余出版物的标题和摘要。在筛选过程中,有2560篇文章因不符合本研究范围和本文设定的纳入标准而被淘汰。最终,共有108篇论文被纳入后续分析和研究,提供了关于下肢外骨骼机器人性能和人机交互效果的多维度评估系统的新的概述。图2展示了此次审查的完整筛选过程,在此过程中没有对参与者的性别、年龄或健康状况施加任何限制。
VOSviewer软件被用作绘制和分析选定样本文献数据的图形工具。通过分析来自Web of Science和Scopus数据库的符合纳入标准的文献的标题、关键词和摘要,如图3所示,结果揭示了当前下肢外骨骼领域的研究趋势和热点。在研究趋势图中,圆圈的大小和热图的颜色强度清楚地展示了研究人员对下肢外骨骼不同方面的探索程度。结果表明,主要的研究方向集中在康复效果、步态分析和下肢运动能力上,而在系统评估指标方面存在显著不足。
3. 下肢外骨骼的研究现状与分析
近年来,下肢外骨骼技术发展迅速,其应用领域也在不断扩大。在本节中,我们根据收集的文献回顾并分类了下肢外骨骼的应用领域。此外,我们展示了这些研究中的硬件选择,详细介绍了关键参数,如佩戴方式、驱动关节、应用场景、控制策略、设备重量、关节活动范围和最大扭矩,如表2所示。根据相应的应用场景,这些外骨骼从本研究的视角被分为三大类:医疗康复、工业辅助和人类性能增强,如图4所示。
表2. 下肢外骨骼的分类
作者,(年份)
佩戴方式
驱动关节
应用场景
控制策略
设备重量
关节活动范围
最大扭矩
Li等人(2020)[66]
独立可穿戴式
H-K
康复
基于用户意图的控制
22.65公斤
H Ex[30°]/Fl[140°] K Fl[125°]/Hy[5°] A [±19°]
H Peak[93 Nm]/Nom[32 Nm] K Peak[82 Nm] K Nom[34.7 Nm(L)/27.2 Nm(R)]
Awad等人(2020)[67]
独立可穿戴式
A
康复
基于用户意图的控制
<5公斤
––
Lee等人(2020)[68]
独立可穿戴式
K
人类增强
基于用户意图的控制
2.7公斤
K Fl[90°]/Hy[20°]
K Peak[22 Nm]
Gordleeva等人(2020)[69]
辅助支持
H-K
康复
基于用户意图的控制
––
Nakajima等人(2021)[70]
辅助支持
H-K
康复
基于用户意图的控制
15公斤
H Ex[20°]/Fl[120°] K Ex[6°]/Fl[120°]
–
Zhou等人(2021)[71]
独立可穿戴式
H-K
人类增强
被动控制
1.86公斤
––
Luo等人(2021)[72]
独立可穿戴式
H-K-A
康复
基于轨迹的控制
–
H Ex[20°]/Fl[90°] K Fl[90°] A[?15° ?+45°]
Chen等人(2021)[73]
独立可穿戴式
H-K
康复
基于用户意图的控制
––
Ishmael等人(2022)[74]
独立可穿戴式
H
人类增强
基于用户意图的控制
2.7公斤
–
H Peak[41.9 Nm]
Miller等人(2022)[75]
辅助支持
康复
基于轨迹的控制
3.1公斤
H Ex[15°]/Fl[30°]
H Peak[31 Nm]
Franks等人(2022)[76]
独立可穿戴式
H-K-A
人类增强
基于用户意图的控制
13.5公斤
–
Ha[0.9 Nm/kg] Ka[0.8–0.9 Nm/kg] Aa[0.35–0.7 Nm/kg]
Jayaraman等人(2022)[77]
独立可穿戴式
H
康复
基于用户意图的控制
2.1公斤
–
H Peak[12 Nm]
Chiara等人(2022)[78]
独立可穿戴式
H
康复
基于轨迹的控制
6.5公斤
H Ex[15°]/Fl[100°]
H Peak[22 Nm] Ha[0.02–0.1 Nm/kg]
Qian等人(2022)[79]
独立可穿戴式
H
康复
基于用户意图的控制
3.8公斤
–
H Peak[15 Nm]
Xu等人(2023)[80]
独立可穿戴式
H
康复
基于用户意图的控制
3.5公斤
–
H Peak[37.8 Nm]
Bergmann等人(2023)[81]
辅助支持
H-K
康复
基于用户意图的控制
14.4公斤
–
H Nom[64.2 Nm] K Nom[40.1 Nm]
Abbas等人(2024)[82]
独立可穿戴式
H
康复
顺应性控制
––
H Peak[67 Nm] H Nom[34 Nm]
注:“–”表示该参数在原始研究中未报告或不清楚;“H”、“K”和“A”分别代表髋部、膝盖和踝关节。“Ex”、“Fl”和“Hy”分别代表伸展角、屈曲角和过度伸展角。在踝关节角度中,正负号分别表示背屈和跖屈。“Peak”表示最大输出扭矩,“Nom”表示标示位置的最大辅助扭矩。
下载:下载高分辨率图片(270KB)
下载:下载全尺寸图片
图4. 下肢外骨骼的应用场景
3.1. 机械结构
下肢外骨骼的佩戴位置和机械结构设计始终遵循场景要求,并以适应性为中心。这种方法导致了三个关键方向的形成:覆盖范围、功能重点和适应性优化。表3提供了近期下肢外骨骼代表性机械结构的比较概览,突出了它们的核心创新和局限性。康复领域强调安全性和个体适应性,而机械结构则围绕全范围支持和局部精确适应进行设计。在全范围覆盖设计中,重点在于多关节协调。例如,Nakajima等人[70]开发的HAL系统通过外骨骼框架实现了对腰部、大腿、小腿和脚部的全面覆盖。它集成了传感器鞋和表面电极,以满足神经康复的适应性辅助需求。同样,Zhang等人[83]提出的MOTION系统从腰部到脚部覆盖了整个下肢,并通过关节对准机制增强了生物力学兼容性。相比之下,局部聚焦设计简化了机械结构以提高任务特异性。例如,Hsu [84]和Li [85]开发的系统专注于髋关节辅助,通过大腿连杆实现精确的力量传递。另一个具有可调尺寸的局部设计示例是Livolsi [78]开发的APO髋部外骨骼,它采用碳纤维框架包裹髋部和后骨盆,通过可定制的矫形袖套实现自由的髋关节内收和外展,适用于局部康复场景。此外,具有可调尺寸的优化设计解决了人群差异性问题。这些包括Liu [86]开发的VALOR系统,它结合了可调节长度的连杆和腰部安装的RGB-D相机支架,从而在适应性和功能扩展之间取得了平衡。此外,Miller-Jackson [75]开发的SWAG系统通过管状阻挡梁和楔形静态支撑模块实现了适应性穿戴和高效的扭矩传递。同样,Liu [87]设计的康复机器人通过集成髋部高度调节装置和龙门框架提供了稳定的垂直支撑,满足了不同康复阶段的需求。
此外,在提供支撑力方面,Nakajima [70]开发的HAL系统采用轻质合金框架和精密旋转关节的刚性结构。这种高刚性确保了全方位运动时的充分支撑,适用于需要高稳定性的早期康复阶段。另一方面,柔性结构旨在最大化长期佩戴舒适性。例如,Awad [67]开发的软质外骨骼使用功能性纺织品和电缆系统将重量保持在5公斤以下,从而显著减少了运动限制。在Li [88]开发的系统中,使用球形接触背包装置将外骨骼灵活地连接到用户的腰部,提高了舒适性和稳定性。同时,由Bowden电缆驱动的独立体重支撑(BWS)系统提供了重力补偿,主动确保施加在人体上的水平张力为零。这两种类型的设计更适合轻度康复或长期佩戴场景。刚柔混合结构结合了前两种设计的优点。例如,Chen [89]的系统结合了碳纤维膝关节板和铝制滑轮与柔软纺织品,结合了高顺应性和低机械阻抗,实现了从卧床休息到行走的全面康复训练覆盖。
在工业领域,承载能力和操作耐用性是主要关注点,结构设计旨在平衡负载分布和运动灵活性。重量策略性地集中以优化重心。例如,在Ma [90]的系统中,控制器和电池放置在背包中,并与髋-膝-踝关节连杆结合,以优化长期操作的重量分布。Wu [91]将QDD电机与UAKC离合器集成到大腿驱动单元中,并通过电缆系统依次将辅助扭矩传递到膝关节和踝关节。这种设计将主要质量集中在近端,有效减少了肢体末端的惯性。此外,仿生结构更好地匹配了力量传递路径。Ozgur [92]的BioComEx系统通过小腿、大腿和背部的链节仿生设计实现了矢状面屈伸的紧凑贴合,支持高强度操作。Ishmael [74]的髋部外骨骼通过碳纤维框架和四连杆机制固定在大腿和骨盆侧面,确保了轻量化构造和多方向移动性。此外,还有一些设计强调轻量化构造和适应性,更适合各种工业操作场景。Qian [79]提出了动力髋部外骨骼系统,其机械结构包括框架、电机模块、被动关节、IMU传感器、RGB-D深度相机和可调支撑带。它主要佩戴在髋部和腰部区域,具有轻量化设计、实时环境感知和适应性步态控制等优点。罗等人[72]提出的系统通过使用背部支架和腿部绑带固定髋关节、膝关节和踝关节,在支撑性和灵活性之间取得了平衡。与此同时,在工业领域,结构设计主要关注耐用性和承载能力,刚性-柔性混合结构是这类应用的主流方法。刚性结构部件设计用于支撑重载,采用碳纤维框架和精密旋转关节以确保高刚性,从而在恶劣环境条件下提供全方位的运动支持和耐用性,这使它们适用于重型处理和高强度工作场景。相比之下,柔性结构部件强调高顺应性和适应性,以减少长时间使用时的不适。刚性-柔性混合结构则在机械强度和人体适应性之间实现了平衡。例如,Ozgur等人[92]将可变刚度执行器(VSAs)和串联弹性执行器(SEAs)嵌入肢体部分,以增强仿生顺应性并减轻冲击引起的伤害。Tu等人[93]将铝合金主结构与尼龙织物软部件结合,提高了关节活动度同时保持了承载能力。同样,Zhang等人[83]利用碳纤维管和伸缩圆柱机构通过关节对准设计减少了潜在的关节错位扭矩,从而减轻了用户疲劳。整体设计注重轻量化构造和高强度重量比。运动能力的提升集中在低干扰和动态适应上,结构设计侧重于集中布局、分布式传动和可调尺寸。集中布局可以大大减少由远端惯性引起的不必要负载。例如,在Bourgrinat等人[94]开发的WAXO系统中,驱动和电子模块集成在腰部,小腿处配有3D打印的电缆支架,鞋底装有碳纤维支柱,以最小化额外惯性。同样,Alili等人[82]开发的双侧髋外骨骼佩戴在腰部,并通过织物袖套固定在大腿上,通过调整接纳控制参数实现步幅的适应性调节。另一方面,分布式传动侧重于优化功率输出。Li等人[66]提出的系统采用同步带驱动和模块化关节基座,将电机远离髋关节、膝关节和踝关节,从而减小轴向尺寸并支持拐杖辅助的平衡训练。Franks等人[76]开发的髋-膝-踝系统围绕Bowden电缆传动和可调接口设计,通过腰带实现高效功率传输。同样,可调节尺寸的设计能够适应不同高度的用户。Zhang等人[95]开发的系统基于髋-膝-踝三关节旋转结构,通过液压伸缩杆自动调节长度以适应不同身高的人。Lee等人[96]的EX1系统利用可调节腰带和大腿接口,以满足不同体型用户的有效扭矩传输需求。此外,还有一些专门为特殊人群或应用场景设计的结构。例如,专为儿童设计的外骨骼旨在满足他们的发育阶段需求。Sarajchi等人[97]的系统通过使用轻质铝管和快速释放轴实现可调尺寸,帮助8-12岁儿童的下肢运动,六个活动关节进一步增强了运动的自然性。Gao等人[98]的系统集成了仿生多自由度髋关节、交叉四杆连杆膝关节和被动刚性-柔性耦合踝关节,从而改善了运动过渡的平滑性。Zhou等人[99]的系统通过集成的背部-腿部-脚结构实现步态辅助,在穿戴实验中支持标准步态跟踪。此外,考虑到肢体运动的多样性,全运动覆盖设计为多样化训练提供了更大的适应性。例如,Jayaraman等人[77]的GEMS-H系统以腰部固定带和大腿固定器为核心组件,在髋关节提供低代谢负荷的辅助。Cao等人[100]的软外骨骼通过腰带、膝关节包裹和Dyneema绳实现分布式固定和力量传输,以辅助髋关节屈曲。表3. 下肢外骨骼机械结构比较。论文年份核心创新局限性Nakajima等人[70]2021年HAL系统的开发,这是一种提供全面下肢覆盖的外骨骼框架,集成传感器鞋和表面电极来检测生物电信号,创建交互式生物反馈循环,用于适应性神经康复。该外骨骼设备相对较重(约15公斤),依赖于检测残余生物电信号,这可能限制其在严重运动单元退化患者中的可用性,而支持的临床试验样本量小且设计为开放标签。Hsu等人[84]2020年该研究提出了一种四自由度下肢外骨骼,专注于髋关节辅助,通过大腿连杆和U形框架实现精确的力传递。此外,它实现了基于线性扩展状态观测器的控制器,以估计人类施加的扭矩并在行走摆动阶段提供适应性动力辅助。机械设计仅依赖于髋关节驱动,无法主动支持膝关节或踝关节,限制了其用于全腿辅助的能力。此外,实验性肌电图测试显示了人机冲突的情况,表明控制机制需要进一步改进以确保无缝同步。Liu等人[86]2021年该论文介绍了VALOR系统,这是一种自主下肢外骨骼,具有可调长度的连杆和安装在腰部的RGB-D相机支架,以平衡机械适应性和功能扩展。它利用这种视觉反馈实现自主决策和参数化步态模式规划,显著提高了机器人对不同行走环境的适应性。该系统的实验验证目前仅限于有孤立障碍物的简化控制室内环境,并假设深度传感器具有完美精度。此外,控制机制尚未解决用户的重心转移问题,操作时用户需要依靠扶手保持平衡。Wu等人[91]2024年该研究介绍了一种轻质下肢外骨骼,使用单个准直驱电机和单向踝-膝步态离合器,在站立阶段依次向膝关节和踝关节提供辅助扭矩,由使用足底压力数据的一维卷积神经网络控制。机械设计依赖于定制的3D打印复合框架,需要多种尺寸以适应不同用户,四杆连杆的空间限制了最大可实现弹簧顺应性。此外,系统的性能仅在三个健康受试者的非常有限的样本量上进行了评估。Ishmael等人[74]2022年该论文开发了一种轻质、高扭矩密度的髋外骨骼,采用新型四杆机构,集成复合弹簧和碳纤维框架,附着在大腿外侧和骨盆上,确保高效扭矩传递和多方向移动。机械设计依赖于定制的3D打印复合框架,需要多种尺寸以适应不同用户,四杆连杆的空间限制了最大可实现弹簧顺应性。此外,系统的性能仅在三个健康受试者的非常有限的样本量上进行了评估。Tu等人[93]2022年该论文介绍了E-LEG,这是一种新型半被动下肢外骨骼,专为工人蹲下辅助设计,使用惯性传感器和电磁开关调节蹲下高度,结合铝合金主结构和尼龙织物软部件以平衡承载能力和关节活动度。作为一种主要用于蹲下任务中的静态重量支持的半被动设备,它缺乏在行走过程中提供主动动态辅助的能力,长时间在复杂工业环境中使用仍可能引起局部不适或限制高度动态运动。Bourgrinat等人[94]2019年该研究介绍了WAXO系统,这是一种踝外骨骼,通过将驱动和电子模块集成在腰部,利用Bowden电缆将机械力通过3D打印的小腿支架传递到靴子上的碳纤维支柱,从而最小化额外的远端质量。实验验证仅限于来自一个健康受试者的肌电图信号分析,当前原型依赖于外部个人计算机进行电机控制,限制了其在现实世界环境中的自主操作和便携性。Lee等人[96]2023年该论文介绍了EX1,这是一种轻量级可穿戴髋辅助机器人,具有延迟输出反馈控制算法和可调腰带和大腿接口,有效传递辅助扭矩,以改善不同体型用户的步态和代谢效率。该研究受到样本量小和缺乏对参与者实验外日常身体活动的监测的限制;此外,一些用户因高辅助扭矩而感到不适,建议进一步改进设备的重量、噪音和设计。注:此表仅代表近期研究的代表性选择,而非全面回顾。表4. 下肢外骨骼驱动系统方案比较。作者,(年份)主要驱动形式控制带宽或频率顺应性驱动器架构类型Li等人[66]2020年[66]混合4.07–5.40 Hz被动PEA/RAAwad等人[67]2020年[67]电动-被动电缆驱动Lee等人[68]2020年[68]电动200 Hz主动RAGordleeva等人[69]2020年[69]电动-被动RANakajima等人[70]2021年[70]电动-主动–Zhou等人[71]2021年[71]被动–被动弹簧离合器机制Luo等人[72]2021年[72]混合–被动人工肌肉混合驱动Chen等人[73]2021年[73]电动–主动RAIshmael等人[74]2022年[74]电动23.8–25.1 Hz混合SEAMiller等人[75]2022年[75]气动0.67 Hz可变刚度气动旋转执行器Franks等人[76]2022年[76]电动–主动电缆驱动Jayaraman等人[77]2022年[77]电动100 Hz主动aRAChiara等人[78]2022年[78]电动1000 Hz被动SEAQian等人[79]––––Xu等人[80]2023年[80]电动–被动RABergmann等人[81]2023年[81]电动–可变刚度VSAAbbas等人[82]2024年[82]电动–主动RANote: “–”表示原始研究中未报告或参数不明确。在“主要驱动模式”列中,“电动”表示论文中使用的系统主要是电动驱动;“被动”表示没有主动驱动;“混合”表示结合了两种或更多同等重要的驱动方法;“气动”表示系统主要是气动驱动。在“控制带宽或频率”列中,由于各论文中频率的定义不同,表中列出的值主要代表上游控制器频率或更新率。在“顺应性”列中,“被动”表示系统采用被动机械设计实现顺应性;“主动”表示系统通过算法或其他方法主动实现顺应性;“混合”表示顺应性设计同时结合了两种或更多策略;“可变刚度”表示使用了可变刚度机制。在“驱动器架构类型”列中,PEA、RA、SEA和VSA分别是并行弹性执行器、刚性执行器、串联弹性执行器和可变刚度执行器的缩写;任何其他特定架构类型在表中直接说明。adenotes表示相应信息在原始论文中未明确说明,但通过合理推断得出。此表仅代表近期研究的代表性选择,而非全面回顾。3.2. 驱动系统驱动系统的演变始终遵循将功率与特定场景需求相匹配的原则,同时优化功率特性以提升用户体验。在各自主要目标的指导下,三个核心领域共同塑造了一个以电动机驱动为主的技术格局,并辅以多种辅助驱动。每种驱动解决方案都展示了不同的优势,如文献中所强调的。为了进一步分析人机交互的硬件基础,表4详细介绍了具体的驱动系统方案,系统地比较了近期研究中的关键参数,如驱动器架构、控制带宽和顺应性实现策略。表5总结了这些系统中使用的驱动机制,比较了它们的具体驱动策略和当前限制。在康复领域,外骨骼的核心关注高精度和高安全性,形成了以电机驱动系统为主、气动和其他柔性驱动方法为补充的多样化技术框架。在这些系统中,电机驱动解决方案主要关注实现精确的运动控制和适应性调整。其具体应用在多个层面得到体现。例如,Li等人[66]开发的系统使用90-260瓦无刷直流电机和谐波减速器实现髋关节和膝关节的高精度位置控制,以及平滑的速度跟踪和适应性负载能力。Nakajima等人[70]使用电机驱动机制作为下肢关节的动力源,通过基于生物电信号的比例扭矩辅助显著提高了行走距离和步频。此外,为了提高人机交互的适应性,Bergmann等人[101]提出的系统通过次级电机实时动态调节串联弹性元件的刚度,从而适应不同步态阶段的康复需求。类似地,刘等人[102]开发的系统通过电机驱动的缆绳传动与串联弹性执行器相结合,为膝关节和踝关节提供分阶段的辅助,从而便于步态阶段的识别,实现辅助时机的精确控制。这类设计的共同特点是利用了电机的低惯性控制特性,从根本上确保了康复训练的安全性。相比之下,作为补充,气动和其他柔性驱动方法更注重解决特定康复场景中的柔顺性问题。例如,罗等人[72]在他们的外骨骼中实现了一种混合驱动系统,结合了电动机和气动人工肌肉(PAMs),其中PAMs主要提供重力补偿,为穿戴者减轻重量并调节扭矩。此外,米勒-杰克逊等人[75]开发的气动STAR执行器通过柔性驱动减少了肌肉激活,适用于髋关节屈曲和伸展的康复训练。阿瓦德等人[67]提出的软外骨骼通过缆绳传动系统和机械执行器实现了踝关节的柔性跖屈和背屈动作,有效解决了足下垂问题。总体而言,这类外骨骼的驱动策略结合了精确控制和柔性辅助,形成了以精确控制为主、柔性辅助为补充的独特康复方法。
表5. 下肢外骨骼驱动机制的比较。
论文年份 | 核心创新 | 局限性
--- | --- | ---
李等人[66] | 2020 | 本文提出了一种紧凑且模块化的齿轮电机驱动下肢外骨骼架构,使用同步驱动器驱动髋关节执行器,齿轮驱动器驱动膝关节执行器,以分配无刷直流电机和谐波减速器,同时减小轴向关节宽度。其关键相关性在于紧凑的电机-和谐波减速器驱动设计,用于精确的髋/膝关节位置控制和平稳的行走辅助。验证仍处于初步阶段,主要依赖于台架测试和仅在一个健康受试者在平坦地面上的实验,而不是截瘫患者或不同真实世界地形下的测试。该系统在传感、控制自主性、缆绳布局、执行器噪音、电池重量和用户意图检测方面仍需进一步改进。
伯格曼等人[101] | 2023 | 本文提出了一种用于下肢外骨骼的人机协作控制框架,该外骨骼具有可变刚度执行器,在摆动和站立阶段估计用户关节扭矩,然后放大以提供辅助,无需预先记录的步态轨迹。其关键创新在于使用辅助电机主动调整片簧的有效长度,实现步态阶段的实时刚度适应,从而实现更安全、更柔顺的人机交互。验证主要在一个健康受试者上进行,因此其对康复患者或严重运动障碍用户的效果尚未得到充分证明。此外,站立阶段扭矩估计依赖于简化的地面反作用力(GRF)传感,并假设人机耦合相对理想,这在高速步态或关节错位条件下可能会降低准确性。
凌等人[102] | 2022 | 本文设计了一种用于上下楼梯的灵活下肢动力辅助外骨骼,结合了电机驱动的套索/缆绳传动和串联/并联弹性元件,为膝关节和踝关节提供分阶段的辅助。其主要贡献在于整合了使用踝关节角度和足底压力传感的步态识别与分阶段辅助时机,以支持爬楼梯。这项工作主要是原型级别的验证,缺乏关于真实用户的实验证据,也没有全面评估长期舒适性、代谢效益或在不同老年人群或受损人群中的安全性。辅助策略也相对特定于任务,专注于上下楼梯而不是更广泛的日常生活移动模式。
阿瓦德等人[67] | 2020 | 本文评估了一种便携式软体机器人外骨骼,用于中风后的步态辅助,使用鲍登缆绳传动和腰部安装的执行器,在站立阶段提供针对性的麻痹踝关节跖屈辅助,在摆动阶段提供背屈辅助。其关键贡献在于柔性缆绳驱动的踝关节辅助,改善了推进力和脚趾 clearance,从而减少了与足下垂相关的步态缺陷,使用户能够更快更远地行走。该研究仅涉及六名高功能慢性中风参与者,并且无外骨骼和动力外骨骼条件在不同日子进行了测试,测试顺序固定。此外,无法分离跖屈与背屈辅助的独立效果,因此每种辅助模式的具体贡献尚不清楚。
巴塞尔等人[92] | 2019 | 本文开发了BioComEx,这是一种仿生柔性下肢外骨骼,在踝关节使用可变刚度执行器,在膝关节和髋关节使用串联弹性执行器,以更好地匹配下肢生物力学柔顺性。其关键设计贡献在于将无刷直流电机-滚珠丝杠执行器模块紧凑地嵌入大腿和小腿段内,实现高效的动力传输,同时减小可穿戴结构的横向体积。实验验证仍处于初步阶段,主要展示了基本的行走轨迹跟踪和减力能力,而不是长期康复或负载承载结果。在报告的行走测试中,踝关节刚度也被固定为高恒定值,因此未能全面验证步态过程中实时可变刚度的全部好处。
吴等人[91] | 2024 | 本文提出了一种轻量级欠驱动下肢外骨骼,使用单个准直驱电机和单向踝-膝步态离合器,在站立阶段依次提供膝关节和踝关节辅助。它还集成了使用鞋垫压力数据的轻量级一维卷积神经网络(CNN)进行步态阶段估计和阶段依赖的生物扭矩生成。该系统主要在健康参与者在平坦行走条件下的验证,因此在复杂地形和更广泛用户群体中的鲁棒性尚未得到充分证明。此外,腰部安装的控制硬件和反应扭矩可能会增加髋关节负荷,并在实际使用中降低舒适度。
注:此表仅呈现了近期研究的代表性选择,并非全面回顾。
工业领域的外骨骼设计主要集中在满足高扭矩、高耐用性和高效率的核心需求上。由于气动和液压系统等驱动方法需要额外的电源,这类外骨骼的驱动方式以电机驱动系统为主,辅以被动驱动。其中,电机驱动系统因其功率密度和控制精度而占主导地位。具体来说,巴塞尔等人[92]采用了无刷直流电机与滚珠丝杠相结合,实现了紧凑高效的纵向嵌入式配置。马等人[90]使用无刷直流盘电机为髋关节和膝关节提供主动辅助,支持矢状面线性行走。吴等人[91]使用准直驱(QDD)电机提供23 Nm的峰值扭矩,提供低反射惯性的顺序膝关节-踝关节辅助,适用于重复性蹲举任务。此外,旨在提高能效和便携性的被动驱动解决方案也显示出相当大的潜力。一个典型的例子是周等人[71]开发的系统,该系统利用双关节弹簧离合器机制在摆动阶段回收能量,并在站立阶段辅助髋关节伸展。通过消除对外部电源的需求,这种设计减少了便携性的限制。此外,涂等人[93]提出的电磁开关驱动系统具有可调蹲举高度和对工作姿势变化的快速响应等优点。这些解决方案共同形成了针对各种工业场景的多样化技术途径。
在人类性能增强领域,外骨骼系统的设计以精确控制、快速响应和训练多样性为驱动,目前的技术路径主要由电机驱动解决方案主导。这种方法的核心优势在于其出色的扭矩输出和快速动态响应。具体来说,无刷直流电机系统因其高功率密度和低旋转惯性而被广泛采用,能够有效适应各种步态转换的需求,包括跑步和行走。例如,伊斯梅尔等人[74]采用了由无刷电机+滚珠丝杠组成的线性执行器,并辅以复合弹簧。这种配置不仅提供了42 Nm的峰值辅助扭矩,还有效减少了电机负载,适用于步行、跑步和爬楼梯等多任务场景。在关节驱动设计方面,不同的研究关注了不同的方面。李等人[68]开发的单侧膝关节外骨骼使用了70 W无刷直流电机和高齿轮比(113:1)的行星齿轮减速器,实现了与生物膝关节的同心对齐驱动,强调了轨迹精度和系统能耗之间的平衡。相比之下,李等人[96]将驱动模块集成到腰部,为髋关节提供独立驱动,确保即使在高达6 rad/s的角度速度下也能实现约12 Nm的有效扭矩跟踪。同样,阿里利等人[82]使用两个通过谐波减速器放大的无刷电机(传动比为100:1),为髋关节外展/内收运动提供高达34 Nm(连续)和57 Nm(峰值)的辅助扭矩,满足整个步态周期的动态需求。在上述研究中,驱动策略始终强调能效,核心控制逻辑旨在实现功率输出与用户运动节奏之间的精确同步。这些研究通常追求高力控制精度(达到0.1 Nm水平)和低响应延迟(< 50 ms),作为确保训练效果和支持多样化训练场景的关键技术基础。
总体而言,下肢外骨骼的设计高度依赖于应用场景:康复系统优先考虑安全性和适应性辅助,工业设备强调功率和耐用性,而人类增强设备则注重轻量化设计、动态响应和反馈精度。这些差异推动了材料选择、驱动技术和结构设计的多样化发展,反映了从刚性结构到柔性结构、从单关节系统到多关节系统、从纯刚性到刚柔混合设计的演变。在驱动方法方面,已经从高惯性向低反射转变,形成了与工业应用紧密交织的技术创新路径。此外,下肢外骨骼在不同领域表现出一定的跨领域可重用性。同一设备可以通过调整控制参数或优化辅助策略来适应各种任务场景,从而在多个领域实现灵活应用。这种跨领域可重用性进一步增强了设备的应用价值。
3.3 控制系统
控制系统是下肢外骨骼实现精确辅助性能、动态适应复杂环境和安全人机交互(HRI)的基石。随着外骨骼技术从实验室环境向临床和工业应用的转变,控制策略已经从单一轨迹跟踪发展到多维人机协同网络。为了阐明不同应用场景(医疗康复、工业辅助和人类性能增强)中外骨骼的技术深度,并为技术解决方案提供参考,本文对调查文献中采用的具体控制方法和核心控制逻辑进行了全面回顾。根据回顾的内容,最先进的下肢外骨骼控制方案主要可以分为三类:基于自适应控制的控制、基于深度学习的控制以及基于用户意图的传统控制。
自适应控制作为一种能够稳健应对系统不确定性和外部动态干扰的策略,在下肢外骨骼控制领域发挥着关键作用。自适应控制的核心逻辑在于设计参数自适应律,使系统能够实时在线估计未知系统参数、外部干扰或复杂步态的时空特性。因此,系统可以动态调整控制器增益、结构或辅助扭矩的启动时机,以确保在复杂和变化的操作条件下的控制性能。在本文回顾的研究中,鉴于下肢外骨骼的“人在回路”本质,系统不仅必须解决受试者之间的生理差异,还必须适应长时间使用引起的步态变化。李等人[103]选择了一种基于自适应振荡器的混合步态阶段估计方法;通过实时同步人体髋关节运动信号并与快速收敛算法结合,他们解决了变速行走期间的相位估计滞后问题。王等人[104]采用了一种自适应鲁棒控制策略,利用参数自适应律在线估计系统动态中的不确定参数。钱等人[79]开发了一个高级控制框架,包括基于深度视觉的前馈运动模式预测和基于自适应振荡器的反馈步态阶段估计,实现了在复杂地形上的辅助策略规划和人机外骨骼运动的精确同步。Livolsi等人[78]利用自适应振荡器进行实时步态相位估计,并根据患者的具体运动障碍,在特定步态阶段通过双高斯函数合成辅助扭矩。凭借出色的非线性逼近能力和处理大规模数据集的能力,深度学习技术正逐渐成为下肢外骨骼控制领域中最具活力的技术途径之一。其核心控制逻辑是使用深度神经网络直接从多模态传感器数据中提取高维特征,从而构建从状态感知到控制信号输出的端到端映射关系。在下肢外骨骼的高频运行过程中,系统会持续生成大量高度时间相关的传感器数据。基于深度学习的控制方案促进了多源信息的深度融合,为智能系统的实现提供了重要支持。在回顾的研究中,Ma等人[90]收集了人体下肢的表面肌电图(sEMG)信号并提取了均方根(RMS)特征;他们的研究使用深度反向传播神经网络实时预测髋关节和膝关节角度,实现了外骨骼的主动辅助控制。Wu等人[91]采用轻量级卷积神经网络(CNN)从足底压力传感器数据中实时识别步态阶段,并生成目标辅助扭矩,结合一种新型的单电机顺序驱动机制,实现对膝关节和踝关节的精确辅助。Liu等人[102]利用基于长短期记忆(LSTM)网络的深度学习模型,通过分析足底压力和角度传感器数据来进行步态识别和意图判断。Sheng等人[105]采用了基于运动想象的脑机接口(BCI)技术,使用CNN识别用户运动意图,并将其与步态规划相结合来驱动外骨骼执行康复任务。
基于用户意图的传统控制方案是目前下肢外骨骼领域应用最广泛且技术最成熟的经典控制解决方案之一。该方案的核心逻辑是使用分布式传感器网络实时捕捉和分析佩戴者的运动意图,随后将其与有限状态机(FSM)或其他算法结合,在特定步态阶段提供辅助。在回顾的研究中,Tu等人[93]结合传感器信息使用经典FSM实时识别用户的行走和蹲下意图,从而驱动电磁切换机制实现不同状态之间的转换。Lee等人[68]采用了三层控制架构,利用FSM根据步态周期识别运动阶段;在早期站立阶段,比例-微分(PD)控制器输出预设的辅助扭矩曲线,以在各种坡度条件下辅助人类行走。Bergmann等人[101]使用无迹卡尔曼滤波器(UKF)和逆动力学实时估计用户关节扭矩以识别运动意图,并根据步态阶段自动调整可变刚度执行器(VSA)的机械刚度,以实现平滑辅助。Gunnell等人[106]采用了基于肌电图(EMG)的控制方案,检测受影响侧股内侧肌的EMG信号,并按比例生成膝关节伸展辅助扭矩。
总体而言,上述控制策略根据不同的应用需求表现出不同的侧重点:自适应控制显著提高了系统的动态响应性和环境适应性;深度学习技术赋予系统更高的智能性和主动性;而基于意图的控制方案仍然是推动该领域发展的基本基石。未来控制系统的进化趋势将不再局限于单一算法,而是趋向于多模态融合控制。这需要在低层次采用高频经典反馈控制策略以确保扭矩输出的稳定性,同时在高层次结合数据驱动算法(如深度学习)以实现精确的意图预测。这种集成发展将直接有助于优化人机外骨骼的兼容性,并进一步降低佩戴者的代谢成本。
下载:下载高分辨率图像(449KB)
下载:下载全尺寸图像
图5. 下肢外骨骼的多维评估框架
4. 评估指标
近年来,下肢外骨骼的检测指标体系不断得到完善,应用范围持续扩大,并建立了系统的分类框架。本节全面回顾了现有的评估指标,科学地将它们分为三大类:与人相关的指标、机器性能相关指标和人机交互指标。在此基础上,进一步详细介绍了各种相关指标,如图5所示。此外,为了提供更注重应用的视角,我们在图6中引入了一个分类图。图6系统地将特定指标直接映射到上述三个类别中。通过参考该图,可以根据评估目标选择适当的指标。尽管这些指标的具体优先级因领域而异——在康复中强调安全性、恢复和临床结果;在工业辅助中强调耐用性、负载管理和耐力;在人类性能增强中强调代谢效率和动态响应——但它们的核心应用大体上是一致的。这个集成框架(图5、图6)使得跨领域分析成为可能,揭示了与人相关的指标作为通用效能基准的作用,而机器和HRI指标通常解决精度和兼容性方面的共同挑战,从而促进了直接比较,并突出了标准化的机会。
下载:下载高分辨率图像(1MB)
下载:下载全尺寸图像
图6. 下肢外骨骼的关键评估指标
4.1. 与人相关的指标
4.1.1. 代谢成本
在与人类相关的指标中,代谢状态和肌肉疲劳评估是评估外骨骼系统减少用户生理负荷效果的关键指标,通过多维量化方法全面反映用户的疲劳状态。代谢成本评估作为验证下肢外骨骼有效性的核心指标[107]、[108]、[109]、[110],通过能量代谢测量提供了对外骨骼辅助性能的全面评估。例如,Cao等人[111]提出了净代谢率,通过间接量热计测量氧气摄入量和二氧化碳排出量,然后通过标准化计算反映能量效率的变化。Awad等人[67]定义了行走的能量成本,通过将间接量热计测量的氧气消耗量除以行走速度来获得单位距离的能耗。Bryan等人[112]提出了代谢成本增加量,通过间接量热计检测氧气摄入量并标准化以量化佩戴外骨骼所增加的代谢消耗。其中,Brockway方程是计算代谢成本的关键工具,多项研究使用它来量化外骨骼的效果:Lee等人[68]采用了该方程的修改版本来估计净代谢成本,并显示大约一半的参与者在倾斜行走时代谢成本降低。Cao等人[100]使用该方程计算了佩戴和不佩戴外骨骼时以5公里/小时速度行走的参与者的代谢率。Zhou等人[71]结合间接量热系统的数据,使用该方程计算了佩戴不同弹簧刚度外骨骼前后的净代谢率。Chen等人[89]使用该方程计算了下坡、平地和上坡行走时的净代谢率,分别降低了9.86%、12.48%和22.08%,从而验证了外骨骼在不同地形下的辅助效果。Franks等人[76]通过使用间接量热计检测氧气消耗和二氧化碳排放来计算代谢成本,发现使用外骨骼可以将代谢成本降低50%以上,提高行走效率并减少疲劳。在各种坡度场景下进行的进一步评估一致显示代谢成本降低,从而验证了外骨骼的实际辅助效果。同时,Wu等人[91]通过使用便携式代谢系统记录氧气和二氧化碳水平,克服了传统固定设备的局限性。他们在室外路径和室内跑步机场景中同时测量了佩戴者的代谢状态变化,为外骨骼在现实应用中的代谢评估提供了参考。
然而,值得注意的是,尽管代谢成本作为关键指标被广泛使用,但实验协议的不一致性严重限制了不同研究之间的直接可比性。测试条件、行走速度、测试持续时间以及基线状态的选择的不同,使得客观比较不同外骨骼的代谢降低率变得具有挑战性。
4.1.2. 肌肉疲劳
肌肉EMG信号检测主要关注sEMG和EMG传感器,结合各种标准化处理方法。例如,Chen等人[113]采用改进的EMG FT肌肉疲劳水平算法,通过计算sEMG的均方根(RMS)来评估肌肉疲劳。Tu等人[93]集成了无线EMG发射器、鞋垫型足底压力传感器和运动捕捉相机,利用Δ EMG公式来评估肌肉活动的变化。Lee等人[68]结合EMG传感器和RMS处理来评估膝关节伸肌群的激活水平。此外,多项研究提出了针对肌肉疲劳的评估指标[38]、[114]、[115]、[116]。例如,Zhou等人[71]提出了髋屈曲代谢能量调节指标,使用表面肌电图传感器测量股直肌的活动强度,并结合气体代谢分析仪验证外骨骼在行走和跑步过程中分别可以减少7.2%和6.8%的代谢成本。Tian等人[117]和Bryan等人[112]提出了“肌肉活动减少率”指标,使用表面肌电图传感器评估下肢肌肉的电信号并通过标准化计算肌肉活动水平。实验结果证实,佩戴外骨骼后肌肉活动减少了20%–30%。
该领域普遍认为外骨骼可以显著降低目标下肢肌肉的激活水平。同时,一些研究专注于特定任务场景进行肌电图评估。例如,Ma等人[118]通过表面肌电图监测前臂肌肉群的激活情况,分析外骨骼在步态转换任务中对减轻上肢负担的效果。同样,Lee等人[68]和Tu等人[93]分别通过行走测试和蹲下转移实验中的肌电图信号验证了外骨骼的负载分担效果。然而,由于缺乏标准化的定义和数据处理协议,跨文献比较基于EMG的测量结果仍然具有挑战性。传感器放置、信号过滤频率和标准化技术的差异往往导致评估结果不一致,阻碍了设备间的性能比较。
4.1.3. 空间时间参数
作为评估外骨骼辅助行走效率和运动节奏的基本参数集,空间时间步态参数使用陀螺仪和压力传感器[119]、[120]等设备进行测量,以量化关键特征,包括行走速度[67]、步频[70]和步长[121]。这些参数全面反映了用户移动能力的改善。在验证研究中,Gunnell等人[96]和Su等人[106]分别使用运动捕捉系统和力板测量系统,确认外骨骼干预显著提高了空间时间步态参数。后一项研究报告行走速度增加了17.6%,步长增加了10%,直接证明了外骨骼在提高行走效率和节奏方面的效果。
4.1.4. 运动学
步态模式、稳定性和对称性是评估外骨骼辅助效果的核心维度。相关研究建立了针对性的运动学质量评估系统[24]、[110]、[122]、[123]、[124]、[125]。通过定量分析与步态轨迹相似性、肢体运动不对称性和步态熟悉度相关的参数,这些评估全面反映了外骨骼对行走模式的优化效果。Zhang等人[126]使用决定系数R2和平均绝对偏差(MAD)将髋/膝关节角度轨迹与临床参考轨迹进行比较,从而量化步态跟踪精度的改进。Li等人[103]使用不对称指数(ASI)分析受影响侧和未受影响侧在峰值髋/膝关节屈曲和垂直地面反力(vGRF)等变量上的差异,评估外骨骼对恢复步态对称性的贡献。Marinou等人[127]定义了三个指标,即步长持续时间、横向偏差和支持多边形面积,作为评估步态熟悉度的指标,从而提高了生物力学评估的效率和准确性。
4.1.5. 功能评估
功能能力评估侧重于外骨骼对下肢运动功能和实际行走能力的综合影响,主要使用成熟的临床评估工具和基于任务的指标[128]。在这些研究中,Livolsi等人[78]提出了Fugl-Meyer下肢评估(FMA-LE)指标,该指标通过0-34分的评分系统结合临床观察和运动评估来评估反射、关节活动范围和协调性,从而提供下肢运动功能恢复的定量测量。Zhang等人[129]进一步将这一指标与6分钟步行距离(6MWD)相结合,以全面评估通过外骨骼辅助训练所实现的下肢运动功能和行走能力的改善。
4.2 机器性能
4.2.1 数据准确性
数据准确性的评估重点在于外骨骼轨迹跟踪、扭矩控制以及数据采集的准确性,并建立了一个基于多种类型传感器检测和标准化误差量化的系统[81],[130],[131],[132],[133],[134],[135],[136],[137],[138],[139]。这种评估使用了关节编码器[92],[140]、高分辨率增量编码器[101],[141]、应变片桥和电机编码器的组合[142]以及地面反作用力传感器[83]等设备,同时采用均方根误差(RMS误差/RMSE)[68],[138]、L2范数[88]和髋关节轨迹跟踪误差[141]等定量指标。这些工具和指标能够精确评估关节位置精度、扭矩跟踪精度和步态轨迹跟踪性能。
在特殊验证和性能优化方面,Cao等人重点评估了硬件电路的24位ADC分辨率[100]、1000 Hz同步采样能力和EtherCAT总线多传感器扩展性,验证了在弱肌电图条件下的sEMG信号检测能力。Bergrmann等人[101]使用高分辨率编码器测量了串联弹性元件的变形,并结合胡克定律实时计算了人机交互扭矩,特别评估了零辅助模式下的机械透明度和力控制精度。Liu等人[87]通过仿真和物理原型实验比较了不同控制算法的平均轨迹跟踪误差,从而展示了控制系统的精度提升效果。总体而言,这些研究为外骨骼建立了一个多维数据准确性评估系统,为性能验证和优化提供了全面支持。
4.2.2 自由度
自由度是评估外骨骼灵活性及其适应自然运动能力的关键维度[131],[143],[144],[145],[146],[147]。相关研究采用了机械设计参数测试和IMU传感器(MTw, Xsens)的使用,结合运动学模型或数据分析来量化关节活动范围、主动和被动自由度的数量以及有效工作空间。Livolsi等人[78]验证了髋部外骨骼(APO)支持多平面运动,其有效工作空间满足灵活运动的要求。Qian等人[148]量化了零阻抗模式下的髋关节活动范围为43.00±1.17度,证实佩戴外骨骼不会限制自然运动。Xu等人[80]指出,该外骨骼具有一个主动自由度(髋关节屈伸)和三个被动自由度(内收/外展、滑动、旋转),能够精确匹配自然步态模式。Kang等人[149]表明,该外骨骼提供了行走辅助所需的可控活动范围,矢状面上的髋关节屈伸范围为130度,额状面上的内收/外展范围为30度。这些研究共同建立了一个考虑自由度配置和运动范围的评估系统,为设计符合自然运动的外骨骼提供了关键支持。
4.2.3 模型指标
模型指标是外骨骼意图识别、控制优化和性能验证的核心支持。相关研究开发了一个完整的评估系统,涵盖意图识别、模型验证和数据拟合,通过多传感器组合、算法建模和误差量化[126],[134],[138],[145],[146],[150],[151],[152],[153],[154]。在步态和运动意图识别方面,Yu等人[155]使用双IMU传感器和DSP控制器组合建立了神经网络步态相位估计公式,用于评估实时步态周期百分比。同时,Gordleeva等人[69]使用常见空间模式(CSP)滤波器和线性判别分析(LDA)模型处理EEG信号,构建了特征提取和分类流程,并量化了运动意图分类误差。Chen等人[89]利用IMU传感器检测大腿角速度和角度,并应用支持向量机算法对地形类型(上坡、下坡、平坦地面)和步态阶段进行分类,实现了高精度并量化了步态周期持续时间。
在模型验证和数据拟合评估方面,Zhang等人[129]使用平均绝对误差(MAE)和均方根误差(RMSE)来评估康复评估模型对临床指标的预测偏差,从而验证了其泛化能力和准确性。Sarajchi等人[97]提出了一种独特的模型验证策略,使用Simulink和Simscape环境连接正向和逆向运动学分析结果,从而验证了模型的有效性。Sheng等人[105]使用残差平方和(SSE)和决定系数(R-square)来评估傅里叶级数对下肢关节角度数据的拟合性能。这些研究从意图识别到模型验证建立了完整的评估链,为外骨骼的精确控制和性能优化提供了必要的理论和数据支持。
4.3 人机交互
4.3.1 人机兼容性
人机兼容性是评估外骨骼人机适应性的核心维度。相关研究主要集中在三个方向:几何匹配精度、人机交互调节和动态同步性能。通过使用运动捕捉系统、梁式负载传感器和多传感器组合等设备,研究人员收集了详细的交互数据。利用虚拟旋转中心错位(VRC Misalignment)[104]、量化错位距离[98]和标准化误差面积等指标,他们实现了对人机适应性的全面评估[101],[122],[145],[156],[157],[158],[159],[160]。在几何兼容性方面,Cao等人[161]提出了一种空间连杆机构的自适应性能指标,并通过多自由度设计和实时姿态补偿计算,通过对不同体型受试者的测试验证了轴向对齐偏差补偿的有效性。在交互调节和舒适度优化方面,Ozgur等人[92]使用梁式负载传感器记录交互力并计算扭矩,证明闭环阻抗控制算法可以有效减少交互扭矩;Chen等人[73]基于人机交互扭矩和步频计算了舒适性能指标,表明可变导纳策略可以显著提高兼容性和舒适度。在动态同步和状态交互方面,Li等人[88]使用标准化运动发散分量(DCM)的R2决定系数作为同步指标,实现了人机动态步态同步的平均R2为0.90;Tu等人[93]通过FSM状态切换的准确性(AC)量化了状态交互效应;Nakajima等人[70]通过集成表面电极、陀螺仪和力/扭矩传感器开发了交互式生物反馈(iBF)控制算法,精确评估了运动意图与辅助时机之间的对齐。这些研究建立了一个涵盖几何适应、交互调节和动态同步的全面评估框架,为人机友好型外骨骼的设计提供了必要的技术支持。
4.3.2 用户舒适度和感知
用户舒适度和感知是评估外骨骼佩戴体验的关键维度。相关研究结合了主观反馈量表和客观指标测量,从而全面量化了佩戴适应性、疲劳程度和易用性[130],[162]。在主观评估方面,Lee等人[68]使用1-10分等级量表收集用户关于行走努力减少的反馈。Chen等人[113]通过李克特量表获得了用户对整体下肢舒适度、下背部舒适度和呼吸节奏的多维感知评估。Xu等人[80]使用Borg CR-10量表让患者自我评估心理疲劳程度。在客观检测和验证方面,Livolsi等人[78]提出了皮肤兼容性指标。临床观察和患者报告确认,髋部外骨骼(APO)在42次使用后仅引起轻微红斑,没有严重的皮肤问题。Xu等人[80]通过主观反馈结合sEMG信号稳定性监测了皮肤刺激和运动干扰,证实被动自由度机制可以提高舒适度。在可用性评估方面,Zhang等人[83]通过将穿戴和站立任务纳入预定义的康复协议并结合双用户界面反馈来分析可用性。这种方法间接反映了COM操作期间的人机交互效果。这些评估指标通过整合主观感知和客观数据,为优化外骨骼的佩戴体验提供了全面而精确的参考。
4.3.3 任务导向的沉浸式交互
将五项高度相关的研究纳入综述,从而扩展了文献数据库的范围。方法论部分已相应更新以反映这一扩展的包含范围。使用虚拟现实(VR)和增强现实(AR)的任务导向沉浸式交互突显了人机交互(HRI)的重大转变。当前研究不再仅仅依赖于物理运动意图识别,而是转向多模态的认知-运动反馈系统。通过采用沉浸式场景构建、实时反馈优化和数字-物理状态映射等技术,最近的研究建立了一个新颖的集成认知-物理评估框架。
在沉浸式场景设计和神经可塑性刺激方面,Su等人[163]将VR与运动想象脑机接口(BCIs)结合用于下肢外骨骼康复。这种组合建立了一个闭环认知-运动反馈路径,显著提高了患者的积极参与并改善了神经恢复效果。为了优化实时交互反馈,Pinto-Fernandez等人[164]将AR引入辅助行走中。通过在物理环境上叠加数字提示,这种方法提供了实时视觉指导,使用户能够动态调整和优化他们的步态模式。类似地,Jeremy等人[165]将混合现实(MR)与传统的体重支撑康复相结合,证明沉浸式、任务驱动的交互可以显著提高中风患者的下肢功能恢复。Wang等人[166]在负载虚拟康复中探索了心理调节和高精度状态映射,研究了重量感知和控制体验。他们证明,应用偏置重量反馈结合运动调节可以有效改变用户对重量的主观感知,增加了HRI的心理和感官维度。此外,Lee等人[167]引入了数字孪生技术,结合触觉传感器实现了物理机械交互到虚拟空间的精确实时映射。这种集成为沉浸式安全监控和交互力评估提供了前所未有的精度。
最终,这些新兴的交互模式不仅仅缓解了与重复步态训练相关的心理疲劳。它们引入了新的定量指标,如虚拟任务完成率、认知-运动响应时间和数字孪生同步误差。通过将传统的HRI评估框架从纯粹的物理范围扩展到全面的认知-物理维度,这些进展为外骨骼交互技术的未来发展奠定了坚实的基础。
4.3.4 人机交互安全性和生理安全性
人机交互安全性和生理安全性关注外骨骼与人类之间的交互安全性以及佩戴者的宏观生理指标保护。相关研究通过多种方法建立了全面的安全评估系统,包括机械测试、安全协议监控和生理指标跟踪[24],[134],[162]。在机械安全性方面,Wan等人[168]测量了剪切应力和耐久时间,以评估人机接触界面的机械安全性,为防止力集中问题提供了基础。Bergrmann等人[101]验证了系统在非预期交互下的安全性,并通过建立弹簧型过渡区和在关节角度限制前施加逐渐增加的反向扭矩,结合冲击实验中测量的扭矩变化幅度,评估了柔性执行器的冲击吸收能力。在不良事件和可行性监控方面,Nakajima等人[70]提出了安全监控协议,通过系统日志和临床评估记录了肌肉痛和皮肤刺激等不良反应。他们统计确定HAL相关不良事件的发生率为46.7%,所有事件均为轻微且可管理。Xu等人[80]通过不良事件记录和生理监控确认,整个实验过程中没有不良反应,心率保持稳定,设备也没有发生故障,表明安全性很高。在生理指标安全性评估方面,Hong等人[169]监测了受试者在辅助行走训练过程中的心率和血压变化,以确保心血管安全并排除不良事件的发生。Livolsi等人[78]在6分钟步行测试(6MWT)实验中结合了心率(HR)监测和Borg CR-10主观用力等级量表,同时评估了步态训练的安全性和主观用力水平。这些研究全面涵盖了从机械相互作用到生理状态的关键安全性评估方面,为外骨骼的安全应用和优化提供了坚实的支持。
4.3.5. 控制系统安全性
系统控制安全性主要关注外骨骼硬件保护和软件调节的可靠性。相关研究通过机械设计、算法优化和传感触发机制建立了全面的安全保障系统[119]、[137]。在结构硬件安全保护方面,Chiu等人[142]设计了机械安全装置,并建立了过载保护模型,通过绳索断裂测试验证了紧急负载安全中断功能的可靠性。Qian等人[148]实现了对髋关节角度安全阈值的实时监测和紧急关机机制,使得设备在不安全行为发生时能够立即切换到透明模式或关闭,从而确保用户安全。关于软件和控制逻辑安全性,Chen等人[89]通过控制算法优化和机械设计的协作,防止了辅助力的过载,并有效处理了紧急情况,并通过监测实验验证了系统的可靠性。Luo等人[72]使用压力传感器检测脚底的特定压力值,将这些值作为步态切换的触发信号,从控制逻辑的角度确保佩戴者的安全。这些方法通过硬件保护和软件调节的协同整合,为外骨骼系统的运行可靠性提供了必要的保障。
4.3.6. 设备性能或康复状态
设备性能和康复状态的评估侧重于外骨骼在现实应用中的功能性能和训练效果。量化方法包括多传感器融合、临床规模测试和任务验证[24]、[170]。在设备性能方面,Qian等人[79]基于多传感器融合数据构建了一种地形适应性辅助策略。通过户外实验,他们成功管理了八种模式转换,将过渡步态周期的相位误差减少了30.4%。此外,他们使用IMU、编码器和代谢分析仪建立了一个全面的评估框架,确认外骨骼可以在不影响自然步态模式的情况下将交互扭矩减少64.3%。Liu等人[86]通过让三名健康参与者完成45次室内障碍物行走任务,在受控环境中验证了VALOR外骨骼系统的有效性。关于康复效果,Li等人[103]采用了Fugl-Meyer下肢评估(FMA-LE)、Berg平衡量表(BBS)和定时“起身行走”测试(TUGT),全面评估了外骨骼对下肢运动功能障碍和平衡能力的改善效果。Marinou等人[127]使用肌电图(EMG)监测上肢肌肉的协同激活情况,量化了参与者在熟悉外骨骼后减少拐杖支持的康复进展。这些研究从设备运行性能和康复训练效果两个方面验证了外骨骼的实际应用价值,为它们的临床转化和场景扩展提供了关键证据。
5. 讨论与未来方向
本文对当前下肢外骨骼的主要应用场景进行了分类回顾,并提出了一个多维度、多指标的评估系统。值得注意的是,尽管不同领域的目标不同,但评估指标的应用在康复、工业辅助和人类性能增强方面大体上是一致的。核心逻辑基于通过三个主要指标进行综合性能评估:人类、机器和人机交互。在“人类”层面,研究不再局限于展示单一的生理效益,如降低代谢成本或减少肌肉活动;而是整合了步态运动学分析、功能性临床量表和传统生物力学指标,以建立生理负荷、运动功能和康复结果之间的关联。在“机器”层面,评估重点从基本的自由度和精度扩展到智能能力,包括模型算法中意图识别的准确性和自适应控制的稳健性。技术效果应通过“人机交互”进行验证,建立一系列评估维度,包括几何兼容性、主观舒适性和交互安全性,这表明以用户为中心的设计理念已成为衡量外骨骼实际价值的最终标准。然而,仍有几个重要指标研究不足,需要进一步改进。首先,当前的评估框架主要依赖于单次会话或短期测试,长期安全性指标尚未得到充分关注。最近的研究表明,人类对外骨骼的生物力学适应存在显著的日间变化,需要纵向跟踪来准确评估持续的物理效应[171]。如果没有多日或长期监测,诸如人机界面微气候恶化、皮肤磨损和不适等微妙累积风险往往被忽视[172]。此外,长期暴露于改变的步态运动学可能会导致关节磨损或肌肉萎缩。因此,迫切需要建立标准化的长期随机临床试验,将安全性评估从急性机械可行性过渡到慢性生理可靠性[173]。其次,认知负荷的稳健评估仍然是一个关键瓶颈。操作外骨骼本身需要大量的注意力分配,最近的证据表明,使用这些设备可能会损害用户的注意力表现并增加心理负担,尤其是在复杂任务中的新手用户[174]、[175]。目前,认知评估主要依赖于NASA-TLX等主观问卷。未来的技术突破必须超越这些主观测量方法,采用严格的双任务范式,并整合客观神经生理指标,如脑电图θ波活动[176]。量化外骨骼使用的动态认知成本对于实现真正透明和直观的人机协作至关重要。因此,未来对下肢外骨骼的评估研究预计将朝着智能化、多样化和系统化方向发展。人工智能和机器学习技术的深度整合,特别是在运动意图识别和自适应控制中的应用,结合大数据分析进行个性化参数优化(HIL)、强化学习(RL)等方法,这些技术将被广泛用于优化控制策略。它们通过实时奖励机制动态调整辅助策略,以提高人机交互的自然性。此外,多模态数据融合将成为主流趋势,通过整合多源信息,包括肌电图(EMG)、脑电图(EEG)、惯性测量和力感应,并结合现有指标建立全面的生物力学评估框架。此外,为关键指标(特别是代谢成本和EMG评估)建立标准化实验协议和统一定义是当务之急。这种标准化将解决当前的一致性问题,并实现可靠的跨研究比较。
6. 结论
本研究重点关注下肢外骨骼机器人评估系统中关键指标的识别和澄清,提供了一个多维度、系统的评估框架。这一框架的完善代表了从单一指标验证向多模态、综合评估的深刻转变。尽管评估指标多样、难以全面覆盖且难以精确定义,但本研究提供的全面回顾促进了下肢外骨骼评估系统的发展。它增强了对外骨骼评估指标的理解,并为下肢外骨骼的进一步发展和系统评估其有效性奠定了坚实的基础。因此,该框架促进了下肢外骨骼在康复、工业和辅助环境中的应用和优化。
CRediT作者贡献声明
徐玉琴:撰写——原始草稿。
李一鹏:概念化。
张世生:验证。
谭凯杰:项目管理。
张阳:方法论。
王灿:撰写——审阅与编辑。
冷玉泉:撰写——审阅与编辑。
吴新宇:撰写——审阅与编辑。