将评估集成到外骨骼系统中：一种基于模型的方法

《Sensors》：Integrating Evaluation into Exoskeleton Systems: A Model-Based Approach

　　

可穿戴机器人系统的评估仍是一项挑战，尤其是在实验室方法不实用的真实世界环境中。现有方法依赖外部仪器，例如表面肌电图（sEMG）或动作捕捉，这些方法难以持续部署，且无法直接测量关键内部指标，如关节载荷或脊柱力。研究工作引入了一种新的外骨骼评估范式，其中生物力学评估直接嵌入设备的传感与计算架构中。研究人员提出了ExoMetrix系统，一个将机载传感、实时数据采集、云端处理及面向用户的分析集成到统一工作流中的平台，用于持续评估人-外骨骼交互。来自设备的传感器数据通过基于物理的模型进行流式传输和处理，其输出被转化为内部生物力学量的估计值，包括关节扭矩、脊柱压缩力和剪切力以及肌肉载荷。通过在不依赖外部仪器的情况下实现实时反馈和纵向监测，该方法将评估从外部的、偶发的过程转变为嵌入式的、持续的能力，从而支持外骨骼技术更安全、更可扩展的部署。

**论文解读：将评估嵌入外骨骼系统——基于模型的ExoMetrix框架**

**研究背景与问题**

可穿戴机器人（如外骨骼）通过物理接触力改变人体动力学，但其现场评估面临根本性挑战。传统“金标准”评估依赖表面肌电图（sEMG）、间接测热法和光学动作捕捉（MoCap），这些方法在实验室环境中有效，但存在以下缺陷：表面传感器对噪声和运动伪影敏感，无法持续部署；sEMG仅测量肌肉响应而不能直接量化关节载荷或脊柱力——这些是生物力学应力和损伤风险的关键指标。此外，实验室设备（如代谢仪、动作捕捉系统）难以在动态、嘈杂的工业现场（如仓库、制造线、建筑工地）规模化使用。现有评估手段无法支持对成百上千台外骨骼进行实时、持续的性能监测，这阻碍了安全、可扩展的部署。为此，本研究提出一种新范式：将生物力学评估直接嵌入外骨骼的传感与计算架构中，通过机载传感器（编码器、惯性测量单元（IMU）、扭矩传感器、电流传感器）结合基于物理的模型，实时估计关节扭矩、脊柱压缩/剪切力及肌肉载荷，从而摆脱对外部实验室仪器的依赖。研究人员开发了ExoMetrix原型平台，并验证其端到端功能。该工作发表在《Sensors》上，标志着外骨骼评估从外部偶发过程向嵌入式持续能力的转变。

**主要关键技术方法**

(1) **嵌入式传感与实时数据链**：外骨骼内置IMU和电机编码器捕获运动学数据（躯干角度θ_b、角速度），扭矩/电流传感器捕获作动数据（助力扭矩τ_exo）。数据通过蓝牙低能耗（BLE）传输至佩戴者手机，再经Wi-Fi上传至云端Amazon Timestream流服务器。

(2) **基于牛顿-欧拉力学的生物力学模型**：对L5/S1关节进行自由体受力分析，建立肌肉力（F_m）、脊柱压缩力（F_c）和剪切力（F_s）的解析方程（式1-5），输入为运动学、作动参数及人体参数（身高、体重估算整体质心距离d_COM、肌肉力臂d_m等）。

(3) **云端-后端-前端三层架构**：云端服务器负责数据摄入与存储；后端服务器通过API读取数据，应用方程计算生物力学指标；前端服务器提供交互式仪表盘，展示峰值脊柱压缩力、风险时间等可视化结果。

**研究结果**

**4.1 实验外骨骼描述**
使用SuitX电动力外骨骼进行验证。该设备佩戴于躯干和大腿，在胸部、大腿和臀部施加外力，通过电机对腰椎产生反向扭矩，减轻腰部肌肉负担。电子盒内集成微计算机和BLE模块。

**4.2 用户关键几何点**
定义L5/S1为点O（腰骶关节），髋臼点F（股骨与骨盆连接点）。假设上体质心（含躯干、头、臂、外骨骼部分重量及负载）靠近脊柱，简化分析。

**4.3 外骨骼用户受力分析**
通过牛顿定律推导出肌肉力、脊柱压缩力和剪切力方程。结果表明，外骨骼助力扭矩τ_exo线性降低肌肉力（F_m）、压缩力（F_c）和剪切力（F_s），减少量均与τ_exo成正比。该模型与Di Natali et al. (2020) 及Madinei & Nussbaum (2020) 的文献结构一致，且IMU获取的躯干运动学输入已由Brouwer et al. 和 Nail-Ulloa et al. 验证适用于L5/S1力估计。

**4.4 利用ExoMetrix框架显示生物力学指标**
后端服务器根据输入的运动学（θ_b、dθ_b/dt）和作动数据（τ_exo），分别计算有/无外骨骼助力时的肌肉力、压缩力和剪切力（将τ_exo设为零），结果返回前端绘图。

**4.5 示例仪表盘**
仪表盘展示生产力（总弯曲次数、平均/最大弯曲速率）、峰值脊柱压缩力随时间变化（紫色曲线为有支援，绿色为无支援，红色虚线标示NIOSH行动限3400 N），以及风险时间（脊柱压缩力超过3400 N的累积时长）。结果显示外骨骼显著降低峰值和风险暴露。

**4.6 ExoMetrix的应用**
外骨骼佩戴者可实时查看自身生物力学数据；工厂管理者可获取团队风险趋势报告；临床医生获得纵向健康评估证据；工程师获取产品性能数据。系统支持设施级工效学评估，并可整合AI层识别高风险时段（如仓库旺季）。未来还可通过相机姿态估计扩展至未穿戴外骨骼的工人监测。

**讨论与结论**
**局限性部分**指出：模型假设（单等效背肌、平面矢状运动、质心贴近脊柱）符合文献且足以提供可解释的实时反馈，但非高保真仿真；实验验证仅确认端到端功能性，需与OpenSim模拟或实验数据集对比；传感器噪声可通过滤波（低通/卡尔曼）处理；参数不确定性需系统辨识改进；延迟对回顾性分析不关键；可扩展性可通过降低采集频率（如数Hz）解决；数据安全与伦理使用需强调。

**结论翻译**：
本研究提出ExoMetrix系统作为人-外骨骼交互实时基于模型评估的原型框架。通过集成传感、云端数据基础设施和后端计算，ExoMetrix展示了如何将机载设备信号转化为有意义的生物力学指标，包括脊柱压缩力、脊柱剪切力和背部肌肉力。通过提供可扩展、现场可部署的解决方案，直接量化内部载荷条件，它弥补了传统实验室评估方法（如表面肌电图）的局限。该框架有潜力支持设备个性化、长期监测及未来合规性评估工作流。实时生物力学仪表盘可能成为未来可穿戴辅助技术的重要特征。安全且标准化的评估框架对于更广泛的工业应用至关重要。