机器人辅助中的可变动力学约束有助于提升复杂运动技能的学习

《Journal of NeuroEngineering and Rehabilitation》：Variable kinetic constraints in robotic assistance enhance learning of a complex motor skill

　　

摘要

机器人辅助技术能够提升复杂运动技能的学习效率，并为康复治疗提供帮助。然而，目前大多数主动式机器人设备都是基于运动轨迹（运动学）来提供辅助，而非驱动运动的肢体动力学特性（动力学）。据我们所知，尚无研究在单一任务中直接比较过如何结合运动学与动力学以更好地促进运动技能学习。本研究探讨了通过调整容差控制型机器人设备中的扭矩误差范围，参与者能否掌握涉及右臂的复杂扭矩-运动模式。参与者在四种不同的训练条件下进行练习：恒定2 N·m、恒定12 N·m、逐渐增大的误差范围（Margin+）以及逐渐减小的误差范围（Margin?），通过改变所需扭矩的误差范围大小，为练习设置不同级别的动力学约束。第一天，所有参与者首先在没有视觉反馈的情况下完成预测试，随后进行6轮练习。在训练阶段，会应用针对不同组的特定误差范围，参与者同时能获得实时及最终阶段的扭矩输出视觉反馈。第二天，在没有视觉反馈的情况下进行后测，以评估记忆保持情况（与预测试相同）。结果表明，采用可变误差范围的组别（Margin+和Margin?）在动力学及运动学特征跟踪方面有更显著的进步，且记忆保持更为稳定，而恒定误差范围的组别（Constant 2 N·m和Constant 12 N·m）则表现较差。这些发现表明，可变误差范围的训练方式能够通过增加对任务空间的探索，同时重视任务执行中的动力学与运动学层面，从而提升学习效果。相比之下，恒定误差范围似乎只能稳定单一的运动解决方案，而可变约束则可能有助于形成更具通用性的运动控制策略，其机制可能是通过优化运动指令与其感官反馈之间的预测映射，进而更新内部模型。这些见解有助于优化机器人康复方案的设计，从而促进持久的运动功能恢复与技能重新学习。