通过空间轨迹适应优化人机外骨骼的物理交互

《IEEE Transactions on Robotics》：Optimizing Human-Exoskeleton Physical Interaction Through Spatial Trajectory Adaptation

自适应控制方法通过实时更新关节参考轨迹，结合步态阶段和交互扭矩估算，显著降低外骨骼髋膝扭矩51.2%-63.9%，减少股二头肌和股直肌用力，提升步频和速度10.7%-7.6%。研究验证了无需用户参数即可实现稳定、速度自适应的外骨骼控制效果。

　　

摘要：

本研究提出了一种自适应控制方法，通过在线调整所需的关节轨迹来实现人机外骨骼交互，并通过实验进行了验证。该方法利用步态阶段和人机外骨骼交互力矩的估计器，能够根据不同的行走模式和速度无缝调整辅助力度。具体而言，一个预训练的神经网络可以模拟外骨骼的动态特性，从而仅通过运动学测量数据和指令电机扭矩来实时估计交互力矩。这些估计值用于驱动关节参考轨迹的梯度下降更新，最小化一个同时惩罚交互力矩和轨迹变化的成本函数，确保在没有用户特定参数调整的情况下实现有界收敛和稳定性。我们在地面行走和跑步机上行走的情况下，将我们的自适应控制器与基于固定轨迹和步态阶段的控制器进行了比较，行走速度范围为0.4至0.8米/秒。在16名参与者中，自适应控制器在地面行走时显著降低了髋关节和膝关节的交互力矩，分别降低了51.2%±11.1%和63.9%±29.7%。股二头肌（21.0%±34.5%）和股直肌（28.1%±34.6%）的肌肉用力显著减少，而其他肌肉的用力则没有变化。步频和行走速度分别提高了7.6%±5.2%和10.7%±8.3%，表明由于轨迹的适应性调整，参与者能够以更少的努力更快地行走。调整后的轨迹更接近于不使用外骨骼时的行走轨迹，且外骨骼产生的力矩与人体生物力矩更加吻合。我们提出的自适应控制器仅需要外骨骼的运动学数据，即使在不同的跑步机速度下也能保持性能，显示出与非自适应控制器相比的速度不变性。