论文ID
题目：Experiment-free exoskeleton assistance via learning in simulation
期刊：Nature
IF：69.504
发表时间：2024年6月12日
通讯作者单位：北卡罗来纳州立大学
DOI：https://doi.org/10.1038/s41586-024-07382-4
主要内容：
通过仿真训练机器人外骨骼的策略将用户排除在外，从而节省了可穿戴设备的用户时间和精力，并平滑了不同类型运动之间的过渡。
佩戴机器人外骨骼可以恢复运动障碍者的活动能力，或增强一个人进行日常活动的能力。人类的移动方式既复杂又多样，但这些设备通常设计为仅协助一项活动，例如步行或跑步，并且可能需要对每个佩戴者进行大量调整。作者引入一个框架，用于开发更通用和适应性更强的设备。它依赖于模拟人机交互，而不需要从使用设备的人那里收集大量数据。作者表明，这种基于模拟的方法可以有效地帮助一系列任务，并且可以适应不同的个体，为将机器人外骨骼融入日常生活铺平了道路。
旨在改善人步态的机器人设备可以佩戴在腿部的一个或多个关节上，并且通常具有嵌入式电机，可施加扭矩以弯曲或伸展关节。如果应用得当，这种辅助可以减少佩戴者在使用肌肉时消耗的能量。设备与关节同步移动，使腿部肌肉放松并允许设备承担其工作量。但是，为了使设备提供最佳辅助并为佩戴者节省最大能量，它必须在正确的时间提供适量的辅助扭矩。如果不这样做，用户会抵制设备提供的帮助，增加他们的肌肉活动并使运动更加困难。
因此，为这些设备开发精确和自适应的控制仍然是外骨骼研究的一个关键挑战。它涉及制定控制定律，控制定律是引导设备沿着轨迹从一种状态到另一种状态的指令集。下肢外骨骼的控制器通常遵循预定义的扭矩辅助曲线，它规定了在单个步骤中施加的扭矩。这些配置文件是手动调整的，有时在设备使用时进行调整。这个过程可能很麻烦和主观，往往会导致援助情况欠佳。
解决此问题的一种方法涉及一种称为人机交互优化的策略。在这种方法中，佩戴者的生理措施用于迭代和系统地调整控制律以达到给定的目标，例如降低用户的能耗。类似的数据驱动方法当佩戴者在外面走动时，可以通过将运动学测量与能量消耗联系起来来训练外骨骼。这些方法可以带来个性化和高效的辅助扭矩曲线，但需要大量的用户培训，这限制了它们的实用性。
另一个问题是，辅助设备控制器通常设计用于帮助完成一项特定任务，这意味着每个任务都需要单独的控制器。可以在单个设备中实现多个控制器，但这可能会在辅助扭矩配置文件之间产生突然的转换，从而给用户带来不适。此外，一旦定义，控制定律通常在很大程度上是固定的，这限制了控制器适应佩戴者与设备交互方式或其生物力学变化的能力。
作者通过模拟肌肉骨骼人体模型与基于物理的外骨骼模型相结合来解决这些问题。具体来说，作者使用了三个相互连接的神经网络来生成人体运动、肌肉协调和外骨骼控制。这些网络从运动轨迹数据中学习，这些数据是通过涉及人类行走、跑步和爬楼梯的实验收集的。实施强化学习，一种机器学习，可以在与环境交互的基础上改进其决策。使用他们的人体外骨骼模型对所需运动进行了数百万次模拟。经过大约8个小时的模拟，他们能够通过操纵外骨骼和确定最有效的控制器来减少模型中的肌肉激活和能量消耗。
一旦控制器在模拟中接受了训练，作者就证明了它可以在定制设计的髋关节外骨骼中实现（图1）。通过使用从佩戴者身上的传感器收集的基本运动学测量值，特别是他们大腿的角度和角速度，训练有素的控制器能够产生辅助扭矩和步行、跑步和爬楼梯之间的无缝过渡。该设备提供的帮助也大大减少了佩戴者在所有这三项活动中消耗的能量。
需要注意的是，这里研究的三个步态任务本质上是周期性的，由重复的、相似的运动组成，这有助于识别有效的外骨骼控制器。然而，基于模拟的方法在应对日常生活中经常发生的更离散的运动（例如跨过水坑或改变方向）时的表现还有待观察。
此外，作者还专注于开发一种用于减少能源消耗的控制器。但许多人，如老年人或有运动障碍的人，在产生运动时可能不会优先考虑能量成本，而是可能更喜欢提供其他好处的帮助，例如改善平衡、更快的步行速度或步态对称。未来的研究可以探索作者的模拟学习框架如何帮助产生产生这些结果的外骨骼行为。
Luo及其同事提出的策略通过消除人体实验的需要并将训练过程转变为模拟，简化了机器人外骨骼控制器的开发。通过这种方法开发的控制器具有适应性，依赖于最少的用户输入，并且不需要针对特定活动进行单独调整。进一步的工作将扩大这些控制器的适用性，并将辅助外骨骼带到更广泛的个人和任务中，踏上Luo及其同事为自然和交互式可穿戴辅助设备铺平的道路。
原文链接：https://www.nature.com/articles/s41586-024-07382-4
2024年的国自然立项即将发榜了！如果没有中标，那应该如何应对？请大家来扫码参加医药加李教授的直播课《从我的NSFC情缘谈NSFC中标面面观》，为2025年的国自然申请提供有益的参考与指导。
本次直播课我们全程录像，如需要回看录像的，请扫码下方二维码咨询金老师
35份人工智能，深度学习，机器学习相关的国自然结题报告打包下载，可以扫码直接支付获得或邀约解锁获得，直播课可以免费预约！
如需要打包购买下载，请扫码咨询。
