外骨骼机器人通过模拟学习提升性能

　　新一期《自然》发表的生物医学工程研究成果，报告了一种加速外骨骼机器人控制系统开发的模拟框架，其有助于推动外骨骼装置在现实世界的广泛应用。

　　外骨骼机器人能显著提升人类运动，恢复残疾人士的运动能力。不过，当前的控制器在匹配不同个体需求和复杂的人体运动时仍面临挑战。它们通常需要开展大量的人体测试，依赖手工制作的规则，这限制了它们的广泛应用。之前的模拟研究并不包含控制器设计，也未考虑人类与机器人的交互，这给从模拟过渡到现实世界应用带来一些难题。

　　为克服这些困难，北卡罗来纳州立大学苏浩团队开发了一个能从人类与装置交互中学习的框架。该框架不需要漫长的人体实验和人力资源，其能在模拟中生成人体运动、肌肉协调和外骨骼控制的三个互联神经网络。他们对模型开展了数百万次模拟试验验证其能从人体移动数据中的学习能力。

　　为测试控制器在现实世界场景中的成功率，团队对一名佩戴髋关节外骨骼的使用者进行了测试。他们对使用者跑步、走路和爬楼梯时进行的监测发现，控制器让使用者的代谢率在行走时降低24.3%，跑步时降低13.1%，爬楼梯时降低15.4%，这表明整体上控制器能在不同活动中成功协助使用者。

　　团队表示，目前仍需开展进一步研究拓宽这些控制器的应用范围，从而让辅助外骨骼应用于更多的个体和任务。