【基本信息】

论文标题：Intelligent upper-limb exoskeleton integrated with soft bioelectronics and deep learning for intention-driven augmentation

发表期刊：npj Flexible Electronics

发表时间：2024年2月10日

【访问链接】

论文链接：https://www.nature.com/articles/s41528-024-00297-0

【研究背景】

老年人群体的身体机能往往会因为年龄、疾病（例如卒中）等导致肢体功能下降甚至退化，从而无法完成日常生活中的各类任务，例如拿取物品、洗漱吃饭等等。

可穿戴式上肢外骨骼机器人有助于增强老年人的肢体力量，辅助他们完成这一类日常生活中的操作任务，也是当前康复和护理机器人领域在社会老龄化趋势下的一个重要研究方向。

在这一类可穿戴式机器人的研究中，人机交互是一个重要的研究内容，及时且正确地理解穿戴者的运动意图是实现机器人运动与穿戴者匹配的重要前提。

【科学问题】

现有的研究方法中，穿戴者的运动意图获取途径较多，包括基于交互力的方法、基于脑机接口的方法、基于穿戴者肢体肌电信号分析的方法等等，优缺点各不相同。但普遍存在数据获取的精准度低、传感器安装位置困难、运动意图估计准确度差的问题，成为了当前可穿戴式机器人的一大重要研究挑战。

该论文针对穿戴者的运动意图估计和可穿戴式外骨骼机器人的控制策略研究，考虑到运动意图的直接估计和准确性，拟通过穿戴者本身的肌肉活动来分析其运动意图，最直接的办法就是采集和分析穿戴者的肌肉运动信号（例如表面肌电sEMG信号）来获得弱肌力患者的直接运动意图，并驱动机器人对穿戴者的运动过程进行实时、准确地辅助。

【核心思路】

该论文提出了一种基于穿戴者肌电信号的运动意图估计算法，引入深度学习来对运动意图进行准确预测，并生成相应的控制策略用于上肢助力外骨骼机器人的肩、肘等关节运动辅助。

整体框架如下图所示：

1. 肌电信号的获取

该论文设计了一种基于柔性生物电子材料的表面肌电信号采集传感器，可以贴合在人体上肢的表面，实时采集穿戴者的运动意图。

该传感器模块集成度高，体积较小，具有一定的形变适应能力，贴合在肢体表面时，即使肢体肌肉收缩发生形状变化，信号采集的精准度也有一定的保证，可以媲美现有的其他商业传感器。

此外，该传感器还集成了惯性导航传感器（IMU）和蓝牙通讯模块，可以实现运动姿态的获取及数据的无线传输，便于传感器的安装使用。

通过在手臂、胸前和后背的合理位置放置适当数量的该贴片式肌电传感，可以获取相应部位的肌肉活动情况，从而用于估计穿戴者的整体运动意图。

2. 运动意图的估计

由于传感器本身是模块化设计的，且依靠无线传输模块可以实现数据的在线传输。其本地硬件模块体积较小，不能处理大规模的数据计算，因此所有的数据采集模块获得的局部肌电信号都统一传输到云端，由云端的计算平台设计复杂的算法进行运动意图估计。

其中，引入了深度学习网络模型（卷积神经网络CNN+长短期记忆网络LSTM）来构建运动意图估计算法模型，在经过学习和训练以后，可以实现穿戴者运动意图的在线估计，包括肩关节和肘关节的运动意图。

3. 气动人工肌肉

该论文所使用的上肢助力外骨骼机器人平台采用了轻量化的结构设计，核心的驱动模块采用了气动驱动装置来模拟人工肌肉的运动过程，一共采用了3块这种人工肌肉模型来实现上肢外骨骼机器人的肩肘关节运动辅助。

此外，该上肢助力外骨骼机器人采用了模块化设计的方法，可以覆盖身高范围在150cm-190cm的穿戴者。

【实验结果】

论文的实验中包括了日常的取放任务、过顶支撑任务和辅助躯干运动等，对比了穿戴外骨骼机器人和不穿戴外骨骼机器人两种情况下的上肢肌肉活动情况，平均可以减少3.7倍的肌肉活动。

从图中可以发现，在穿戴外骨骼机器人的情况下，上肢的肌肉活动强度明显要低于不穿戴外骨骼机器人。因此，如果穿戴者肌力较弱，则可以借助改款外骨骼机器人的辅助实现日常生活中的操作及部分负重任务。

论文视频：