踝外骨骼控制器先在虚拟人身上学会站稳:五名未参与训练的健康受试者抗后移扰动阈值提高11.8%
核心概要
平衡辅助外骨骼的控制器通常按预设力矩曲线施加助力,难以随使用者的实时反应调整,而每评估一种策略都要让受试者反复承受失衡扰动。这套方法先用约2分钟动作捕捉数据训练一个肌肉驱动的神经肌肉骨骼虚拟人,再让强化学习控制器只凭小腿与足部角速度传感器输出双侧踝助力。控制器装到实体外骨骼上后,五名数据未参与训练的健康受试者在不迈步前提下可承受的后移扰动幅度提高11.8%,峰值质心位移和速度分别下降13.5%和28.2%。
深度剖析
平衡辅助踝外骨骼的控制器现在可以在神经肌肉骨骼仿真中学会,再直接装到实体设备上使用,无需针对个人调参。此前的平衡辅助控制器多在扰动期间施加预先设定的力矩曲线,助力不随使用者的实时平衡反应变化。 此前的做法是预设力矩曲线,例如站立扰动时短暂的踝跖屈力矩脉冲,或步行扰动时基于样条的髋力矩曲线;这些方案证明了辅助力矩有益,但助力本身不适应使用者的实时反应。 在五名数据未参与训练的健康受试者身上,助力使不迈步即可承受的后移扰动幅度平均提高11.8%,对应阈值增加2.8±1.7厘米。
控制器只读取双侧小腿与足部的矢状面角速度历史,输出一个由两踝共享的归一化力矩指令,不显式检测扰动是否发生。 方法把运动模仿与强化学习串成两阶段:先训练虚拟人复现真人对后移扰动的运动学与动力学响应,再冻结该虚拟人、训练外骨骼分支。 虚拟人由单一受试者24次、每次5秒的动作捕捉试次训练,关节角跟踪均方根误差为0.6±0.2度,关节力矩跟踪误差为0.07±0.04牛米每千克。
仿真中虚拟人给出的阈值提升只有4%,低于硬件上的11.8%,且硬件上助力起始更早、峰值力矩略高。 硬件陀螺仪信号显示足部角速度上升更早,力矩输出期间小腿角速度出现短暂升高,指向传感器安装位置与柔性绑带机械耦合对控制器输入的影响。 这些差异没有妨碍控制器提供足够助力,但说明基于仿真的控制行为与性能取决于虚拟人和设备模型的保真度。
启示与展望
验证范围是五名健康成人、仅后向平移扰动、站立且双臂交叉不迈步的条件,控制器在实体双侧踝外骨骼上实时运行,未做受试者个体化调参。
虚拟人只由一名受试者、且只用达到未助力平衡阈值之前的成功试次构建,未覆盖硬件测试中的人体测量差异、恢复策略差异和接近失败的响应;冻结的人体策略能对助力作出反应但不能适应助力,设备模型也未包含绑带柔顺性与传感器耦合。个体阈值增益与踝主导的基线恢复策略正相关、与体重负相关,作者提出按体重归一化的力矩上限可直接检验这一点。
