自适应助力外骨骼：感知与生物力学的双重突破，开启工业助力新时代

《Scientific Reports》：The perceptual and biomechanical effects of scaling back exosuit assistance to changing task demands

为解决背部外骨骼在预防职业性背部损伤时可能干扰运动导致被弃用的问题，研究人员开展 “缩放外骨骼助力以适应任务需求的感知和生物力学效应” 研究。结果表明 WDA - ADPT 控制器感知评分最高且降低了肌肉活动，该研究为外骨骼发展提供方向。

　　在现代工业生产中，繁重的体力劳动常常给工人的身体带来巨大负担，尤其是腰部，职业性下背痛（LBI）成为一个常见且棘手的问题。为了减轻工人的腰部压力，背部外骨骼（Back exos）应运而生，它就像是给腰部穿上了一层 “智能铠甲”，理论上能有效降低腰部受伤风险。然而，现实中这层 “铠甲” 却存在不少问题。一些外骨骼在提供助力时，不仅没有让工人感觉轻松，反而干扰了正常运动，就像在走路时突然被一股莫名的力量拉扯，这让工人们对其好感度直线下降，甚至可能直接弃用。

为了解决这些问题，来自哈佛大学约翰?A?保尔森工程与应用科学学院等机构的研究人员展开了一项意义重大的研究。他们致力于探究不同适应性的控制器对背部外骨骼性能的影响，旨在找到既能提供有效助力，又能让使用者感觉舒适的最佳方案。这项研究成果发表在《Scientific Reports》上，为外骨骼领域的发展带来了新的曙光。

研究人员主要采用了以下几种关键技术方法：首先是利用机器学习开发了 WDA - ADPT 控制器，通过胸部摄像头收集图像数据，识别物体重量、使用者的动作状态；其次运用肌电图（EMG）技术，监测背部伸肌和腹部肌肉的活动情况；还使用了运动捕捉系统，精确记录参与者在实验过程中的动作变化。此外，通过设置不同的实验条件和问卷，收集参与者的感知反馈。

研究结果主要体现在以下几个方面：

1. WDA - ADPT 控制器的特性：WDA - ADPT 控制器能根据物体重量和运动方向调整助力。在实验中，它通过机器学习模型快速（15ms）且准确（99% 准确率）地识别物体重量和使用者的握持状态。在搬运不同重量箱子的实验里，它能针对 2kg、8kg、14kg 的箱子施加不同的助力，并且在加权伸展阶段，与其他控制器相比，它施加的峰值力相似，但在其他阶段差异较大。例如在加权屈曲阶段，它施加的中位力比 DA - ADPT 高 49.2% 。
2. 控制器对参与者感知的影响：研究人员通过问卷收集参与者对不同控制器的感知评价。结果显示，WDA - ADPT 控制器得分最高（88%），DA - ADPT 次之（76%），A - ADPT 最低（55%）。具体来看，在积极属性方面，WDA - ADPT 和 DA - ADPT 得分高于 A - ADPT；在负面属性频率上，WDA - ADPT 最少，A - ADPT 最多。而且，控制器的适用性感知与物体重量有关，DA - ADPT 和 A - ADPT 在处理轻重量物体时，负面感知更多。
3. 控制器对 EMG 和生物力学指标的影响：对比 SLACK 条件，WDA - ADPT、DA - ADPT、A - ADPT 都能降低背部伸肌 EMG 峰值，分别降低 10.1%、8.5%、17.3% 。在加权屈曲阶段，WDA - ADPT 降低中位背部伸肌活动的幅度比 DA - ADPT 更大。同时，A - ADPT 虽然最大程度降低了生物腰椎力矩峰值（11.9%），但它也限制了髋关节运动，降低了中位整体腰椎力矩。
4. 辅助实验结果：辅助实验对比了 A - ADPT 和 DA - ADPT 与真实被动弹性（PASSIVE）控制器，发现 A - ADPT 提供的中位助力比 PASSIVE 更多，这解释了为什么 A - ADPT 能更大程度降低 EMG，但也带来了更高的限制感。

研究结论和讨论部分指出，增加设备的适应性确实能提高整体感知评分。WDA - ADPT 控制器在提高感知评分的同时，还改善了生物力学性能。虽然 A - ADPT 控制器在降低背部伸肌活动方面效果显著，但因其带来的不适感，导致感知评分较低。而 DA - ADPT 控制器在感知方面有一定改进，但仍受物体重量影响。这项研究表明，根据任务需求调整外骨骼助力，能够在不增加感知负担的情况下，提供更大的助力，为未来可穿戴机器人系统的发展指明了方向，有望提高工人使用外骨骼的意愿，切实减少职业性背部损伤的发生，让工人在繁重的工作中能得到更有效的保护，推动工业生产的安全与高效发展。