编辑推荐：
问题 2
工业场景中工人生物力学评估多依赖问卷量表，客观性不足且缺乏多人群分析。本研究利用 Azure Kinect 采集 14 名神经典型（NT）和 7 名自闭症谱系障碍（ASD）参与者的装配任务数据，发现 ASD 人群能耗更高、适应协作任务可行，为优化人机协作 ergonomics 提供依据。
问题 5
在工业自动化飞速发展的今天，人与协作机器人（cobot）的交互场景日益普遍。然而，当前工业环境中对工人的生物力学评估主要依赖问卷调查和量表，这类方法受主观因素影响大，客观性不足。更关键的是，现有研究很少涉及多阶段的生物力学跟踪分析，且缺乏对不同人群（如自闭症谱系障碍群体）的针对性评估。自闭症谱系障碍（ASD）人群在就业中面临社交沟通障碍、感觉过载等挑战，但协作机器人的固定流程和可预测性可能为其提供合适的工作环境。不过，ASD 人群的运动协调能力普遍较弱，在人机协作中的生物力学表现及疲劳风险尚不明确。在此背景下，意大利研究人员开展了一项旨在揭示神经典型（NT）和 ASD 人群在人机协作中生物力学差异的研究，相关成果发表在《Applied Ergonomics》。
为开展研究，研究团队构建了实验室环境下的工业协作工作单元，采用微软 Azure Kinect 无标记运动捕捉技术，采集 14 名神经典型参与者（8 男 6 女，平均年龄 22.1±2.7 岁）和 7 名高功能 ASD 参与者（6 男 1 女，平均年龄 32.3±5.7 岁）在两个工作阶段（第 1 天和第 4 天）执行装配任务时的运动数据。通过三维逆运动学和动力学模型，计算肩关节扭矩（τs）、功率（Ps）、能量消耗（Es）等参数，并分析瞬时疲劳事件和中期疲劳水平。
研究结果
运动学参数比较
在跟踪时间、移动距离和平均速度方面，神经典型和 ASD 参与者在两个阶段间均无显著差异（p>0.05）。尽管 ASD 参与者移动距离有减少趋势（p=0.05），但组间比较无统计学意义，表明两者在工作单元内的活动模式基本相似。
动力学参数变化
神经典型参与者在第 2 阶段的归一化最大肩关节扭矩显著降低（从 0.099 Nm/(kg?m) 降至 0.084 Nm/(kg?m)，p=0.003），ASD 参与者虽有下降趋势但未达显著水平（p=0.22）。然而，两组的归一化最大肩关节功率均显著下降（神经典型：0.029 W/(kg?m)→0.023 W/(kg?m)，p=0.003；ASD：0.040 W/(kg?m)→0.030 W/(kg?m)，p=0.031），提示两组均通过适应过程降低了运动负荷。
疲劳相关指标
ASD 参与者的归一化平均能量消耗（0.008 J/(s?kg?m) vs. 0.006 J/(s?kg?m)，p=0.03）和平均能量百分比（27.3% vs. 21.5%，p=0.01）均显著高于神经典型人群，表明其存在更高的疲劳风险。此外，ASD 人群的瞬时疲劳事件数量虽无显著组间差异，但峰值功率更高（0.035 W/(kg?m) vs. 0.026 W/(kg?m)，p=0.022），进一步支持其运动效率较低的结论。
研究结论与讨论
本研究首次通过多阶段生物力学监测，证实了 ASD 人群在人机协作任务中的可行性。尽管 ASD 参与者表现出更高的能量消耗和疲劳倾向，但其扭矩和功率的适应性下降表明，他们能够通过熟悉任务和机器人交互流程来优化运动策略。这一发现为工业场景中推动神经多样性就业提供了关键证据，提示通过合理设计协作任务（如增加休息间隔、优化工作节奏）可有效降低 ASD 工人的疲劳风险。
研究采用的 Azure Kinect 无标记跟踪技术，具有成本低、易部署的优势，适用于真实工业环境中的动态监测，弥补了传统标记式运动捕捉系统的局限性。尽管存在样本量较小、未纳入职业工人等不足，但该研究建立的多阶段生物力学评估框架，为后续扩大样本量、探索个性化工效学方案奠定了基础。随着工业 5.0 “以人为本” 理念的推进，此类研究对于促进包容性工业环境、预防职业性肌肉骨骼疾病（WRMSD）具有重要意义。
