下肢康复外骨骼的步态交互设计

本期阅读

文章信息

下肢康复外骨骼的步态交互设计研究进展

高一聪, 王彦坤, 郑浩, 魏喆, 谭建荣

10.3901/JME.2023.17.175

引用本文：

高一聪, 王彦坤, 郑浩, 魏喆, 谭建荣. 下肢康复外骨骼的步态交互设计研究进展[J]. 机械工程学报, 2023, 59(17): 175-188.

GAO Yicong, WANG Yankun, ZHENG Hao, WEI Zhe, TAN Jianrong. Gait Interaction Design of Lower Limb Rehabilitation Exoskeletons: A Review[J]. Journal of Mechanical Engineering, 2023, 59(17): 175-188.

原文阅读（摘要）

摘要：中国正向深度老龄化社会高速迈进，脑卒中等老年性疾病人群逐年增多，开展面向助老适老的智能产品研究具有广阔的应用前景与重要的学术价值。下肢康复外骨骼是一种与穿戴者肢体交互并为其提供相应运动辅助和训练的人机交互共融智能产品。利用下肢康复外骨骼进行科学有效的康复运动训练，患者的肌力得以增强，脑神经和患肢之间的传递通路得以重建。根据穿戴者的下肢运动功能缺失或减弱程度生成并调整步态以进行安全有效的康复训练，是目前下肢康复外骨骼的研究前沿与热点。针对下肢运动功能障碍导致的行走方式差异化和康复步态规划个性化问题，结合国内外下肢康复外骨骼步态交互设计的研究进展，围绕下肢康复外骨骼步态性能评价标准、步态生成方法、步态控制策略和典型康复应用进行了重点分析探讨。最后总结并对下肢康复外骨骼的步态交互设计未来发展方向进行了展望，为相关研究人员提供参考。

关键词：交互设计；康复步态设计；下肢康复外骨骼；智能产品

中图分类号：TP391

前言

行走功能是人体基本运动、独立生活的重要标志。脑卒中、脊髓损伤等导致患者不同程度的下肢功能障碍，甚至偏瘫或全瘫、丧失行走功能。下肢康复外骨骼通过对患者进行安全有效的康复训练，刺激、重建肢体运动的神经系统，促进神经功能重塑，改善并恢复肢体运动功能，是一种新型临床干预智能产品。由于患者的腿部肢体结构参数不同，运动功能损伤程度也存在个体化差异，很难使用固定模式来描述其行走过程，因此步态的设计是下肢康复外骨骼的关键技术之一。在下肢康复外骨骼带动穿戴者进行运动形式和行走姿态的康复训练过程中，通过获取下肢外骨骼的各关节关于时间的变化规律，设计合理、可靠、自适应穿戴者行走特点和运动意图的步态轨迹，是实现定量、有效、可重复的康复训练的基础。步态的设计直接影响康复训练的治疗效果，对改善下肢行走障碍患者的步行能力、提高患者的康复效率以及肢体恢复程度具有重要作用。

面向下肢康复外骨骼的人机高度耦合特性，下肢康复外骨骼的步态设计研究具有多学科交叉的特点，主要包括步态生成和步态控制两个方面：步态生成主要研究如何结合不同下肢运动功能缺失状态下的下肢生物力学模型及运动规律设计个性化的步速、步长等康复步态参数，促使人体穿戴下肢康复外骨骼的行走步态更加接近各个关节的真实运动学特性和动力学特性，更快适应康复训练；步态控制主要研究根据采集的运动反馈信号以及多源运动数据序列对运动意图进行学习和预测，并根据预测结果生成操作指令送至控制系统输入，同时实时调整控制系统参数，实现主动助力控制，使下肢康复外骨骼配合穿戴者完成自适应主动康复训练。

本文针对国内外下肢康复外骨骼步态交互设计的研究现状进行梳理，对下肢康复外骨骼步态性能评价、步态生成方法、步态控制策略和典型康复应用进行了分析与总结，最后给出了下肢康复外骨骼步态交互设计的研究展望。

下肢康复外骨骼的步态交互设计

下肢功能障碍患者的下肢肌肉力量不足，下肢运动功能弱于正常人，因此，下肢康复外骨骼的步态不同于拟人双足机器人和工业助力外骨骼的步态，需要满足患者本身固有步态与不同康复阶段的步态训练需求以及步行步态的安全性，并且实时与患者身体状态交互调整步态以防止危险姿态的出现。下肢康复外骨骼的步态交互设计可以划分为三个层次：步态生成、步态评价和步态控制，如图1所示。

步态生成是下肢康复外骨骼步态交互设计的关键部分，通过采集关节执行器状态信息和系统状态信息，设计步态的模式、参数和位姿等，并转换为相应下肢康复外骨骼末端位置和关节转动的轨迹。

步态评价是下肢康复外骨骼步态交互设计的核心区域，负责融合传感器信号，在识别穿戴者和下肢康复外骨骼状态的基础上，对生成的步态进行步态性能、安全性、平衡性评价，并向步态控制层发送动作指令。

步态控制是下肢康复外骨骼步态交互设计的动作输出和运动实现部分，负责将步态评价层的步态通过关节执行器输出，并将数据采集发送给步态生成层，实现步态交互设计。

下肢康复外骨骼的步态性能评价

下肢功能障碍患者通过穿戴下肢康复外骨骼以一定的步态进行康复训练，提供正确的协调感、平衡感的运动刺激，促进神经功能重塑。由于穿戴者下肢运动功能弱于正常人，步行速度比正常人要慢、步长也相对短，以步行频率、抬腿高度行走步态规律作为步态评价，容易导致患者自身的损伤加剧，不能实现康复训练目的。因此，如何客观、准确、全面地评价步态，是下肢康复外骨骼步态交互设计的基础，国内外学者进行了广泛研究。

2.1 步态性能的客观评价

下肢康复外骨骼与穿戴者肢体交互并为其提供相应的运动辅助，具有类似人体下肢运动的运动形式，客观评价主要以人体下肢运动为主要研究对象，采用关节角度、步态周期、质心位移、肌肉产生的内力矩及肌肉功率等运动学、动力学参数定量表征人体运动的特征，评价对肢体功能的辅助和加强性能。RIENER等通过Lokomat外骨骼系统分析了下肢肌肉力量不足情况下的行走步态特点，建立了步频、关节角度、膝关节、髋关节的力量等参数的步态评价指标。KIM等通过Walkbot外骨骼系统分析了下肢运动功能障碍患者的行走生理参数，建立了关节活动度、力量、僵硬度等参数的步态评价指标。杨玉珊等采用C-mill平台分析了人体下肢运动的各种动作，建立了步长、步宽、步频、时相对称性等参数的步态评价指标。

在人体下肢运动动作评价指标基础上，为避免康复训练过程中跌倒造成二次伤害，康复步态的安全性与稳定性作为重要的步态评价指标，常用的稳定性评价指标包括零力矩点(Zero moment point，ZMP)、质心(Centre of mass，CoM)、外推质心(Extrapolated center of mass，XCoM)和李雅普诺夫准则等。ZEILIG 使用跌倒、皮肤状况、脊柱和关节状况、血压、脉搏和心电图(Electrocardiography，ECG)等作为安全性评估指标。CHINIMILI 考虑了步态的全局稳定性、局部稳定性和可变性，选取最大弗洛凯乘数(maximum Floquet multiplier，max FM)、散度指数(Divergence exponents，DE)和中值绝对偏差(Median absolute deviation，MAD)作为稳定性评价指标。

用于采集客观评价指标的传感器根据安装位置可分为安装在外骨骼上和固定在人体上两大类。安装在外骨骼上的传感器负责采集运动相关的机械信号，常用的传感器包括霍尔传感器、测量外骨骼关节角度的编码器，获取关节角速度和角加速度的陀螺仪，辨识步态周期的红外线传感器，以及识别地形的摄像头等。固定在人体上的传感器具有感知人体运动、识别用户意图的功能，包括肌电传感器(Electromyography，EMG)、脑电传感器(Electroencephalograph，EEG)、检测肌肉收缩状态的超声传感器和测量人体与外骨骼间交互力大小，识别步态周期以及计算质心位置的力传感器等。

2.2 步态性能的主观评价

下肢功能障碍患者的步态与正常人步态有较大差异，除了以步态时空参数、关节角度参数、对称性、平衡性等客观评价指标度量，还需要考虑康复步态与患者本身固有步态的相容性等主观评价。

早期的步态主观评价主要采用问卷形式，评价指标包括舒适度、精神需求、体力需求、时间需求、表现、努力、挫败感等因素。DEL-AMA等设计了直观模拟量表(Visual analog scale，VAS)问卷来对用户的满意与疲劳程度进行主观评价。PLATZ等设计了10个关于下肢康复外骨骼步态体验的问题作为主观评价标准，穿戴者通过李克特量表列出最能代表他们感觉的数字来提供主观意见。PORITZ等通过李克特量表和结构化项目组成的问卷调查不同用户对步态的偏好程度，选取辅助效果、满意度、改进空间作为主要的评价标准。KOUMPOUROS 分析了对康复机器人评估方法，设计了基于系统可用性量表(System usability scale，SUS)的人机交互评估框架，提出了包括性能预期，努力预期，情感，安全感等12项主观评价指标。PINTO-FERNANDEZ等设计了康复目标指标，运动学/动力学指标，人机交互指标三大类下肢康复外骨骼步态性能评价指标。程鑫设计了面向熟练度模型的下肢外骨骼机器人的步态评估指标体系。李佳璐分析了步态操作便易性、运动匹配性、受力均匀性，运用层次分析法对下肢康复外骨骼的步态舒适性评价指标进行权重计算分析，建立了舒适性模糊评价指标体系。

2.3 步态的康复评价标准

研究机构结合相关研究成果制定了康复步态评价标准化流程和临床评价指标，其中，美国国家残疾和康复研究所(National Institute on Disability and Rehabilitation Research，NIDRR)将脊髓损伤步行指数II (Walking index for spinal cord injury II，WISCI II)、50英尺步行测试(50-foot walk test，50FTWT)、6分钟步行测试(6-minute walk test，6MWT)、10米步行测试(10-meter walk test，10MWT)和功能独立测量-运动(Functional independence measure- locomotor，FIM-L)作为康复步态的主要观察指标。在此基础上，相关学者建立了步态功能性评估指标，从动态步行、步行功能分级、运动指数、功能性步行能力等方面对步态的步行功能性水平进行评价，如Holden步行功能分级量表、 Rivermead运动指数量表、功能性步行能力量表(Functional ambulation category scale，FAC)；以及从步态观察性评估指标如步态对称性分析、平衡功能分析等方面对步态进行观察定性分析，如Tinetti Gait Analysis量表、步态观察分析表(Rancho los amigos，RLA) 、Wisconsin 步态量表、Fugl-Meyer 平衡功能量表等。

总体而言，步态性能的客观评价指标具有明确的物理意义、数据容易采集，如何降低生物信号信噪比、提高稳定性，结合步态性能的主观评价构建紧密的人机交互评价环路，探究主观评价与具体的步态参数之间的关联关系，仍需进一步进行研究。同时在现有康复步态评价标准化流程和临床评价指标基础上，完善评价指标体系，反映用户参与程度和积极性，实现客观、准确、全面的步态性能评价，有助于设计满足康复个性化需求的步态。

下肢康复外骨骼的步态生成方法

步行是人体在空间的复杂运动过程，牵动人体大部分运动结构。步态是下肢康复外骨骼在辅助穿戴者步行时，穿戴者及下肢外骨骼末端及各关节在时间与空间上的对应关系，通过相应末端位置或关节转动的轨迹来定义。单个步行周期从脚跟着地开始，身体前移，到同一只脚再次接触地面为止姿态变化规律，如图2a。而下肢功能障碍患者在步行运动时下肢远端的足部会出现一定程度的下垂拖地现象，为防止足部拖地滞后产生跌倒现象，需要加大髋关节和膝关节的摆动幅度以便提升抬腿高度，使足部能够在髋膝的带动下抬得更高，顺利完成迈步。同时，在支撑相时需要更长的时间来调整支撑姿态以防止危险姿态的出现，在确保支撑稳固的情况下再进入摆动迈步阶段。患者步行姿态是根据自身下肢运动能力而进行的自我调整和适应的结果，较之正常步态，其支撑相占比达到80%以上，摆动相占比不到20%，姿态变化规律如图2b和c所示。因此，步态要根据穿戴者及下肢康复外骨骼具体结构，设计科学合理的下肢外骨骼末端及关节时空动作顺序，以保证助行功能的有效完成以及步行稳定性与安全性。

3.1 基于模型的步态生成方法

基于模型的步态生成方法通过采集正常人体行走的运动数据或下肢康复外骨骼逆运动学解算离线建立步态模型，降低步态设计的复杂度。

NEUHAU等采集人体行走时的运动数据，并对该数据进行分析、修整，拟合主要关节角度随时间的变化模型，转换为结构参数类似的机器人的可行走光滑步态。SHARMA等采集人体原始步态数据，提出了基于蜻蜓算法的步态模型生成方法。SANZ-MERODIO等通过健康人的临床步态分析(Clinical gait analyses，CGA)获得初步步态，提出了基于离线参数优化和遗传算法的低消耗步态生成方法。王晓峰等通过无线惯性传感采集人体步态，并在原始步态数据中提取参考步态，使用三阶样条曲线拟合步态轨迹。HARIB等通过虚约束进行运动学建模，将摩擦锥、零力矩约束、压力中心位置、质心高度位置、扭矩限制、关节位置和速度限制作为物理约束，结合离线轨迹优化和机器学习的方法生成单个周期的步态轨迹。YUAN 等提出了一种基于动态运动基元(Dynamic motion primitives，DMP)的步态生成方法，在线性倒立摆模型生成的参考轨迹基础上，利用DMP对关节轨迹进行建模，采用强化学习生成给定行走任务的步态轨迹。法国Wandercraft公司采用局部混合零动态(Partial hybrid zero dynamics，PHZD)方法设计了不需要外支撑的康复步态，如图3所示。RONSSE等将自适应频率振荡器学习机制应用到下肢外骨骼步态生成中，在步行或循环康复训练中捕获与周期性运动相关的相位、频率、振幅、偏移步态信号特征，建立步态生成模型。SHARIFI等通过定义中枢模式发生器(Central pattern generators，CPG)为下肢外骨骼提出了一种新的适应性步态轨迹整形方法，提高康复训练安全性和步态的舒适度，如图4所示。

3.2 自适应的步态生成方法

自适应的步态生成方法通过感知穿戴者辅助行走的交互力、肌电信号，准确估计出穿戴者的运动意图，自适应地生成下一步的步态参数。HWANG等考虑拐杖支撑位置和患者的姿势，预测下一步落脚点位置并将其设置为控制目标，使用DMP和机器学习生成新的髋关节和膝关节轨迹。LEE等通过深度学习预测地面坡度，从而对外骨骼进行主动调节。LIU等通过摄像头感知地形来辅助外骨骼进行步态规划。在此基础上，LIU等提出了一种生成下肢外骨骼膝关节轨迹的深度时空模型，采用具有长短期记忆单元的递归神经网络，根据佩戴者的其他关节预测和纠正病理性膝关节轨迹。QIN等提出了一种关于最小二乘支持向量回归(Least squares support vector regression，LS-SVR)的预测算法来预测人类下肢运动下一时刻的步态数据。FELT等提出了基于实时人体生理参数估计的下肢外骨骼步态在线生成优化算法。WEI等采用镜像步态的模式，采集健侧腿的运动曲线，进行相应的处理和计算，实时地生成相应患侧机械腿的步态轨迹，如图5所示。程洪等采用DMPs 振荡器采集、学习人机耦合系统的交互轨迹，实现了对人机耦合系统交互的模拟和步态轨迹生成。周智雍等提出了基于核化运动基元(Kernelized movement primitive, KMP) 算法的步态自适应生成算法，在单个步态周期结束后对步态进行在线调整修正，有效解决了下肢外骨骼机器人步态轨迹在线调整与泛化适应性问题。

3.3 智能寻优的步态生成方法

随着人工智能神经网络算法和传感器信息融合技术不断发展，基于智能寻优算法的步态生成方法通过人工神经网络快速收敛寻优，对多模型参数进行求解计算，获得最优估计参数并作用于步态参数。WU等建立了个性化的步态模式生成模型，根据获取的步态数据建立不同速度下人体参数与步态模式之间的关联关系，通过具有自动相关性确定的高斯过程回归建立不同步速下身体参数和步态特征之间的映射关系生成步态，如图6所示。TUCKER 等提出了基于决斗赌博机的CoSpar 算法，根据穿戴者的主观反馈从步态库中选择满足用户偏好的步态。莫松海等采用有限状态机预先定义基本运动状态与预设的参考运动，建立基本运动状态与参考运动之间的逻辑关系与控制流程，根据状态的改变来在线调整生成最优步态。

综上所述，基于模型的步态生成方法虽然极大地简化下肢外骨骼的传感系统，但是如何准确对人体皮肤、脂肪和肌肉等组织的变形建立动力学模型，提高步态生成模型的精度成为这一方法面临的主要挑战。自适应的步态生成方法与智能寻优的步态生成方法紧密结合，由智能寻优的步态生成方法收集并分析步态数据、挖掘每个用户的偏好离线生成步态，自适应的步态生成方法辨识人体的运动意图在线调整步态，构建人机交互采集闭环，为下肢康复外骨骼步态的高效交互设计开辟了崭新的途径。

下肢康复外骨骼的步态控制策略

下肢康复外骨骼的步态通过电机、液压、气动肌肉、绳索等驱动执行机构，采用关节角度位置控制、关节扭矩力控制、步行速度控制等三种控制策略，结合前进助推力、身体减重力和骨盆扶持力的交互，提供正确的协调感、平衡感的运动刺激，促进神经功能重塑，加速康复进程。

关节角度控制策略通过控制下肢康复外骨骼关节的转动角度，减小穿戴者下肢与步态间的轨迹误差。YU等将线性PID控制与神经网络补偿器相结合，使模型不确定性的误差最小化。ZHONG等采用的多输入多输出滑模策略控制气动肌肉，使用学习控制处理具有周期性不确定性的重复控制任务。LU等提出了一种关节电机的自适应控制方法，帮助腿部在所需的周期性轨迹上运动，并处理已知周期的周期性不确定性问题。REN等设计了一种下肢外骨骼交互控制方法，将关节轨迹跟踪误差最小化到安全操作可接受的水平。JEBRI等提出了一种鲁棒的神经网络自适应积分滑模步态控制方法，对关节角度进行闭环控制，如图7所示。

关节扭矩力控制策略通过控制穿戴者与下肢康复外骨骼之间的交互力矩，自适应穿戴者的步态，实现较高的穿戴舒适度和灵活的步态轨迹。BLEEX外骨骼系统采用灵敏度放大控制策略，将外骨骼的逆动力学模型设置在控制器，穿戴者施加在外骨骼上的力设置在控制器的正反馈回路上，通过比例参数按需缩放，无需在人和外骨骼之间安装传感器，提高了穿戴者的承载能力。LEE等设计了一种基于动力学模型的力控制器，使用力传感器识别运动意图以及人与机器人之间的相互作用力。通过关节扭矩补偿保证无论负载为何，用户都能以相同的力操作机器人。TAGLIAMONTE等提出了基于自适应频率振荡器(Adaptive frequency oscillators， AFO)的扭矩控制方法，通过优化辅助弹性扭矩中的虚拟刚度值设置提高辅助水平。TAHERIFAR等提出了一种外骨骼目标阻抗的寻优方法，通过估计人体刚度并调整机器人目标刚度，采用粒子群优化寻找机器人的阻尼和惯性参数，最小化相互作用力的峰值，控制策略流程如图8所示。

步行速度控制策略通过控制步态的空间轨迹运动速度实现下肢康复外骨骼的步态控制。KARULKAR等利用脚部位置的变化来预测外骨骼用户的预期步态速度，并对外骨骼的速度进行控制。PAN等针对下肢康复外骨骼的伺服驱动器提出了一种包括电流、速度和位置的三回路控制方法，以适应不同负载的变化，为步态跟踪提供了更好的响应和稳定性。CAMPBELL等使用虚约束方法计算步行过程中的关节轨迹，并在期望轨迹附近设置死区，大小为人类行走的标准偏差的1.25倍，当实际步态超过死区范围，通过PID调节速度使步态回归正常，如图9所示。

目前，关节角度控制策略的控制系统简单、稳定性好，在康复初期中，穿戴者下肢肌肉力量较弱，采用关节角度控制策略可以引导穿戴者按照预定义轨迹进行康复运动，准确控制穿戴者的关节跟随参考轨迹。关节扭矩力控制策略通过部分力补偿，引导穿戴者进行自主参与和主动控制，有助于刺激运动神经系统和激发相关肌肉群，结合步行速度控制策略构建人机交互控制闭环，实现步态与人的协调运动。

下肢康复外骨骼的步态康复应用

目前，经过实践检验和发展，步态运动治疗是较为有效并可以在临床推广应用的下肢运动功能损伤康复治疗方法。国内外多个高校和公司研发了下肢康复外骨骼系统，辅助偏瘫患者的辅助站立、平衡训练和步行训练，如表2所示。

值得一提的，瑞士苏黎世联邦理工学院研制的Lokomat下肢康复外骨骼，对应于人体下肢的髋膝关节，同时结合跑台、减重系统等实现了辅助人体行走的仿生学步态。Lokomat下肢康复外骨骼的下肢机构增加了骨盆的侧向运动和髋关节的内收/外展运动，以实现更加接近人体行走的自然步态。美国特拉华大学研制的ALEX 下肢康复机器人也是采用较多自由度实现自然人体步态的典型下肢康复外骨骼。美国Ekso Bionics公司研发的Ekso 外骨骼系统为偏瘫患者提供固定模式的步态训练功能，使用Ekso 外骨骼系统介入治疗，有助于偏瘫患者改善画圈步态问题、恢复肌力、提高患者平衡能力和恢复步行功能。美国Parker Hannifin公司研发的外骨骼机器人Indego是高度模块化的外骨骼系统，能为偏瘫患者提供平地步行训练。还可以结合功能性电刺激(Functional electrical stimulation，FES)在外骨骼提供辅助运动的同时给予相应的肌肉刺激，有助于患者神经系统的恢复。日本筑波大学研发的外骨骼机器人HAL通过采集患者的表面肌电信号来获取运动意图，并产生适当的运动模式来辅助患者步行，通过结合EMG的运动模式对患者的运动意图和肢体运动进行协调性训练，改善步态的时空参数和提升功能性移动能力。韩国P&S Mechanics公司研发的下肢康复训练机器人Walkbot根据特定患者的身体参数，生成接近自然的步态，进行功能性步态恢复训练。并且可以调整适应痉挛或僵硬，辅助力和抗阻力、步速，髋/膝/踝关节的动力学和运动学参数。在此基础上，Walkbot通过智能化互动训练模式，各种有趣的行走功能训练道具，主动式“增强”虚拟现实等增加行走训练的趣味性，在行走过程中记录髋/膝/踝关节的运动学和动力学相关信息，训练结束后会将训练过程中产生的数据进行保存和评估。电子科技大学研发的AIDER下肢助行外骨骼帮助截瘫患者完成坐-站转换、步行、转弯、上下楼梯等日常行为动作，并建立了相关的步态评估系统。中国科学院深圳先进技术研究院研发的下肢外骨骼系统采用多模控制策略，基于患者下肢的运动信息和视觉传感器采集的环境信息实时生成步态轨迹，最终生成环境自适应的步态。西安交通大学提出了基于表面肌电信号(surface electromyography，sEMG)的肌电感知与人机交互控制方法，通过引入人机运动轨迹与理想康复目标轨迹的跟踪偏差实时学习受试者的康复程度，利用表面肌电预测人体运动意图，实现了人机交互力的自适应控制。燕山大学提出了基于sEMG和足底压力的自适应人机交互控制策略，建立了具有时变动态特性的人机系统动力学模型，并在临床康复中应用验证。

结论与展望

下肢康复外骨骼通过不同的步态训练参数、减重水平及平衡训练模式，提供正确的协调感、平衡感的运动刺激，促进神经功能重塑或代偿的发生，满足不同病因患者以及患者在不同康复阶段的训练需求。国内外研究人员已对下肢康复外骨骼的仿生结构设计、柔顺控制等开展了大量的研究工作，但下肢运动功能障碍导致的行走方式差异化和康复步态规划个性化，步态交互设计方面的研究还处于理论分析与试验阶段，面向临床康复的实际应用需要继续深入研究。

本文对下肢康复外骨骼的步态交互设计现有相关文献和研究成果进行了综述，对现阶段下肢康复外骨骼步态性能评价标准、步态生成方法、步态控制策略和典型康复应用进行了归纳分析。对步态性能客观评价标准、主观评价标准、基于模型的步态生成方法、自适应步态生成方法、智能寻优步态生成方法和关节角度位置控制策略、关节扭矩力控制策略、步行速度控制策略等进行了重点探讨。研究表明将训练-评估协同与人机共融相结合的一体化设计思路是未来下肢康复外骨骼步态交互设计的重要发展方向，在未来发展中着重解决以下问题。

(1) 下肢康复外骨骼步态的动态康复评价。步态康复训练的效果评估采用一套客观的指标体系进行描述和量化，为不同阶段康复步态的设计提供精确依据。现有方法通过量表的方式进行功能性评估，较为依赖康复从业人员的经验知识，无法对其运动康复过程中肌肉和神经系统的具体改变过程进行量化，不能针对穿戴者进行个性化定制设计的康复步态训练。因此，在训练的过程中针对穿戴者的运动状态进行动态评估和分析，从而提供更加合理、直观、量化的评估指标，为个性化的康复步态的精确设计提供数据依据。

(2) 下肢康复外骨骼步态的人机协同交互。在下肢运动康复训练中，相较于纯被动的运动康复训练，穿戴者主动参与的训练有利于促进神经功能有序重塑，从而达到更好的康复效果。在主动参与的过程中，穿戴者与康复外骨骼之间的交互和协同极其重要，通过采集人体生理信息感知穿戴者当前的运动状态与运动意图等，采用人机协同交互的方式实时生成步态，有利于提高康复训练的舒适性与患者的主动参与程度，从而使得康复效果更有效。因此，通过多模态生物信号提取的方式来分析与预测人体运动意图，并能精确地转换为最优的步态，从而实现康复训练的按需辅助。

(3) 下肢康复外骨骼的个性化步态。尽管人机协同交互、意图预测等方式推动了外骨骼产品个性化水平的发展，但是外骨骼的步态设计仍停留在群体层面，仅提供通用性的功能步态，缺少对用户偏好的认知，无法提供个性化步态。用户的行为习惯和身体特征，以及对步态的要求都存在较大的个体差异，但传统外骨骼没有充分考虑用户主观体验，无法依据用户的状态和感受实时提供符合舒适区间的步态策略。外骨骼应具有感知并预测用户偏好的能力，提供个性化、差异化的步态。

(4) 提高康复步态训练的趣味性。科学、长期、重复的康复运动训练虽然能够重建患者的神经功能，但是如何将趣味性与乏味的康复训练结合仍然值得深入探索。将增强现实技术与步态康复训练相结合，把与外骨骼控制模式相匹配的个性化步态信息与康复训练任务转化为视觉与听觉信息，增强穿戴者参与训练的专注度，通过沉浸式康复训练提高穿戴者主动参与运动训练的积极性。

作　　者：高一聪

责任编辑：赵子祎

责任校对：向映姣

审　　核：张　强

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！