當一個人步入老年，伴隨著身體機能的下降，老年人的腿部力量會逐漸虛弱，從而出現下肢活動不暢的現象。更加嚴重的會出現偏癱的病症，即明顯的肌張力低下，下肢運動障礙的現象。針對這種情況，需要定期的對其進行康復運動治療，從而逐步恢復下肢運動機能，並最終達到能夠滿足日常生活行動的目標。
現有的較為先進的方式就是使用外骨骼機器人來輔助老人進行康復訓練，這項技術也常用於殘障人士的輔助運動設備。雖然目前外骨骼機器人已經能夠很好的模仿標準步態，但是對於不同人之間的步態差異性卻無法很好地適應，從而舒適體驗較差。
近期，來自加州理工和清華大學的Maegan Tucker等人的論文中就提出了一種利用個人偏好反饋來定製化，提升使用下肢外骨骼的舒適感，從而極大地提高了下肢外骨骼機器人的交互性。這篇論文還同時獲得了ICRA的最佳論文獎和最佳人機互動論文獎。
1. 什麼是下肢外骨骼機器人
下肢外骨骼機器人，是一款可穿戴式新型輕量機器人。它不僅能幫助殘疾人恢復行走能力，還能有望避免患者因長時間坐在輪椅上而生壓瘡，同時還可以鍛鍊肌肉強度，起到康復訓練的效果。
Atalante所研製的下肢外骨骼機器人就是本次論文中的實驗載體，它使用了12個被驅動的關節來恢復下肢運動障礙者的行動能力。它所搭載的局部混合零動態（PHZD）方法已經證明可以有效的產生穩定的步態運動，僅在美國就有大約640萬人從中受益。但是這套外骨骼並沒有相關算法來優化外骨骼使用上的舒適度，然而用戶舒適度其實應該是這類外骨骼機器人的一個關鍵優化目標。出於此，Maegan Tucker等人研究出了能夠根據用戶的個人偏好來針對性地提高設備的使用舒適度的算法。
2. 基於個人偏好的自適應算法
對於目前的下肢外骨骼機器人的步態控制，普遍都是建立在步態庫之上。即在不同的參數網絡中計算一系列的正常步態，這些預計算的步態組成了一個步態庫。通過它可以進行步態的選擇並立即執行，甚至可以讓操作員選擇適合患者的步態。然而，目前還沒有明確的指標來決定如何進行步態的選擇能夠有效地優化用戶的舒適度。
Maegan Tucker等人認為相比於參數上的絕對反饋，用戶自身的偏好反饋（例如：相比於步態B，用戶是否更喜歡步態A）更加可靠，也更有利於舒適度的提高。從而提出了基於決鬥賭博機（dueling bandits）和合作學習（coactive learning）的COSPAR算法來學習用戶偏好的外骨骼步態。COSPAR是一個混合驅動的算法，它既可以查詢用戶的偏好，同時也允許用戶提出改進建議，從而逐漸學習到最適用於用戶的步態。
整體的研究是基於Self-Sparring算法構建。Self-Sparring算法基於每個動作對用戶的效用來學習貝葉斯後驗，並通過偏好誘導從模型的後驗中抽取多個樣板進行決定，從而不斷通過個人偏好更新後驗，逐步優化步態的舒適性。
3. 實驗結果
研究者首先在仿真環境中對算法的性能進行了評估，在此就不再贅述了。之後，研究者將COSPAR部署在下肢外骨骼設備Atalante上進行了兩項真人受試者的個性化步態優化實驗。
第一個實驗針對三個健康的受試者，用COSPAR算法來確定受試者的偏好步長。
第二個實驗展示了COSPAR在二維空間中的有效性，即在兩個不同的步態特徵上同時進行優化。
4. 自研發設備——懸浮背包
現在我們也正在研發自己的被動式負重外骨骼裝置。其主要包括浮動背包和下肢助力兩個模塊，其中浮動背包實現負重與人體運動解耦，減少對身體的衝擊，下肢助力模塊將衝擊力傳遞至地面。該外骨骼可以根據人體步態、速度進行實現，從而提高外骨骼對不同速度、不同地形、不同使用者的適應性。
圖4：被動式負重外骨骼裝置
可以預見，在不久的將來，外骨骼康復機器人不僅能夠在生理上對人體進行康復，更能在心理上、在交互上給人以更好的體驗。這也為下肢運動有障礙的老人和殘疾人士帶來了福音。
參考文獻：
[1] 法國初創公司機器人外骨骼套裝Atalante幫助殘疾人士恢復正常行走.
[2] Tucker M, Novoseller E, Kann C, et al. Preference-Based Learning for Exoskeleton Gait Optimization[J]. 2019.
[3] 康復之光——HAL康復外骨骼機器人技術解析.