当一个人步入老年，伴随着身体机能的下降，老年人的腿部力量会逐渐虚弱，从而出现下肢活动不畅的现象。更加严重的会出现偏瘫的病症，即明显的肌张力低下，下肢运动障碍的现象。针对这种情况，需要定期的对其进行康复运动治疗，从而逐步恢复下肢运动机能，并最终达到能够满足日常生活行动的目标。
现有的较为先进的方式就是使用外骨骼机器人来辅助老人进行康复训练，这项技术也常用于残障人士的辅助运动设备。虽然目前外骨骼机器人已经能够很好的模仿标准步态，但是对于不同人之间的步态差异性却无法很好地适应，从而舒适体验较差。
近期，来自加州理工和清华大学的MaeganTucker等人的论文中就提出了一种利用个人偏好反馈来定制化，提升使用下肢外骨骼的舒适感，从而极大地提高了下肢外骨骼机器人的交互性。这篇论文还同时获得了ICRA的最佳论文奖和最佳人机交互论文奖。
1.什么是下肢外骨骼机器人
下肢外骨骼机器人，是一款可穿戴式新型轻量机器人。它不仅能帮助残疾人恢复行走能力，还能有望避免患者因长时间坐在轮椅上而生压疮，同时还可以锻炼肌肉强度，起到康复训练的效果。
图1：Atalante下肢外骨骼机器人Atalante所研制的下肢外骨骼机器人就是本次论文中的实验载体，它使用了12个被驱动的关节来恢复下肢运动障碍者的行动能力。它所搭载的局部混合零动态（PHZD）方法已经证明可以有效的产生稳定的步态运动，仅在美国就有大约万人从中受益。但是这套外骨骼并没有相关算法来优化外骨骼使用上的舒适度，然而用户舒适度其实应该是这类外骨骼机器人的一个关键优化目标。出于此，MaeganTucker等人研究出了能够根据用户的个人偏好来针对性地提高设备的使用舒适度的算法。
2.基于个人偏好的自适应算法
对于目前的下肢外骨骼机器人的步态控制，普遍都是建立在步态库之上。即在不同的参数网络中计算一系列的正常步态，这些预计算的步态组成了一个步态库。通过它可以进行步态的选择并立即执行，甚至可以让操作员选择适合患者的步态。然而，目前还没有明确的指标来决定如何进行步态的选择能够有效地优化用户的舒适度。
MaeganTucker等人认为相比于参数上的绝对反馈，用户自身的偏好反馈（例如：相比于步态B，用户是否更喜欢步态A）更加可靠，也更有利于舒适度的提高。从而提出了基于决斗*博机（duelingbandits）和合作学习（coactivelearning）的COSPAR算法来学习用户偏好的外骨骼步态。COSPAR是一个混合驱动的算法，它既可以查询用户的偏好，同时也允许用户提出改进建议，从而逐渐学习到最适用于用户的步态。
整体的研究是基于Self-Sparring算法构建。Self-Sparring算法基于每个动作对用户的效用来学习贝叶斯后验，并通过偏好诱导从模型的后验中抽取多个样板进行决定，从而不断通过个人偏好更新后验，逐步优化步态的舒适性。
3.实验结果
研究者首先在仿真环境中对算法的性能进行了评估，在此就不再赘述了。之后，研究者将COSPAR部署在下肢外骨骼设备Atalante上进行了两项真人受试者的个性化步态优化实验。
第一个实验针对三个健康的受试者，用COSPAR算法来确定受试者的偏好步长。
图2：偏好步长实验(来源[2])第二个实验展示了COSPAR在二维空间中的有效性，即在两个不同的步态特征上同时进行优化。
图3：步长和步进时间特征对实验4.自研发设备——悬浮背包
现在我们也正在研发自己的被动式负重外骨骼装置。其主要包括浮动背包和下肢助力两个模块，其中浮动背包实现负重与人体运动解耦，减少对身体的冲击，下肢助力模块将冲击力传递至地面。该外骨骼可以根据人体步态、速度进行实现，从而提高外骨骼对不同速度、不同地形、不同使用者的适应性。
图4：被动式负重外骨骼装置
可以预见，在不久的将来，外骨骼康复机器人不仅能够在生理上对人体进行康复，更能在心理上、在交互上给人以更好的体验。这也为下肢运动有障碍的老人和残疾人士带来了福音。
参考文献：
[1]法国初创公司机器人外骨骼套装Atalante帮助残疾人士恢复正常行走.
[2]TuckerM,NovosellerE,KannC,etal.Preference-BasedLearningforExoskeletonGaitOptimization[J]..
[3]康复之光——HAL康复外骨骼机器人技术解析.