近日,南方科技大学机械与能源工程系(简称“机械系”)教授付成龙研究团队在人体运动增强机器人领域取得系列重要研究进展,相关成果发表于IEEE Transactions on Cybernetics、IEEE Transactions on Neural Systems and Rehabilitation Engineering、Mechanism and Machine Theory、ASME Journal of Mechanisms and Robotics 等国际知名刊物上。
发表在系统与控制论旗舰期刊IEEE Transactions on Cybernetics 上的论文报道了课题组开展的一种“长眼睛”的假肢的研究。
在动力大腿假肢控制研究中,如何实现复杂环境下“人-机-环”协调控制是一个挑战性难题。现有研究主要通过各类人机交互方式来解决上述问题,即期望通过各类人机界面信号识别人体运动意图以控制假肢适应环境。但目前人机界面信号难以达到期望中的可靠性和准确性。人穿戴假肢在环境中行走是一个典型的“人-机-环”问题,而现有研究缺少“机”和“环”之间的链路。
该研究探索假肢视觉对“人-机-环”回路的作用机制,打通“机”和“环”之间的链路。在运动过程中,人体视觉神经系统负责运动决策,假肢视觉负责环境信息感知,通过人机信息融合,“长眼睛”的智能假肢可以在复杂地形下“预见性”地规划步伐,显著提高大腿截肢者适应复杂环境的能力。
南科大机械系2018级博士生张贶恩为论文第一作者,付成龙为论文通讯作者,南科大为论文第一单位和通讯单位。相关研究获得了国家重点研发计划智能机器人专项、国家自然科学基金联合基金重点项目和广创团队项目的资助。
发表在康复工程领域旗舰期刊IEEE Transactions on Neural Systems and Rehabilitation Engineering 上的论文提出了一种无监督的跨受试者适应方法,用以预测未被标记信号的目标受试者的运动意图,将受试者和研究人员从标记大量数据中解放出来。
准确预测人体运动意图有助于控制可穿戴机器人在不同地形上的运动,从而辅助人类平稳行走。传统的预测人类运动意图的方法需要收集和标记人体信号,并训练每个新受试者使用特定的分类器,这给受试者和研究人员都带来了繁重负担。
为解决上述问题,付成龙研究团队提出了该方法。研究设计了两个分类器使分类误差达到最大,并设计了一个特征发生器使源对象和目标对象之间的隐藏特征差异降低,从而得到不同领域的数据自适应分类器。所述特征分类器与发生器均由神经网络构成,研究团队先使用源对象的标记训练集和目标对象的未标记训练集对神经网络进行训练,然后在已标记的目标受试者的验证集和测试集上进行测试和验证。该方法在两个公共数据集上进行了实验验证,结果表明,该方法可以对未被标记信号的目标受试者的运动意图和活动进行分类,平均准确率分别为93.60%和94.59%。在未来的工作中,团队将评估该方法在预测残疾受试者运动意图和控制可穿戴机器人方面的潜力。
张贶恩为论文第一作者,付成龙为论文通讯作者,南科大为论文第一单位和通讯单位。相关研究获得了国家重点研发计划智能机器人专项、国家自然科学基金联合基金重点项目和广创团队项目的资助。
发表在机构学领域旗舰期刊 Mechanism and Machine Theory 上的研究成果聚焦携带重物时节省体力的方法。
自人类文明开河以来,物质的搬运与转移就一直存在于人们的日常生活中,世界各地形成了多种不同的负重方式。受中国古代扁担挑运的启发,付成龙研究团队分析了弹性负载结构的变阻尼节能机制,提出了一种变阻尼能量最优控制策略,建立了变阻尼弹性振动影响腿部力的解析模型,揭示了弹性负载结构的变阻尼节能机制。研究通过变阻尼调控负载振动相位,动态改变地面反力,降低了人体腿部肌肉做功。
清华大学2016级博士生杨连昕为论文第一作者,付成龙为论文通讯作者,南科大为论文通讯单位。该工作得到了国家自然科学基金重点项目、SUSTech-MIT机械工程教育与科研中心的支持,该论文被Nature网站选为深入读物。
发表在机构学与机器人领域知名期刊ASME Journal of Mechanisms and Robotics上的论文设计了一种具有能量回收、存储和再利用功能的准被动外骨骼,为外骨骼节能设计开辟了新思路。
人体行走伴随大量机械能产生,但很大一部分都被浪费掉了。如果这些被浪费的机械能通过回收存储下来,并在合适时机,以恰当方式释放出来推进行走,将会大大降低外骨骼功耗。付成龙研究团队提出的该外骨骼通过一个可控棘轮-弹簧单元,可耦合回收膝关节摆动相末期和踝关节支撑相中期的负功,并在合适时机集中释放,辅助踝关节蹬地,能量回收利用率达77.3%。
清华大学硕士生常艺铧和王炜鑫为论文共同第一作者,付成龙为论文通讯作者,南科大为论文通讯单位。此项工作得到了国家重点研发计划主动健康与老龄化科技应对专项的支持。
相关论文链接:
IEEE Transactions on Cybernetics:
https://ieeexplore.ieee.org/document/9042836
IEEE Transactions on Neural Systems and Rehabilitation Engineering:
https://ieeexplore.ieee.org/document/8960271
Mechanism and Machine Theory:
https://doi.org/10.1016/j.mechmachtheory.2019.103738
ASME Journal of Mechanisms and Robotics:
https://doi.org/10.1115/1.4046835
供稿:机械与能源工程系
通讯员:邓苏
编辑:苗雪宁