研究人员为外骨骼开发出了一种人工智能增强型控制器，它可以学习支持行走和跑步等各种运动，而无需进行单独校准。该系统大大减少了能量消耗，是有效增强人类移动能力的理想工具。

一种用于外骨骼的新型人工智能控制器无需特定编程就能学习人类的不同动作，该控制器已证明可节省大量能源，标志着可穿戴机器人技术向前迈出了一大步。

想象一下，工厂工人和宇航员可以更安全、更高效地行动，残疾人的行动能力也会得到改善。6月12日，《自然》（Nature）杂志发表了一项新的研究成果。

《自然》（Nature）论文的第一作者、安伯里德尔航空大学的罗淑珍博士（Dr. Shuzhen Luo）与通讯作者、北卡罗来纳州立大学的苏浩博士（Dr. Hao Su）及其他同事解释说，这种可穿戴的人体机器人框架被称为"外骨骼"（exoskeletons），有望让人更轻松地行动，但技术障碍限制了其更广泛的应用。

罗指出，迄今为止，外骨骼必须根据特定活动和个人预先编程，并基于冗长、昂贵、劳动密集型的人体试验。

研究人员开发了一个由 208 块肌肉组成的全身肌肉骨骼人体模型（左上），以及一个定制的髋关节外骨骼（左下），然后利用人工智能模拟了多种活动（中间），最后将学习到的控制器部署到人体受试者身上。资料来源：《自然》杂志，Luo 等人，图 2。

现在，研究人员描述了一种超级智能或"学习型"控制器，它利用数据密集型人工智能（AI）和计算机模拟来训练便携式机器人外骨骼。

"这种新型控制器可为行走、跑步或爬楼梯提供平稳、持续的扭矩辅助，而无需任何人工参与的测试，"罗报告说。"只需在图形处理单元上运行一次，我们就能在模拟中训练控制法则或"政策"，这样控制器就能有效地辅助所有三种活动和不同的人。"

安博里德尔航空大学的罗淑珍博士（右）在一次内部海报展示中讨论了她对人工智能驱动的机器人外骨骼的研究，她的研究成果于2024年6月12日刊登在《自然》杂志上。图片来源：Embry-Riddle/David Massey

在三个相互连接的多层神经网络的驱动下，控制器边学边用--通过"数百万次的肌肉骨骼模拟进化，以提高人类的活动能力"，佛罗里达州戴托纳海滩安博里德尔大学机械工程系助理教授罗博士解释说。

这个无需实验的"模拟学习"框架部署在一个定制的髋关节外骨骼上，产生了迄今为止便携式髋关节外骨骼最高的代谢率降低效果--佩戴者在行走、跑步和爬楼梯时的能量消耗平均分别降低了 24.3%、13.1% 和 15.4%。

北卡罗来纳州立大学的苏浩解释说，这些能耗降低率是通过比较穿戴和不穿戴机器人外骨骼的人类受试者的表现计算出来的。这意味着它能真实地衡量外骨骼节省了多少能量。这项工作实质上是将科幻小说变为现实--让人们在执行各种任务时消耗更少的能量。

据信，这种方法首次证明了在仿真中开发控制器的可行性，这种控制器可以弥合所谓的从仿真到现实或"从仿真到现实的差距"，同时显著提高人类的性能。

"以往在强化学习方面取得的成就往往主要集中在模拟和棋盘游戏上，"罗淑珍说，"而我们提出了一种新方法--即一种动态感知、数据驱动的强化学习方式，来训练和控制可穿戴机器人，让人类直接受益。"

苏浩补充说，"该框架"可为快速、广泛地为健全人和行动不便的人部署各种辅助机器人提供可推广、可扩展的战略。

研究人员在《自然》杂志上解释说，如前所述，外骨骼传统上需要根据耗时的人体测试来手工制定控制法则，以处理每项活动并考虑个体步态的差异。模拟学习法为这些障碍提供了可能的解决方案。由此产生的"动态感知、数据驱动的强化学习方法大大加快了外骨骼在现实世界中的应用。闭环模拟结合了外骨骼控制器和肌肉骨骼动力学、人机交互和肌肉反应的物理模型，以生成高效、逼真的数据。这样，控制策略就能在模拟中不断发展或学习。

"我们的方法为可穿戴机器人控制器开发的交钥匙解决方案奠定了基础，"罗淑珍说。

未来的研究将侧重于独特的步态，如行走、跑步或爬楼梯，以帮助中风、骨关节炎、脑瘫等残疾人以及截肢者。

编译来源：ScitechDaily