陳殿生，申振陽(yáng)，尹虎

防跌倒步態(tài)平衡訓(xùn)練機(jī)器人發(fā)展現(xiàn)狀

陳殿生，申振陽(yáng)，尹虎

（北京航空航天大學(xué)，北京 100191）

介紹國(guó)內(nèi)外防跌倒步態(tài)平衡訓(xùn)練機(jī)器人研究的主要進(jìn)展，為防跌倒步態(tài)平衡訓(xùn)練機(jī)器人等醫(yī)工結(jié)合領(lǐng)域的研究提供可借鑒的思路。主要從4個(gè)方面總結(jié)了下肢輔助康復(fù)機(jī)器人研究的最新進(jìn)展，具體包括機(jī)器人構(gòu)型，機(jī)構(gòu)控制策略和算法，步態(tài)數(shù)據(jù)采集方法和步態(tài)數(shù)據(jù)分析方法。在國(guó)內(nèi)外對(duì)步態(tài)平衡訓(xùn)練機(jī)器人的研究中，機(jī)器人的市場(chǎng)定位細(xì)分是當(dāng)前學(xué)界面臨的挑戰(zhàn)。各主流解決方案?jìng)?cè)重點(diǎn)都不相同，針對(duì)用戶細(xì)分的方法也不一樣。由于主要的目標(biāo)人群老年人群體用戶差異性強(qiáng)，因此用戶的個(gè)性化訓(xùn)練需求較高，未來(lái)需要進(jìn)一步細(xì)化步態(tài)平衡訓(xùn)練機(jī)器人的定位，滿足不同情況下不同用戶在不同階段的個(gè)性化訓(xùn)練需求，有望提升步態(tài)平衡訓(xùn)練機(jī)器人的整體水平。

步態(tài)平衡訓(xùn)練；步態(tài)數(shù)據(jù)；康復(fù)機(jī)器人；平衡能力評(píng)估

步行作為人體最常見(jiàn)也最為關(guān)鍵的日常活動(dòng)之一，與人們的生活息息相關(guān)。步行是由神經(jīng)系統(tǒng)控制，全身肌肉、骨骼和關(guān)節(jié)協(xié)同作用的一種復(fù)雜生理活動(dòng)。任何一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題，將導(dǎo)致步行能力下降，其中老年人的步行能力下降最為迅速。

隨著時(shí)間推移，中國(guó)的社會(huì)人口老齡化問(wèn)題顯得愈發(fā)嚴(yán)重。據(jù)《中國(guó)統(tǒng)計(jì)年鑒–2019》[1]數(shù)據(jù)顯示，預(yù)計(jì)到2050年，我國(guó)60以上老人人口比例將高達(dá)30%～40%。老年人群體因?yàn)樯眢w機(jī)能的退化，其肌肉力量、平衡能力和肢體協(xié)調(diào)能力都會(huì)顯著下降，從而發(fā)生跌倒等事故。我國(guó)65歲及以上老年人跌倒死亡率為58.03/10萬(wàn)，跌倒導(dǎo)致的死亡占該年齡段人群全部傷害致死原因的34.83%，已成老年人因傷致死的首位原因[2]。在我國(guó)跌倒的發(fā)生率為14%～34%，每年至少有2 000萬(wàn)老人發(fā)生2 500萬(wàn)次跌倒事故[3]。老年人發(fā)生跌倒，后果非常嚴(yán)重，比如骨折、長(zhǎng)期疼痛、顱腦外傷、殘疾、失能，甚至死亡。因此，在人口老齡化的背景下，改善老年人的平衡能力，是預(yù)防老年人跌倒的有效手段，對(duì)減少老年人意外傷害具有重要意義。

平衡能力作為判斷老年人步態(tài)穩(wěn)定性最為重要的一個(gè)評(píng)價(jià)指標(biāo)，受到國(guó)內(nèi)外相關(guān)研究者和企業(yè)的廣泛關(guān)注。平衡調(diào)節(jié)是人類(lèi)活動(dòng)的基礎(chǔ)，以深感覺(jué)為主、前庭覺(jué)和視覺(jué)等為輔的平衡感知信息傳給大腦中樞處理，形成平衡調(diào)節(jié)策略和運(yùn)動(dòng)指令，進(jìn)而激活相應(yīng)的人體運(yùn)動(dòng)單元執(zhí)行平衡調(diào)節(jié)動(dòng)作。平衡能力的缺失，將導(dǎo)致步行能力的快速下降，嚴(yán)重影響人們的生活。人體平衡能力分為靜態(tài)平衡和動(dòng)態(tài)平衡兩類(lèi)。靜態(tài)平衡指人體保持某一特定位姿，如站立和坐的能力。動(dòng)態(tài)平衡是指運(yùn)動(dòng)過(guò)程中，人體控制身體重心并調(diào)節(jié)身體姿態(tài)的能力。動(dòng)態(tài)平衡又分為2個(gè)方面：自動(dòng)態(tài)平衡，即主動(dòng)性平衡，是人體在進(jìn)行各種自主運(yùn)動(dòng)時(shí)能重新獲得穩(wěn)定狀態(tài)的能力；他動(dòng)態(tài)平衡，即反應(yīng)性平衡，是人體在受到外界干擾后恢復(fù)穩(wěn)定狀態(tài)的能力[4-5]。

步態(tài)，即人體走路時(shí)的姿態(tài)動(dòng)作。步態(tài)，除了與平衡能力有關(guān)，還與肢體協(xié)調(diào)、肌力、神經(jīng)控制等因素相關(guān)。老年人隨著年齡增長(zhǎng)，身體機(jī)能下降，特別是腦卒中（又稱中風(fēng)）、帕金森等常見(jiàn)老年疾病，容易引起步態(tài)異常。傳統(tǒng)的步態(tài)訓(xùn)練，通過(guò)醫(yī)生觀察指出患者缺陷，并進(jìn)行相應(yīng)的指導(dǎo)，容易忽略個(gè)體差異，且容易受到醫(yī)生個(gè)人經(jīng)驗(yàn)的影響?；跈C(jī)器人的步態(tài)訓(xùn)練，從簡(jiǎn)單的減重式步行跑臺(tái)，到外骨骼姿態(tài)矯形，核心是異常步態(tài)分析與步態(tài)矯形[6]。

當(dāng)前的平衡能力評(píng)估與訓(xùn)練和步態(tài)訓(xùn)練與矯正仍然面臨巨大問(wèn)題與挑戰(zhàn)。其成因復(fù)雜，包括感覺(jué)輸入異常、中樞整合與協(xié)調(diào)性障礙、運(yùn)動(dòng)控制能力下降等多個(gè)維度，從而難以建立多因素的、量化的平衡障礙評(píng)價(jià)標(biāo)準(zhǔn)。以腦卒中患者為例，在步態(tài)平衡訓(xùn)練上，目前主要以康復(fù)醫(yī)師“一對(duì)一”針對(duì)治療與訓(xùn)練為主。建立完善的平衡能力評(píng)估體系，加快建設(shè)平衡能力與步態(tài)訓(xùn)練機(jī)器人的研制，對(duì)于應(yīng)對(duì)我國(guó)人口老齡化趨勢(shì)，改善人民生活品質(zhì)具有重要意義。

1 機(jī)器人構(gòu)型

在老年人防跌倒方面，步態(tài)訓(xùn)練和平衡訓(xùn)練作為2個(gè)重要的組成部分，各有側(cè)重又相互關(guān)聯(lián)。在防跌倒步態(tài)平衡康復(fù)訓(xùn)練上，針對(duì)平衡能力的3個(gè)關(guān)鍵輸入部分（視覺(jué)、前庭覺(jué)和深感覺(jué)）針對(duì)性地進(jìn)行訓(xùn)練，從而恢復(fù)患者在感覺(jué)輸入上的異常[7]。不同的機(jī)器構(gòu)型的側(cè)重點(diǎn)各有不同。目前，主流的平衡訓(xùn)練機(jī)器人有3種構(gòu)型：下肢外骨骼式步行平衡訓(xùn)練機(jī)器人、踏板式平衡訓(xùn)練機(jī)器人和并聯(lián)多自由度平臺(tái)平衡訓(xùn)練機(jī)器人。下肢外骨骼式步態(tài)平衡訓(xùn)練機(jī)器人基于肢體訓(xùn)練，提前規(guī)劃好外骨骼的運(yùn)動(dòng)路徑和控制策略，通過(guò)帶動(dòng)下肢不斷重復(fù)正確的步態(tài)動(dòng)作，實(shí)現(xiàn)神經(jīng)的重塑，從而促使患者恢復(fù)步行和平衡能力，其側(cè)重點(diǎn)在于步態(tài)訓(xùn)練。踏板式平衡訓(xùn)練機(jī)器人大多配合虛擬現(xiàn)實(shí)技術(shù)，通過(guò)踏板的運(yùn)動(dòng)帶動(dòng)肢體模擬步行動(dòng)作，同時(shí)將踏板運(yùn)動(dòng)與虛擬的運(yùn)動(dòng)場(chǎng)景結(jié)合，以實(shí)現(xiàn)常見(jiàn)的運(yùn)動(dòng)場(chǎng)景（如平地、樓梯、山路和沙灘等）的模擬，對(duì)步態(tài)平衡訓(xùn)練有良好的積極作用。并聯(lián)多自由度平衡訓(xùn)練機(jī)器人由早期的模擬駕駛系統(tǒng)演變而來(lái)，結(jié)合體感仿真技術(shù)，可以給予使用者常見(jiàn)的運(yùn)動(dòng)刺激，從而促使患者采取對(duì)應(yīng)的措施，主要針對(duì)前庭覺(jué)進(jìn)行平衡訓(xùn)練，如果輔以跑步帶，可以實(shí)現(xiàn)步態(tài)訓(xùn)練。

1.1 外骨骼式

外骨骼式下肢機(jī)器人在下肢助力上的應(yīng)用頗多，由于其能控制下肢的運(yùn)動(dòng)形式，因此具有步態(tài)矯正功能，也應(yīng)用于步態(tài)平衡訓(xùn)練。針對(duì)外骨骼步態(tài)平衡訓(xùn)練機(jī)器人的研究眾多。

瑞士蘇黎世聯(lián)邦理工學(xué)院與Hocoma公司合作研制了一款下肢外骨骼康復(fù)訓(xùn)練機(jī)器人Locomat，見(jiàn)圖1a。該機(jī)器人由步態(tài)矯形器、減重系統(tǒng)、跑步平臺(tái)和人機(jī)交互軟件組成。步態(tài)矯形器有髖關(guān)節(jié)和膝關(guān)節(jié)等2個(gè)自由度，由帶滾珠絲杠的驅(qū)動(dòng)機(jī)構(gòu)實(shí)現(xiàn)獨(dú)立驅(qū)動(dòng)，從而實(shí)現(xiàn)患者矢狀面的運(yùn)動(dòng)。踝關(guān)節(jié)的背屈運(yùn)動(dòng)由彈性元件被動(dòng)實(shí)現(xiàn)，然后通過(guò)平行四桿機(jī)構(gòu)實(shí)現(xiàn)了骨盆的橫向和旋轉(zhuǎn)運(yùn)動(dòng)。此外，每個(gè)關(guān)節(jié)配有位置傳感器和力傳感器可以測(cè)量關(guān)節(jié)旋轉(zhuǎn)角度和力矩，使外骨骼的運(yùn)動(dòng)更好地與人體正常步行運(yùn)動(dòng)匹配。Locomat采用步態(tài)自適應(yīng)控制、生物視覺(jué)反饋等控制策略，實(shí)現(xiàn)患者在虛擬環(huán)境中的康復(fù)訓(xùn)練，并通過(guò)實(shí)驗(yàn)驗(yàn)證了控制策略的有效性[8-9]。目前，該產(chǎn)品已經(jīng)商業(yè)化，并成功推出了兒童訓(xùn)練款。

圖1 外骨骼式步態(tài)康復(fù)訓(xùn)練機(jī)器人

瑞士洛桑聯(lián)邦理工學(xué)院聯(lián)合Swortec公司開(kāi)發(fā)了一款下肢外骨骼訓(xùn)練康復(fù)機(jī)器人Walk Trainer，見(jiàn)圖1b。該機(jī)器人由移動(dòng)車(chē)體、減重系統(tǒng)、骨盆控制系統(tǒng)和下肢運(yùn)動(dòng)系統(tǒng)組成。移動(dòng)車(chē)體可以跟隨人體運(yùn)動(dòng)而運(yùn)動(dòng)，不需要使用跑臺(tái)。減重系統(tǒng)由2個(gè)電機(jī)控制，一個(gè)電機(jī)控制預(yù)緊彈簧；另一個(gè)電機(jī)以編碼器和力傳感器作為反饋信號(hào)，精確控制減重力的恒定。骨盆控制系統(tǒng)為六自由度機(jī)構(gòu)，可以實(shí)現(xiàn)任意位置和角度的運(yùn)動(dòng)控制。下肢運(yùn)動(dòng)系統(tǒng)則為典型的外骨骼結(jié)構(gòu)，由3個(gè)直線驅(qū)動(dòng)器驅(qū)動(dòng)實(shí)現(xiàn)下肢運(yùn)動(dòng)。

美國(guó)HealthSouth公司推出了一款名為Reo Ambulator的步行訓(xùn)練機(jī)器人，見(jiàn)圖1c。該機(jī)器人由兩條二自由度機(jī)械腿構(gòu)成，分別綁在患者腳踝和大腿處。通過(guò)獨(dú)立的控制系統(tǒng)帶動(dòng)大腿和小腿完成一系列的步態(tài)訓(xùn)練和矯正動(dòng)作，并實(shí)現(xiàn)實(shí)時(shí)監(jiān)控、在線測(cè)評(píng)等功能，主要用于神經(jīng)和骨科的適應(yīng)性康復(fù)訓(xùn)練。目前該產(chǎn)品已經(jīng)得到廣泛實(shí)驗(yàn)和應(yīng)用。

日本芝浦工業(yè)大學(xué)研制了助行機(jī)器人Walking Assistance Apparatus，見(jiàn)圖2a。該機(jī)器人主要由移動(dòng)支架、減重機(jī)構(gòu)和外骨骼3個(gè)部分組成。移動(dòng)支架跟隨患者運(yùn)動(dòng)，代替跑臺(tái)的作用。減重機(jī)構(gòu)固定于支架上，并與外骨骼機(jī)械腿連接，兩者協(xié)調(diào)實(shí)現(xiàn)減重步行訓(xùn)練。外骨骼機(jī)械腿基于平行連桿機(jī)構(gòu)原理，驅(qū)動(dòng)髖關(guān)節(jié)和膝關(guān)節(jié)在矢狀面內(nèi)轉(zhuǎn)動(dòng)，通過(guò)柔性連桿實(shí)現(xiàn)髖關(guān)節(jié)和踝關(guān)節(jié)的自然轉(zhuǎn)動(dòng)。該機(jī)器人還集成了陀螺儀和超聲波傳感器，從而幫助患者實(shí)現(xiàn)斜坡和臺(tái)階的檢測(cè)和運(yùn)動(dòng)[10]?；谥暗难芯?，芝浦工業(yè)大學(xué)的學(xué)者又進(jìn)一步研發(fā)了能更精確地控制外骨骼軌跡的Air Gait，見(jiàn)圖2b。Air Gait用跑步機(jī)替代了移動(dòng)支架，利用氣動(dòng)肌肉帶動(dòng)連桿機(jī)構(gòu)驅(qū)動(dòng)下肢髖膝踝關(guān)節(jié)實(shí)現(xiàn)矢狀面的轉(zhuǎn)動(dòng)，并提出了基于氣動(dòng)肌肉壓力和位置控制的步行訓(xùn)練控制策略，從而更好地實(shí)現(xiàn)步態(tài)康復(fù)訓(xùn)練[11-12]。

圖2 日本芝浦工業(yè)大學(xué)研制的外骨骼康復(fù)機(jī)器人

1.2 踏板式

德國(guó)的Stefan Hesse是最早研究踏板式步行訓(xùn)練機(jī)器人的學(xué)者之一，并成功開(kāi)發(fā)了Gait Trainer第一代樣機(jī)，見(jiàn)圖3a。該樣機(jī)通過(guò)曲柄連桿機(jī)構(gòu)，用單自由度模擬人體步行時(shí)足的軌跡，利用踏板帶動(dòng)患者沿著既定軌跡運(yùn)動(dòng)，以模仿人體正常步行，單自由度的既定軌跡使機(jī)構(gòu)結(jié)構(gòu)簡(jiǎn)單，但功能單一[13]，無(wú)法滿足人體步行和平衡控制時(shí)踝關(guān)節(jié)的調(diào)整策略，而在人體矢狀面上兩個(gè)方向的平移運(yùn)動(dòng)存在耦合現(xiàn)象，無(wú)法實(shí)現(xiàn)正常的步態(tài)訓(xùn)練。隨后，Stefan Hesse又研制了一款串并聯(lián)混合驅(qū)動(dòng)的六自由度的踏板步態(tài)訓(xùn)練機(jī)器人Haptic Walker，見(jiàn)圖3b。該機(jī)器人每個(gè)踏板可以實(shí)現(xiàn)人體在矢狀面上2個(gè)方向的移動(dòng)，踏板還有一個(gè)旋轉(zhuǎn)自由度以實(shí)現(xiàn)踝關(guān)節(jié)的轉(zhuǎn)動(dòng)。該機(jī)器人可以模擬上下樓梯、平地行走和滑雪等多種運(yùn)動(dòng)場(chǎng)景，同時(shí)踏板上安裝有位置傳感器和力傳感器，實(shí)時(shí)采集運(yùn)動(dòng)信息，既能幫助醫(yī)師對(duì)患者的平衡狀況進(jìn)行評(píng)估，又能更好地規(guī)劃并控制踏板運(yùn)動(dòng)[14]。之后，通過(guò)與荷蘭Reha Technology公司合作，推出了最終產(chǎn)品G–EO System，見(jiàn)圖3c[15]。主體結(jié)構(gòu)和核心功能都與Haptic Walker相同，可以根據(jù)患者狀況制定運(yùn)動(dòng)軌跡，實(shí)現(xiàn)針對(duì)式康復(fù)訓(xùn)練。

日本筑波大學(xué)在踏板式步態(tài)平衡訓(xùn)練機(jī)器人方面做了很多相關(guān)研究。2003年，他們研制出了GaitMaster1和GaitMaster 2。GaitMaster1由2個(gè)三自由度的踏板組成，可以實(shí)現(xiàn)人體的大部分運(yùn)動(dòng)。之后他們又經(jīng)過(guò)改進(jìn)，陸續(xù)推出了GaitMaster 3—Gaitmaster 5，同時(shí)加入了虛擬現(xiàn)實(shí)等先進(jìn)的技術(shù)，讓患者實(shí)現(xiàn)沉浸式康復(fù)訓(xùn)練，能夠?qū)崿F(xiàn)平地、上下樓梯等日常場(chǎng)景的模擬。該系統(tǒng)已經(jīng)完成實(shí)驗(yàn)驗(yàn)證，見(jiàn)圖4[16]。

圖3 德國(guó)踏板式步行訓(xùn)練機(jī)器人

圖4 Gaitmaster訓(xùn)練機(jī)器人

1.3 多自由度并聯(lián)平臺(tái)系統(tǒng)

以Stewart 6自由度并聯(lián)機(jī)構(gòu)為代表的多自由度并聯(lián)系統(tǒng)，由于其剛度大、承載能力強(qiáng)，而且可以實(shí)現(xiàn)運(yùn)動(dòng)行程內(nèi)空間任意位置和姿態(tài)的運(yùn)動(dòng)，而受到廣泛運(yùn)用。早期的Stewart并聯(lián)機(jī)構(gòu)主要用于模擬駕駛、體感游戲等設(shè)備中，還用于模擬人體前庭覺(jué)的仿真輸入，并得到業(yè)界一致認(rèn)可。由于這種系統(tǒng)契合人體步態(tài)和平衡訓(xùn)練的多自由度模擬、多感覺(jué)輸入的要求，近年來(lái)開(kāi)始逐漸用于平衡訓(xùn)練機(jī)器人的研究中[17]。

Motek Medical公司開(kāi)發(fā)的Computer Assisted Rehabilitation Environment（CAREN）平衡康復(fù)訓(xùn)練系統(tǒng)，見(jiàn)圖5a，集合了六自由度運(yùn)動(dòng)平臺(tái)，雙跑步帶自適應(yīng)跑臺(tái)，虛擬現(xiàn)實(shí)系統(tǒng)及三維運(yùn)動(dòng)捕捉系統(tǒng)于一體，可以實(shí)現(xiàn)運(yùn)動(dòng)數(shù)據(jù)采集與分析、平衡評(píng)估、步態(tài)訓(xùn)練等康復(fù)訓(xùn)練流程，是當(dāng)前國(guó)際上最先進(jìn)的系統(tǒng)康復(fù)訓(xùn)練設(shè)備之一。六自由度并聯(lián)平臺(tái)和雙帶自適應(yīng)跑臺(tái)，可以實(shí)現(xiàn)很多需要的運(yùn)動(dòng)組合，見(jiàn)圖5b。結(jié)合其強(qiáng)大的視覺(jué)運(yùn)動(dòng)捕捉系統(tǒng)和信號(hào)采集系統(tǒng)，可以捕捉人體肌電信號(hào)，各關(guān)節(jié)運(yùn)動(dòng)速度和加速度，步長(zhǎng)、步寬、步速和足底壓力等常見(jiàn)的平衡和步態(tài)評(píng)估參數(shù)，實(shí)現(xiàn)豐富的評(píng)估方案和訓(xùn)練方案。同時(shí)，虛擬現(xiàn)實(shí)技術(shù)也給評(píng)估和訓(xùn)練過(guò)程增加了沉浸性和趣味性[18]。

美國(guó)NeuroCom公司研發(fā)了EquiTest平衡訓(xùn)練儀。該設(shè)備的站立平臺(tái)既能固定，又能實(shí)現(xiàn)平移、旋轉(zhuǎn)等多種運(yùn)動(dòng)模式，并且提供視覺(jué)虛擬反饋，幫助患者實(shí)現(xiàn)視覺(jué)與平衡訓(xùn)練[19]。

哈爾濱工程大學(xué)基于3–RPS并聯(lián)平臺(tái)研制了一款平衡訓(xùn)練機(jī)器人仿真系統(tǒng)，見(jiàn)圖6。該系統(tǒng)利用并聯(lián)平臺(tái)的多自由度特性，可以實(shí)現(xiàn)小范圍的移動(dòng)與傾斜[20]。配置上位機(jī)實(shí)時(shí)顯示姿態(tài)曲線。該樣機(jī)只是小型仿真系統(tǒng)，并未用于實(shí)際平衡訓(xùn)練。

圖5 CAREN康復(fù)訓(xùn)練系統(tǒng)

圖6 哈爾濱工程大學(xué)研制的平衡訓(xùn)練仿真平臺(tái)系統(tǒng)

2 機(jī)器人控制策略與方法

步態(tài)平衡訓(xùn)練機(jī)器人作為直接與用戶發(fā)生接觸的部分，自然、高效、安全的人機(jī)交互是非常重要的需求之一?？紤]到老年人用戶群體的特殊性，對(duì)人機(jī)交互和“人–機(jī)–環(huán)境”要求更高，這就涉及機(jī)器人的控制策略和方法，而用戶是具有自主運(yùn)動(dòng)意識(shí)和能力的，因此文中介紹了目前主流的步態(tài)平衡訓(xùn)練機(jī)器人控制策略與方法。

目前，專業(yè)領(lǐng)域內(nèi)對(duì)機(jī)器人控制技術(shù)的定義有很多解釋，此前被廣泛接受的解釋是“機(jī)器人控制技術(shù)是作用于機(jī)器人各關(guān)節(jié)使機(jī)器人運(yùn)動(dòng)的技術(shù)”，涉及機(jī)器人的機(jī)械結(jié)構(gòu)和控制程序2個(gè)部分。事實(shí)上，如果在更廣泛的角度下定義的話，機(jī)器人的控制系統(tǒng)還包括設(shè)計(jì)、建模、識(shí)別、軌跡規(guī)劃和學(xué)習(xí)[21]。通過(guò)建模、識(shí)別、軌跡規(guī)劃和基于模型的控制方法，可以有效地提升機(jī)器人的性能，并且能夠降低機(jī)器人的成本，目前工業(yè)機(jī)器人、服務(wù)機(jī)器人乃至協(xié)作機(jī)器人等都廣泛采用此方法。

對(duì)康復(fù)機(jī)器人而言，目前已經(jīng)有許多研究介紹了下肢康復(fù)或下肢增強(qiáng)訓(xùn)練機(jī)器人的控制方法。胡進(jìn)等[22]按照獲取用戶主動(dòng)運(yùn)動(dòng)意圖時(shí)所使用的信號(hào)進(jìn)行分類(lèi)，具體包括基于力信號(hào)的控制方法和基于生物醫(yī)學(xué)信號(hào)的控制方法。許彧青[23]按照人機(jī)交互模式進(jìn)行分類(lèi)，具體包括基于人體測(cè)量信號(hào)的控制策略、基于交互力測(cè)量的控制策略和基于機(jī)器人測(cè)量信號(hào)的控制策略。張晟杰[21]從控制技術(shù)本身出發(fā)進(jìn)行分類(lèi)，具體包括預(yù)定義軌跡控制、按需輔助控制、虛擬通道控制、基于步態(tài)的預(yù)定義動(dòng)作控制、基于模型控制、基于自適應(yīng)振蕩器的控制和模糊控制，同時(shí)總結(jié)了幾種控制方法適用的用戶群體，見(jiàn)表1。

表1 7種控制方法適用的用戶群體[23]

Tab.1 User groups corresponding to seven control methods

宏觀上說(shuō)，機(jī)器人的控制方法按照任務(wù)不同可以分為運(yùn)動(dòng)學(xué)控制和動(dòng)力學(xué)控制兩大類(lèi)，再按照機(jī)構(gòu)運(yùn)動(dòng)的自由程度劃分為定點(diǎn)控制、軌跡控制和力/位混合控制等。傳統(tǒng)應(yīng)用于步態(tài)平衡訓(xùn)練機(jī)器人的控制方法主要有阻抗控制、力/位混合控制、自適應(yīng)控制等。目前也有大量的研究[24-26]證明了其有效性，這幾種方法也是目前主流的方法。

自適應(yīng)控制方法是當(dāng)下研究的熱點(diǎn)，近年來(lái)的機(jī)器學(xué)習(xí)研究產(chǎn)生了大量的自適應(yīng)控制算法，然而大多數(shù)的標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)方法不能直接應(yīng)用于此類(lèi)機(jī)器人。有學(xué)者提出了應(yīng)用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的控制方法，為自適應(yīng)控制方法找到了新的方向。

對(duì)工業(yè)機(jī)器人而言，重點(diǎn)目標(biāo)在于按照規(guī)劃好的路線完成既定的任務(wù)，要求高穩(wěn)定性、高精度、高力矩和長(zhǎng)時(shí)間工作；對(duì)于步態(tài)平衡訓(xùn)練之類(lèi)的服務(wù)機(jī)器人而言，重點(diǎn)目標(biāo)是在開(kāi)放的非預(yù)設(shè)環(huán)境下完成輕量的、非高精度的工作，從而滿足用戶的需求，要求安全性高、穩(wěn)定性好、易交互和易維護(hù)。兩者的側(cè)重點(diǎn)不一樣，適用的控制策略和方法也不盡相同。

從需求角度出發(fā)，康復(fù)訓(xùn)練或增強(qiáng)訓(xùn)練機(jī)器人都屬于服務(wù)機(jī)器人。此類(lèi)機(jī)器人對(duì)人機(jī)交互或者說(shuō)“人機(jī)共融”的需求很高。研究表明，長(zhǎng)時(shí)間的重復(fù)訓(xùn)練會(huì)導(dǎo)致訓(xùn)練枯燥，用戶將無(wú)法集中注意力，從而導(dǎo)致訓(xùn)練的效果降低。在訓(xùn)練的過(guò)程中，用戶的積極參與對(duì)訓(xùn)練的效果起著重要作用。為了提高用戶的主動(dòng)性，需要全面提高訓(xùn)練過(guò)程中的用戶體驗(yàn)，而構(gòu)成訓(xùn)練過(guò)程中用戶體驗(yàn)最核心的部分就是用戶與機(jī)器人之間的交互，而在交互設(shè)計(jì)領(lǐng)域，大部分學(xué)者認(rèn)為交互的最理想狀態(tài)就是“零交互”，也就是要盡量減少用戶和機(jī)器人之間的交互行為，以目前的技術(shù)還達(dá)不到理想的狀態(tài)。在實(shí)際的交互設(shè)計(jì)中，學(xué)者們致力于尋求最為自然且高效的交互方式，包括但不限于人的意識(shí)、聽(tīng)覺(jué)、視覺(jué)、語(yǔ)音、嗅覺(jué)和觸覺(jué)等方面。

對(duì)于現(xiàn)階段的步態(tài)平衡訓(xùn)練機(jī)器人研究，最關(guān)鍵的部分在于判斷用戶的主動(dòng)運(yùn)動(dòng)意圖和獲取運(yùn)動(dòng)狀態(tài)等生物信號(hào)，因此基于生物信號(hào)的控制方法對(duì)此類(lèi)機(jī)器人來(lái)說(shuō)，具有特別的優(yōu)勢(shì)。目前基于生物信號(hào)的控制方法主要有以下2種：是基于肌電信號(hào)（sEMG）的控制；基于腦電信號(hào)（EEG）的控制。由于現(xiàn)階段對(duì)腦電信號(hào)的采集技術(shù)還不成熟，因此，還未得到較為廣泛的應(yīng)用，目前大部分采用生物信號(hào)控制的步態(tài)平衡訓(xùn)練機(jī)器人主要使用肌電信號(hào)控制[27]。未來(lái)，基于生物信號(hào)的智能控制方法和多種控制方法的融合是該領(lǐng)域研究的趨勢(shì)。

3 數(shù)據(jù)采集方法

對(duì)人體平衡評(píng)估和平衡訓(xùn)練效果的評(píng)價(jià)，都需要對(duì)實(shí)驗(yàn)對(duì)象進(jìn)行數(shù)據(jù)采集。隨著傳感器和微型處理器的發(fā)展，數(shù)據(jù)采集的方式越來(lái)越多。主流的數(shù)據(jù)采集方式包括：基于壓力傳感器的人體重心估計(jì)與計(jì)算；基于計(jì)算機(jī)視覺(jué)的mark點(diǎn)定位與姿態(tài)重構(gòu)；基于慣性傳感器的人體骨架重構(gòu)[28]。

3.1 壓力傳感器數(shù)據(jù)采集

在人體運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)分析中，重心是衡量人體運(yùn)動(dòng)平衡最重要的指標(biāo)。傳統(tǒng)的人體建模方法可以把人視為一個(gè)倒立擺模型，見(jiàn)圖7。為了測(cè)量重心（Center of Mass，CoM）位置，假定人對(duì)平臺(tái)的壓力（Center of Pressure，CoP）和平臺(tái)對(duì)人的反作用力位于同一豎直線上（適用于靜態(tài)平衡）。因此利用分布式壓力傳感器平臺(tái)測(cè)出壓力中心CoP就能得到人體重心在水平面的投影[29]。

圖7 人體倒立擺模型

20世紀(jì)70年代，美國(guó)的Nashner研發(fā)出用于測(cè)定人體平衡能力的動(dòng)態(tài)姿勢(shì)圖技術(shù)（Computerized Dynamic Posturography，CDP）[30]，成為量化評(píng)價(jià)人體平衡能力的里程碑，并據(jù)此研發(fā)出EquiTest平衡檢測(cè)儀，見(jiàn)圖8a。1986年，EquiTest獲得美國(guó)FDA批準(zhǔn)后，其后續(xù)產(chǎn)品（Balance Manager系列）成為了美國(guó)人體平衡功能評(píng)定、臨床治療和科研方面的標(biāo)準(zhǔn)化設(shè)備。EquiTest用壓力中心COP反應(yīng)人體重心軌跡，并通過(guò)計(jì)算機(jī)和軟件記錄重心在一段時(shí)間內(nèi)的軌跡，見(jiàn)圖8b。繪制的軌跡包絡(luò)線越集中，重心波動(dòng)范圍越小，證明實(shí)驗(yàn)對(duì)象的平衡性越好。類(lèi)似的平衡測(cè)試設(shè)備還有英國(guó)的BPM平衡儀（Balance Performance Monitor）[31]、以色列Tetrax平衡儀[32]、Balance Master平衡儀等。通過(guò)繪制重心擺動(dòng)軌跡對(duì)平衡能力進(jìn)行評(píng)估已經(jīng)成為了評(píng)價(jià)人體平衡能力的重要方法之一。

圖8 EquiTest平衡測(cè)試儀與重心軌跡

3.2 慣性傳感器數(shù)據(jù)采集

慣性傳感器主要是用陀螺儀和加速度計(jì)來(lái)捕捉運(yùn)動(dòng)。此種傳感器可以采集三軸角度、角速度和加速度共9個(gè)參量。優(yōu)點(diǎn)是：體積小、攜帶方便，能很好地采集人體姿態(tài)信息。整個(gè)測(cè)量系統(tǒng)由多個(gè)測(cè)量點(diǎn)構(gòu)成，每個(gè)測(cè)量點(diǎn)用一個(gè)慣性傳感器測(cè)量，對(duì)應(yīng)著人體一個(gè)關(guān)節(jié)自由度。該方法的問(wèn)題在于陀螺儀芯片存在零誤差和積分誤差，長(zhǎng)時(shí)間使用會(huì)造成偏差增大，而且信號(hào)容易受高頻噪聲的影響。

基于傳感器的人體數(shù)據(jù)采集與平衡評(píng)估和訓(xùn)練實(shí)際上是利用慣性傳感器對(duì)人體姿態(tài)進(jìn)行測(cè)量并重建。近年來(lái)，隨著慣性傳感器的人體姿態(tài)重建和運(yùn)動(dòng)捕捉系統(tǒng)快速發(fā)展，出現(xiàn)了許多穿戴式的運(yùn)動(dòng)捕捉方案。其中Xsens MVN運(yùn)動(dòng)捕捉系統(tǒng)最具代表性，見(jiàn)圖9。Xsens MVN運(yùn)動(dòng)捕捉系統(tǒng)采用陀螺儀、加速度計(jì)和磁力計(jì)來(lái)捕捉運(yùn)動(dòng)。整個(gè)采集系統(tǒng)由微型慣性傳感器MTx模塊、無(wú)線Xbus傳輸模塊和軟件分析模塊組成，不受環(huán)境光線與空間距離的限制，錄制的動(dòng)作無(wú)需后續(xù)處理即可使用，解決了雙腳同時(shí)離地、跳躍等特殊運(yùn)動(dòng)模式下的數(shù)據(jù)漂移問(wèn)題，可以廣泛應(yīng)用于醫(yī)療，表演等場(chǎng)合[33]。

圖9 Xsens MVN運(yùn)動(dòng)捕捉系統(tǒng)

國(guó)內(nèi)的諾亦騰科技有限公司開(kāi)發(fā)的Perception Neuron運(yùn)動(dòng)捕捉系統(tǒng)，見(jiàn)圖10。單個(gè)傳感器直徑比1角硬幣還小，集成了加速度計(jì)、陀螺儀以及磁力計(jì)。節(jié)點(diǎn)配置可以從3個(gè)節(jié)點(diǎn)到32個(gè)節(jié)點(diǎn)，可以對(duì)應(yīng)捕捉單純的手臂運(yùn)動(dòng)到全身的精細(xì)運(yùn)動(dòng)。目前已經(jīng)在電影制作、體育運(yùn)動(dòng)、醫(yī)療等多個(gè)領(lǐng)域得到應(yīng)用[34]。

圖10 諾亦騰運(yùn)動(dòng)捕捉設(shè)備

孚心科技也研發(fā)了用于人體姿態(tài)重構(gòu)的慣性傳感器模塊，見(jiàn)圖11。該公司主要有2套產(chǎn)品，核心功能相同：一套有線設(shè)備，通過(guò)隨身攜帶在背部的Hub搜集傳感器的數(shù)據(jù)信息，并導(dǎo)入電腦進(jìn)行處理；另一套為無(wú)線設(shè)備，通過(guò)藍(lán)牙連接到上位機(jī)，實(shí)時(shí)傳輸數(shù)據(jù)到上位機(jī)設(shè)備。結(jié)合其公司開(kāi)發(fā)的配套軟件，可以實(shí)現(xiàn)實(shí)時(shí)人體姿態(tài)重構(gòu)。

圖11 孚心科技慣性傳感系統(tǒng)

基于慣性傳感器的運(yùn)動(dòng)分析、步態(tài)測(cè)量、平衡評(píng)估實(shí)驗(yàn)和研究眾多。Hobert等[35]利用可穿戴式慣性傳感器對(duì)帕金森患者的步態(tài)進(jìn)行了分析研究，證明了慣性傳感器對(duì)人體數(shù)據(jù)分析的有效性。Horak對(duì)19名無(wú)跌倒史的老年人和16名近年來(lái)超過(guò)1次跌倒史的老年人通過(guò)可穿戴設(shè)備對(duì)指定動(dòng)作任務(wù)進(jìn)行監(jiān)測(cè)，包括轉(zhuǎn)身90°、180°和行走3 m，結(jié)果顯示，有跌倒史和無(wú)跌倒史的老年人行走3 m時(shí)間無(wú)差異，但轉(zhuǎn)身的特征存在顯著差異[36]。唐增等[37]通過(guò)測(cè)力板和慣性傳感器分別采集了青年人和老年人2組運(yùn)動(dòng)數(shù)據(jù)，采用系統(tǒng)聚類(lèi)方法對(duì)數(shù)據(jù)進(jìn)行分析，以研究人體的平衡能力。岳宗曉等[38]利用慣性傳感器，設(shè)計(jì)了一系列平衡實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)中慣性傳感器的數(shù)據(jù)分析，來(lái)評(píng)估并訓(xùn)練人體平衡能力。

雖然基于慣性傳感器的步態(tài)數(shù)據(jù)采集具有數(shù)據(jù)容易漂移和穿戴方式不固定導(dǎo)致數(shù)據(jù)有噪聲的缺點(diǎn)，但其成本低、部署方便，且能夠滿足采集步態(tài)信息的有效性和可靠性要求，因此得到大量應(yīng)用。

3.3 視覺(jué)數(shù)據(jù)采集系統(tǒng)

視覺(jué)運(yùn)動(dòng)捕捉作為近年來(lái)的研究熱點(diǎn)，受到國(guó)內(nèi)外學(xué)者和公司的廣泛關(guān)注。

微軟公司于2010年推出了一款深度相機(jī)Kinect V1，見(jiàn)圖12a。極大降低了深度相機(jī)的入門(mén)門(mén)檻，為利用視覺(jué)對(duì)人體骨架建模、人體運(yùn)動(dòng)捕捉和人機(jī)交互提供了極大便利。該相機(jī)的視覺(jué)感知部分由一個(gè)RGB攝像頭，一個(gè)紅外發(fā)射器，一個(gè)紅外接收器組成，并集成了相關(guān)算法，可以實(shí)時(shí)輸出深度圖像。2014年微軟又推出Kinect V2，在游戲、醫(yī)療、科研等領(lǐng)域廣泛應(yīng)用。

圖12 運(yùn)動(dòng)捕捉系統(tǒng)

Kinect作為低成本運(yùn)動(dòng)捕捉設(shè)備，其精度在很多場(chǎng)景下達(dá)不到要求。基于Marker點(diǎn)的高精度運(yùn)動(dòng)捕捉系統(tǒng)彌補(bǔ)了這部分缺陷。英國(guó)Oxford Metrics Limited公司推出的Vicon光學(xué)運(yùn)動(dòng)捕捉系統(tǒng)就是其中的代表，見(jiàn)圖12b。Vicon系統(tǒng)主要由bonita相機(jī)、Marker點(diǎn)和配套處理軟件構(gòu)成。通過(guò)光學(xué)攝像頭發(fā)射紅外光線，照射到覆蓋有特殊涂層的Marker點(diǎn)產(chǎn)生反射，由高速光學(xué)攝像頭捕捉圖像，傳輸給軟件處理，從而得到marker點(diǎn)在當(dāng)前空間環(huán)境中的六自由度位置。

基于以上系統(tǒng)，眾多學(xué)者和公司進(jìn)行了大量人體平衡評(píng)估和平衡訓(xùn)練的相關(guān)研究。Lai等[39]利用kinect設(shè)計(jì)了一套虛擬交互系統(tǒng)用于訓(xùn)練中風(fēng)患者的平衡能力，見(jiàn)圖13a，該系統(tǒng)類(lèi)似于體感游戲，通過(guò)將一些平衡動(dòng)作轉(zhuǎn)化為游戲中的動(dòng)作，并用Kinect進(jìn)行交互，以實(shí)現(xiàn)平衡訓(xùn)練目的。Junata等[40]設(shè)計(jì)了一款結(jié)合Kinect的平衡訓(xùn)練平臺(tái)，見(jiàn)圖13b，利用最大運(yùn)動(dòng)范圍和最快反應(yīng)時(shí)間作為平衡指標(biāo)，并對(duì)17名中風(fēng)患者進(jìn)行了實(shí)驗(yàn)測(cè)試，結(jié)果顯示有效。

圖13 基于Kinect的平衡訓(xùn)練系統(tǒng)

Caren平衡訓(xùn)練系統(tǒng)搭載了vicon的運(yùn)動(dòng)捕捉系統(tǒng)，可以精確測(cè)量人體的運(yùn)動(dòng)情況。眾多學(xué)者基于此平臺(tái)進(jìn)行了平衡評(píng)估與訓(xùn)練的相關(guān)驗(yàn)證。Roeles等[41]在Caren平衡訓(xùn)練系統(tǒng)上分別測(cè)試了青年和老年2組人員在6種擾動(dòng)模式下步態(tài)平衡的變化，目的是探究哪些類(lèi)型的擾動(dòng)對(duì)步態(tài)平衡的影響最大。Shani等[42]利用CAREN的運(yùn)動(dòng)捕捉系統(tǒng)分別測(cè)試了上坡、下坡和平地的一些常見(jiàn)步態(tài)參數(shù)，并說(shuō)明了如何利用這些參數(shù)對(duì)人體運(yùn)動(dòng)能力進(jìn)行評(píng)價(jià)。

與其他的數(shù)據(jù)采集方法相比，視覺(jué)數(shù)據(jù)采集系統(tǒng)的最大優(yōu)勢(shì)在于其非接觸性，部署也較為便捷，而且隨著算法的更新迭代，其精度和可靠性都達(dá)到了較高的級(jí)別，能夠滿足采集步態(tài)數(shù)據(jù)的要求。

4 數(shù)據(jù)分析方法

由于平衡能力集合了神經(jīng)控制、肌力能力和多感覺(jué)感知等一系列復(fù)雜的生理過(guò)程，對(duì)平衡能力的評(píng)價(jià)與平衡訓(xùn)練數(shù)據(jù)分析的方法，缺乏統(tǒng)一而完善的理論體系。在此介紹國(guó)內(nèi)外常用的平衡數(shù)據(jù)分析方法。

4.1 基于最大李雅普諾夫（Lyapunov）指數(shù)的數(shù)據(jù)分析

4.1.1 最大李雅普諾夫指數(shù)定義

初始誤差：

經(jīng)過(guò)一次迭代之后，誤差如下：

以此類(lèi)推，經(jīng)過(guò)次迭代之后，狀態(tài)偏差：

2個(gè)系統(tǒng)如果初始存在微小的差異，隨著時(shí)間（或迭代次數(shù)）逐漸分離，分離程度常用李雅普諾夫指數(shù)來(lái)度量。令式（1）為：

則

圖14 二維李雅普諾夫指數(shù)變化情況

穩(wěn)定體系的相軌線相應(yīng)于趨向某個(gè)平衡點(diǎn)，如果出現(xiàn)越來(lái)越遠(yuǎn)離平衡點(diǎn)的情況，則系統(tǒng)是不穩(wěn)定的。系統(tǒng)只要有一個(gè)正值就會(huì)出現(xiàn)混沌運(yùn)動(dòng)。

4.1.2 最大李雅普諾夫指數(shù)計(jì)算方法

……

4.1.3 基于最大李雅普諾夫指數(shù)的平衡能力評(píng)估

最大李雅普諾夫指數(shù)常與局部動(dòng)態(tài)穩(wěn)定性（Local Dynamic Stability，LDS）聯(lián)系到一起。作為L(zhǎng)DS的主要衡量指標(biāo)，最大李雅普諾夫指數(shù)在人體步態(tài)平衡和跌倒風(fēng)險(xiǎn)預(yù)測(cè)上被廣泛運(yùn)用。Dingwell等[43]首次將最大李雅普諾夫指數(shù)用于研究人體步態(tài)穩(wěn)定性。Marcel等[44]探究了跌倒歷史和風(fēng)險(xiǎn)與最大李雅普諾夫指數(shù)的關(guān)系，并證實(shí)最大李雅普諾夫指數(shù)與跌倒風(fēng)險(xiǎn)具有相關(guān)性。Bruijn[45-47]等首先探究了最大李雅普諾夫指數(shù)與人體平衡能力和步態(tài)參數(shù)的相關(guān)性，證明了這個(gè)方法對(duì)平衡分析的有效性。同時(shí)深入探究了不同嵌入維度、不同步行速度和不同長(zhǎng)度時(shí)間序列對(duì)最大李雅普諾夫指數(shù)的影響。大量研究和實(shí)驗(yàn)均證明了該方法的有效性。

4.2 生物力學(xué)模型分析

從直觀角度而言，人體平衡能力與重心有很大關(guān)系。基于此理論，計(jì)算出重心位置，并根據(jù)動(dòng)力學(xué)方法判斷人體平衡能力，將是一種有效的研究方法。為此，應(yīng)先對(duì)人體建模。

4.2.1 數(shù)學(xué)模型

目前，應(yīng)用最廣泛的人體數(shù)學(xué)模型為倒立擺模型。倒立擺模型見(jiàn)圖7。該模型的最重要參數(shù)為重心，重心位置在水平面的投影可以根據(jù)壓力中心（Center of Pressure，CoP）的位置確定。

由于壓力中心CoP只能反應(yīng)靜態(tài)平衡時(shí)重心的投影。在動(dòng)態(tài)平衡中，經(jīng)常用推測(cè)質(zhì)心代替重心（Extrapolated Center of Mass，XCoM）。

4.2.2 基于生物力學(xué)的人體平衡研究

5 結(jié)語(yǔ)

現(xiàn)階段的防跌倒步態(tài)平衡訓(xùn)練機(jī)器人，大多直接基于機(jī)器人技術(shù)。外骨骼式步態(tài)訓(xùn)練機(jī)器人重點(diǎn)在于肌力訓(xùn)練與神經(jīng)控制，現(xiàn)階段的踏板式步行訓(xùn)練機(jī)器人側(cè)重于步態(tài)的運(yùn)動(dòng)仿真，而以Caren系統(tǒng)為代表的多自由度并聯(lián)平臺(tái)則側(cè)重于平衡評(píng)估。平衡能力涉及的因素眾多，是一個(gè)復(fù)雜的調(diào)節(jié)過(guò)程。由于針對(duì)的主要目標(biāo)用戶是老年人，由此用戶的個(gè)體差異性很強(qiáng)，不同病癥、不同階段、不同年齡、不同體質(zhì)的用戶，他們的需求千差萬(wàn)別，很難通過(guò)單一的步態(tài)平衡訓(xùn)練系統(tǒng)滿足需求。

需要進(jìn)一步細(xì)分步態(tài)平衡訓(xùn)練機(jī)器人的定位，針對(duì)不同平衡能力的人群展開(kāi)調(diào)研，有針對(duì)性地為解決某一類(lèi)人群的需求進(jìn)行方案設(shè)計(jì)，實(shí)現(xiàn)更為細(xì)分的步態(tài)平衡訓(xùn)練機(jī)器人。例如將主要目標(biāo)人群——老年人用戶劃分為腦卒中患者、肌無(wú)力患者、帕金森患者和阿爾茨海默病患者等，其中，腦卒中患者是平衡訓(xùn)練機(jī)器人最主要的使用者，以腦卒中患者人群為例，可以按階段將其進(jìn)一步劃分為恢復(fù)期和后遺癥期等。在不同的時(shí)期，其平衡能力差別也較大，而且對(duì)于腦卒中患者而言，無(wú)論是在恢復(fù)期還是后遺癥期間，絕大多數(shù)患者的雙腿運(yùn)動(dòng)都表現(xiàn)出很高的不對(duì)稱性和不協(xié)調(diào)性，在機(jī)器人的構(gòu)型設(shè)計(jì)上選擇能實(shí)現(xiàn)單側(cè)腿/腳的康復(fù)訓(xùn)練方案能夠取得更理想的訓(xùn)練效果。進(jìn)一步細(xì)分機(jī)器人的定位，能夠更有針對(duì)性地幫助不同的老年人群體進(jìn)行步態(tài)平衡訓(xùn)練，有望提升老年人群體的平衡訓(xùn)練效果，同時(shí)能夠有效地提升用戶體驗(yàn)，從而提高防跌倒步態(tài)平衡訓(xùn)練機(jī)器人領(lǐng)域的研究水平。

[1] 國(guó)家統(tǒng)計(jì)局. 中國(guó)統(tǒng)計(jì)年鑒2019[EB/OL]. (2019-09- 01)[2021-05-23]. http://www.stats.gov.cn/tjsj/ndsj/2019/ indexch.htm, 2019-09-01.

National Bureau of Statistics. China Statistical Yearbook 2019[EB/OL]. (2019-09-01)[2021-05-23]. http://www. stats.gov.cn/tjsj/ndsj/2019/indexch.htm, 2019-09-01.

[2] 楊艷林, 張紅燕, 廖婷, 等. 我國(guó)老年人跌倒影響因素研究的可視化分析[J]. 上海護(hù)理, 2020, 20(4): 19-24.

YANG Yan-lin, ZHANG Hong-yan, LIAO Ting, et al. Visualization Analysis on Influencing Factors of Falls in Chinese Elderly[J]. Shanghai Nursing, 2020, 20(4): 19-24.

[3] PARK S H. Tools for Assessing Fall Risk in the Elderly: A Systematic Review and Meta-Analysis[J]. Aging Clinical and Experimental Research, 2018, 30(1): 1-16.

[4] 燕鐵斌, 竇祖林. 實(shí)用癱瘓康復(fù)[M]. 北京: 人民衛(wèi)生出版社, 1999: 134-137.

YAN Tie-bin, DOU Zu-lin. Practical Rehabilitation of Paralysis[M]. Beijing: People's Medical Publishing House, 1999: 134-137.

[5] POLLOCK A S, DURWARD B R, ROWE P J, et al. What is Balance? [J]. Clinical Rehabilitation, 2000, 14(4): 402-406.

[6] PENNYCOTT A, WYSS D, VALLERY H, et al. Towards more Effective Robotic Gait Training for Stroke Rehabilitation: A Review[J]. Journal of Neuroengineering and Rehabilitation, 2012, 9(1): 65.

[7] RUNGE M, REHFELD G, RESNICEK E. Balance Training and Exercise in Geriatric Patients[J]. Journal of Musculoskeletal & Neuronal Interactions, 2000, 1(1): 61-65.

[8] RIENER R, LüNENBURGER L, MAIER I C, et al. Locomotor Training in Subjects with Sensori-Motor Deficits: An Overview of the Robotic Gait Orthosis Lokomat[J]. Journal of Healthcare Engineering, 2010, 1: 517674.

[9] Hocoma. Locomat[EB/OL]. (2021-11-08)[2021-01-22]. Http://www.hocoma.com/products/locomat.

[10] YUSA H, TANAKA E, IKEHARA T, et al. Development of a Walking Assistance Apparatus Using a Spatial Parallel Link Mechanism and Evaluation of Muscle Activity[C]// 19th International Symposium in Robot and Human Interactive Communication. Viareggio: IEEE, 2010: 151-158.

[11] SHIBATA Y, IMAI S, NOBUTOMO T, et al. Development of Body Weight Support Gait Training System Using Antagonistic Bi-articular Muscle Model[C]// 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology. Buenos Aires: IEEE, 2010: 4468-4471.

[12] DZAHIR M A M, NOBUTOMO T, YAMAMOTO S I. Antagonistic Mono- and Bi-articular Pneumatic Muscle Actuator Control for Gait Training System Using Contraction Model[C]// 2013 ISSNIP Biosignals and Bioro-botics Conference: Biosignals and Robotics for Better and Safer Living (BRC). Rio de Janeiro: IEEE, 2013: 1-6.

[13] HESSE S, UHLENBROCK D. A Mechanized Gait Trainer for Restoration of Gait[J]. Journal of Rehabilitation Research and Development, 2000, 37(6): 701-708.

[14] SCHMIDT H, HESSE S, BERNHARDT R, et al. HapticWalker: A Novel Haptic Foot Device[J]. ACM Transactions on Applied Perception, 2005, 2(2): 166-180.

[15] ANDRENELLI E, CAPECCI M, DI BIAGIO L, et al. Improving Gait Function and Sensorimotor Brain Plasticity Through Robotic Gait Training with G-EO System in Parkinson's Disease[J]. Annals of Physical and Rehabilitation Medicine, 2018, 61(1): 79-80.

[16] TANAKA N, EBIHARA K, EBATA Y, et al. Effect of Gait Rehabilitation with a Footpad-Type Locomotion Interface on Gait Ability in Subacute Stroke Patients[J]. NeuroRehabilitation, 2022: 1-7.

[17] BO A P L, CASAS L, CUCHO-PADIN G, et al. Control Strategies for Gait Tele-Rehabilitation System Based on Parallel Robotics[J]. Applied Sciences, 2021, 11(23): 11095.

[18] KANE A, THOMPSON N R, SULLIVAN A B. Assessment of Computer Assisted Rehabilitation Environment (CAREN) System Use and Mood in Patients with Multiple Sclerosis[J]. International Journal of MS Care, 2022, 24(2): 63-66.

[19] WITTSTEIN M W, CRIDER A, MASTROCOLA S, et al. Use of Virtual Reality to Assess Dynamic Posturography and Sensory Organization: Instrument Validation Study[J]. JMIR Serious Games, 2020, 8(4): e19580.

[20] 張楠. 基于并聯(lián)運(yùn)動(dòng)平臺(tái)的平衡訓(xùn)練系統(tǒng)的控制與仿真[D]. 哈爾濱: 哈爾濱工程大學(xué), 2009.

ZHANG Nan. Control and Simulation of Balance Training System Based on Parallel Robot[D]. Harbin: Harbin Engineering University, 2009.

[21] 張晟杰. 康復(fù)助行機(jī)器人控制算法研究[D]. 上海: 上海大學(xué), 2021.

ZHANG Sheng-jie. Research on Control Algorithm of a Robotic Walker for Gait Rehabilitation[D]. Shanghai: Shanghai University, 2021.

[22] 胡進(jìn), 侯增廣, 陳翼雄, 等. 下肢康復(fù)機(jī)器人及其交互控制方法[J]. 自動(dòng)化學(xué)報(bào), 2014, 40(11): 2377-2390.

HU Jin, HOU Zeng-guang, CHEN Yi-xiong, et al. Lower Limb Rehabilitation Robots and Interactive Control Methods[J]. Acta Automatica Sinica, 2014, 40(11): 2377- 2390.

[23] 許彧青. 助行康復(fù)機(jī)器人人機(jī)交互設(shè)計(jì)研究綜述[J]. 包裝工程, 2020, 41(8): 1-7.

XU Yu-qing. Human-Robot Interaction Design of Walking Assistance Rehabilitation Robot[J]. Packaging Engineering, 2020, 41(8): 1-7.

[24] AGUIRRE-OLLINGER G, COLGATE J E, PESHKIN M A, et al. Control of a Lower-limb Assistive Exoskeleton[C]// 2007 IEEE 10th International Conference on Rehabilitation Robotics. Noordwijk: IEEE, 2007: 188-195.

[25] BERNHARDT M, FREY M, COLOMBO G, et al. Hybrid Force-position Control Yields Cooperative Behaviour of the Rehabilitation Robot Lokomat[C]// 9th International Conference on Rehabilitation Robotics, 2005. ICORR. Chicago: IEEE, 2005: 536-539.

[26] TAN Ren-peng, WANG Shuo-yu, JIANG Yin-lai, et al. Adaptive Controller for Motion Control of an Omni- directional Walker[C]// 2010 IEEE International Conference on Mechatronics and Automation. Xi'an: IEEE, 2010: 156-161.

[27] 劉波. 床式下肢康復(fù)訓(xùn)練機(jī)器人控制方法研究[D]. 蘇州: 蘇州大學(xué), 2017.

LIU Bo. The Control Method Research of the Bed-Type Lower Limb Rehabilitation Robot[D]. Suzhou: Soochow University, 2017.

[28] GHISLIERI M, GASTALDI L, PASTORELLI S, et al. Wearable Inertial Sensors to Assess Standing Balance: A Systematic Review[J]. Sensors (Basel, Switzerland), 2019, 19(19): 4075.

[29] 睢少坤. 人體重心檢測(cè)方法研究及系統(tǒng)實(shí)現(xiàn)[D]. 保定: 河北大學(xué), 2015.

SUI Shao-kun. Detection Method and Equipment Implementation for Human Body Center of Gravity[D]. Baoding: Hebei University, 2015.

[30] NASHNER L M, PETERS J F. Dynamic Posturography in the Diagnosis and Management of Dizziness and Balance Disorders[J]. Neurologic Clinics, 1990, 8(2): 331-349.

[31] JUNG M, STEEVES E. Effects of Virtual Reality Based Physical Therapy Interventions on Balance and Gait Performances of Chronic Hemiparetic Stroke Patients - a Literature Review[J]. International Medicine, 2019, 1(2): 1.

[32] BOZBA? G T, GüRER G. Does the Lower Extremity Alignment Affect the Risk of Falling? [J]. Turkish Journal of Physical Medicine and Rehabilitation, 2018, 64(2): 140-147.

[33] SCHEPERS M, GIUBERTI M, BELLUSCI G. Xsens MVN: Consistent Tracking of Human Motion Using Inertial Sensing[J]. Xsens Technol: 2018, 7 (25): 1-8.

[34] LIU Juan, ZHENG Ya-wen, WANG Ke, et al. A Real- Time Interactive Tai Chi Learning System Based on VR and Motion Capture Technology[J]. Procedia Computer Science, 2020, 174(1): 712-719.

[35] HOBERT M A, MAETZLER W, AMINIAN K, et al. Technical and Clinical View on Ambulatory Assessment in Parkinson's Disease[J]. Acta Neurologica Scandinavica, 2014, 130(3): 139-147.

[36] HORAK F, KING L, MANCINI M. Role of Body-Worn Movement Monitor Technology for Balance and Gait Rehabilitation[J]. Physical Therapy, 2015, 95(3): 461-470.

[37] 唐增, 孟明, 孫曜, 等. 基于多模態(tài)信息的平衡能力評(píng)估方法[J]. 杭州電子科技大學(xué)學(xué)報(bào), 2013, 33(6): 111-114.

TANG Zeng, MENG Ming, SUN Yao, et al. Methods of Balance Capacity Assessment Based on Multi-Modal Information[J]. Journal of Hangzhou Dianzi University, 2013, 33(6): 111-114.

[38] 岳宗曉. 基于多傳感器信號(hào)融合的人體平衡分析研究[D]. 鄭州: 鄭州大學(xué), 2019.

YUE Zong-xiao. Research on Human Balance Analysis Based on Multi-Sensor Signal Fusion[D]. Zhengzhou: Zhengzhou University, 2019.

[39] LAI C L, HUANG Ya-ling, LIAO T K, et al. A Microsoft Kinect-based Virtual Rehabilitation System to Train Balance Ability for Stroke Patients[C]// 2015 International Conference on Cyberworlds (CW), Visby: IEEE, 2015: 54-60.

[40] JUNATA M, CHENG K C C, MAN H S, et al. Development and Evaluation of a Kinect-Based Rapid Movement Therapy Training Platform for Balance Rehabilitation[C]// 2018 40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Honolulu: IEEE 2018: 2345-2348.

[41] ROELES S, ROWE P J, BRUIJN S M, et al. Gait Stability in Response to Platform, Belt, and Sensory Perturbations in Young and Older Adults[J]. Medical & Biological Engineering & Computing, 2018, 56(12): 2325-2335.

[42] KIMEL-NAOR S, GOTTLIEB A, PLOTNIK M. The Effect of Uphill and Downhill Walking on Gait Parameters: A Self-Paced Treadmill Study[J]. Journal of Biomechanics, 2017, 60: 142-149.

[43] DINGWELL J B, CUSUMANO J P, STERNAD D, et al. Slower Speeds in Patients with Diabetic Neuropathy Lead to Improved Local Dynamic Stability of Continuous Overground Walking[J]. Journal of Biomechanics, 2000, 33(10): 1269-1277.

[44] TOEBES M J P, HOOZEMANS M J M, FURRER R, et al. Local Dynamic Stability and Variability of Gait are Associated with Fall History in Elderly Subjects[J]. Gait & Posture, 2012, 36(3): 527-531.

[45] BRUIJN S M, VAN DIE?N J H, MEIJER O G, et al. Statistical Precision and Sensitivity of Measures of Dynamic Gait Stability[J]. Journal of Neuroscience Methods, 2009, 178(2): 327-333.

[46] BRUIJN S M, TH TEN KATE W R, FABER G S, et al. Estimating Dynamic Gait Stability Using Data from Non-Aligned Inertial Sensors[J]. Annals of Biomedical Engineering, 2010, 38(8): 2588-2593.

[47] BRUIJN S M, MEIJER O G, BEEK P J, et al. Assessing the Stability of Human Locomotion: A Review of Current Measures[J]. Journal of the Royal Society, Interface, 2013, 10(83): 20120999.

[48] SUGANDHI K, RAJU G. An Efficient Hog-centroid Descriptor for Human Gait Recognition[C]// 2019 Amity International Conference on Artificial Intelligence (AICAI). Dubai：United Arab Emirates. IEEE, 2019: 355-360.

[49] HAK L, HOUDIJK H, STEENBRINK F, et al. Speeding Up or Slowing Down? Gait Adaptations to Preserve Gait Stability in Response to Balance Perturbations[J]. Gait & Posture, 2012, 36(2): 260-264.

[50] HOF A L, GAZENDAM M G J, SINKE W E. The Condition for Dynamic Stability[J]. Journal of Biomechanics, 2005, 38(1): 1-8.

[51] HOF A L, VAN BOCKEL R M, SCHOPPEN T, et al. Control of Lateral Balance in Walking[J]. Gait & Posture, 2007, 25(2): 250-258..

[52] MADEMLI L, ARAMPATZIS A, KARAMANIDIS K. Dynamic Stability Control in Forward Falls: Postural Corrections after Muscle Fatigue in Young and Older Adults[J]. European Journal of Applied Physiology, 2008, 103(3): 295-306.

[53] 金晟. 基于腦功能網(wǎng)絡(luò)特征的人體平衡能力評(píng)估研究[D]. 杭州: 杭州電子科技大學(xué), 2020.

JIN Sheng. Research on Evaluation of Human Body Balance Ability Based on the Feature of Brain Function Network[D]. Hangzhou: Hangzhou Dianzi University, 2020.

Development Status of Anti-fall Gait Balance Training Robot

CHEN Dian-sheng, SHEN Zhen-yang, YIN Hu

(Beihang University, Beijing 100191, China)

This paper introduces the main progress of research on anti-fall gait balance training robots at home and abroad, and provides reference ideas for the research of anti-fall gait balance training rehabilitation robots and other fields of medical-industrial integration. The latest progress in the research of lower limb assisted rehabilitation robot is mainly summarized from four aspects, including: robot configuration; mechanism control strategy and algorithm; gait data collection method and gait data analysis method. In the current research, the market positioning of robots is a challenge faced by the current academic community. At present, various mainstream solutions have different focuses and different user segments. However, the main target group, the elderly, has strong user differences, so users have high personalized training needs. In the future, it is necessary to further refine the positioning of the gait balance training robot to meet the personalized training needs of different users at different stages in different situations, which is expected to improve the overall level of gait balance training robots.

gait balance training; gait data; rehabilitation robot; balance capability assessment

TB472

A

1001-3563(2022)12-0075-12

10.19554/j.cnki.1001-3563.2022.12.008

2022–01–26

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2019YFB1311404）

陳殿生（1969—），男，博士，教授，主要研究方向?yàn)榉?wù)機(jī)器人。

尹虎（1974—），男，碩士，副教授，主要研究方向?yàn)楫a(chǎn)品設(shè)計(jì)和交互設(shè)計(jì)。

責(zé)任編輯：陳作