Sensors：英国巴斯大学自主机器人中心——可穿戴辅助机器人：当前挑战和未来发展趋势

作者简介

Uriel Martinez-Hernandez 博士

英国巴斯大学

英国巴斯大学电子电气工程系研究员、谢菲尔德机器人实验室客座研究员。其研究课题为机器人、自主系统和机器学习，包括自主机器人的触觉和视觉感知、自主机器人中的学习和运动控制、多模式人机交互与协作、可穿戴辅助机器人的意图识别与用于远程呈现和远程控制的可穿戴机器人。现已在其国内、国际期刊和会议上累计发表论文20余篇。

文章导读

可穿戴辅助机器人技术，对于帮助先天具有或后天导致感知运动障碍的人群开展和恢复正常生产生活活动具有极大的应用潜力与价值。该技术将可穿戴机器人作为外骨骼、矫形器和假肢等供人体佩戴。因为它们需要与人体密切互动，所以对安全、可靠、智能、合规、轻便、舒适等方面都具有较高的要求。目前，多模态可穿戴传感器、软材料和混合材料、驱动系统、数据融合与机器学习以及机器人架构等多种技术的进步推动了可穿戴辅助机器人技术的多元化发展。

来自英国巴斯大学电子工程系和自主机器人中心的 Uriel Martinez Hernandez 博士及其团队在 Sensors 期刊发表了题为“Wearable Assistive Robotics: A Perspective on Current Challenges and Future Trends”的文章，对可穿戴辅助机器人这一新兴技术相关研究进行了综述性总结和讨论。作者首先详细介绍和总结了可穿戴辅助机器人中常用的材料、传感技术、机器学习应用等方面；然后归纳了这一技术当前面临的各种挑战；最后预测了可穿戴辅助机器人技术未来的发展趋势。

图1. 典型的可穿戴辅助机器人。

研究内容

可穿戴辅助机器人技术综述

技术材料：可穿戴辅助机器人通常由刚性、柔软或混合材料制成，如图2所示。刚性和半刚性材料强度较高，常用于开发外骨骼，但往往体积庞大、笨重、价格昂贵且舒适度较差；柔性材料制成的辅助机器人往往更轻、更舒适但应用场景有限。

图2. 穿戴辅助机器人：(a) 刚性材料运用；(b) 柔性材料运用。

可穿戴传感技术：柔性电子和材料的快速发展使开发用于监测人体状态的先进可穿戴传感器与辅助机器人成为可能。已有许多传感器在人体健康监测中得以应用，如图3所示。无线通信技术、低功率电子设备、软材料和物联网 (IoT) 等技术的进步使可穿戴传感器变得体积更小、更轻便且感应和传输的范围更广。

图3.可穿戴传感器。

可穿戴辅助机器人中的机器学习：机器学习 (Machine Learning, ML) 可帮助辅助机器人实现智能感知和决策。传统的机器学习方法包括支持向量机 (Support Vector Machines, SVM)、随机森林 (Random Forests, RF)、贝叶斯推理、决策树 (Decision Trees, DT)等。深度学习方法主要基于神经网络 (Neural Network, NN) 架构，包括多层感知器 (Multilayer Perceptron, MLP)、卷积神经网络 (Convolutional Neural Network, CNN) 和循环神经网络 (Recurrent Neural Network, RNN)。传感器融合不属于 ML 方法，但它可以为后续的 ML 过程提供更好的输入数据显示，并有利于提高结果的确定性、准确性和完整性。

可穿戴辅助机器人当前面临的挑战

(1) 使设备适应其操作环境中的变化，这种变化可能包括用户习惯、使用场景、个人偏好和外界环境变化等。

(2) 辅助机器人需要完成从理想实验室环境到真实环境的应用，以满足人们的日常使用需求。

(3) 开发具有多模式监测功能且重量轻、功耗低、电池寿命长的可穿戴传感设备。

可穿戴辅助机器人的未来发展趋势

(1) 混合可穿戴辅助系统：通过由刚性和柔性材料混合制造的方法完成机器人设计，满足结构轻巧的同时可适应并提供人体所需的扭矩，也更能满足嵌入多种传感技术的需要，以便获取更丰富、更大的数据集来研究新机器学习和控制方法。

(2) 对用户的学习和适应性：研究和开发能够学习并适应用户与周围环境变化的辅助机器人，可以安全地对看不见或意外的事件/数据做出反应，还可以适应不同以及不断变化的周围环境。

(3) 数据集和标准：数据集和标准是新机器人伦理发展的两个关键。需要制定与临床需求相关的稳健可靠的数据集收集标准，以便研究人员复现数据的采集和分析。

研究结论

本文对可穿戴辅助机器人技术提出了一系列需求，以保障辅助设备的可靠、高效、安全和舒适，其中轻量化、便携及易于穿脱是保障用户使用舒适性的关键。具有节能驱动和控制系统的刚柔性材料混合制造是机器人设计的最佳方法；传感技术和计算方法仍然需要提高对日常生活中未知数据和意外运动行为的适应；辅助系统需要具备持续学习并自适应用户和环境的能力；自主学习能力，合理的法规、伦理约束，稳健的数据集采集和共享，包括临床医生和患者的参与程度，都会影响可穿戴辅助机器人技术的未来发展。