外骨骼之人体行走的研究

缘起

我的研究生课题是下肢外骨骼相关，所以想通过写博客来记述研究过程以及其中的思考，以防时间长了忘记。

行走，是我们日常生活中最最普通的运动之一。然而这最最普通的运动，却包含了大量的运动学以及动力学信息。人类借助其独一无二的驱动系统（骨骼、肌肉），绝无仅有的感知系统（感官），无与伦比的控制系统（大脑），举世无双的信号传输系统（生物神经网络），盖世无出其右的能源系统（碳水化合物），这样无敌的先天条件，才使行走如行云流水，见山爬山，遇水涉水，上能与嫦娥赏月，下可和蛟龙捉憋，才能这样得活蹦乱跳。什么BostonDynamics神一样的Handle、Atlas, 和我们具有的运动能力、学习思考能力等等相比，简直就是渣渣（玩笑）。

行走的研究在机器人领域主要用于外骨骼以及腿足机器人领域（像送快递的Cassie ).。废话不多说，下面直入主题。

步态

对行走的研究，学术上叫步态，英文名称Gait Analysis。

维基百科是这样定义的：步态分析是对动物运动的系统性研究，尤其是人类运动。观察者利用眼睛和大脑，并由仪器辅助，来测量身体运动学、动力学以及肌肉活动。步态分析被用来评估和治疗因各种原因导致的行走能力缺陷。它还常被用在运动生物力学中来帮助运动员更高效的跑步，或者受伤人员的运动相关问题。研究包括：量化（步态可测量参数的分析）、解读、得出结论（健康、年龄、体重、速度、Size）。

在这里先晒出一张步态分析图，以防以后自己没有兴趣读下去……而且这张图很好，饼状图适合步态这样的周期性运动。

先来稍微解释一下这张饼图，先来看右上角图例
红色的SSP：Single Support Phase 是单足支撑相
蓝色的DSP：Double Support Phase是双足支撑相，这里的SSP和DSP的划分是从两条腿一起考虑的情况

饼图有两个圆圈，外圆是左腿步态图，内圆是右腿的步态图。圆圈上的蓝色箭头以及红色箭头是从一条腿的角度来划分的Stance Phase（站立相）、Swing Phase(摆动相)。我们看到两个圆圈上都有Percent%的周期进程标注，并且左右腿的相位相差50%.

为简单起见，我们先以右腿一条腿为例，分析一下行走这一过程。图中 以HCt^R(Heel Contact Right下省略R标注)脚跟触地事件为步态周期的起点（内圈0%），经过12%，到达脚放平的状态FLn (Foot Landing)，再接下来是身体重心明显向右腿移动的一个过程，这个过程称为加载响应LRs（Load Response）,再接下来主要是右腿推动身体前进的过程，称之为中期站立MSt（Middle Stance）,再接下来脚跟抬起，进入站立相末期TSt（Terminal Stance）,直至脚尖离地事件TOf（Toe Off）发生。摆动相的划分就不细说了，分为预摆动PSw（PreSwing）、初始摆动ISw(Initial Swing) ,中期摆动MSw（Middle Swing）,摆动末期TSw(Terminal Swing),其中PSw和TSw分别是两个事件(时刻)，分别等于TOf和HCt，其他是过程。摆动相的划分可以根据脚平面的角度、膝关节角度、另外一条腿的相位来进行划分。左腿的过程如出一辙，但是相位有所差别。在来看一下Stance Phase和Swing Phase的占比，分别是62%和38%

再来从两条腿的角度说行走，这时主要分为DSP和SSP，因为人的行走不可能腾空，总要有支撑。DSP开始于一条腿的HCt，结束于后一条腿的TOf。DSP结束是SSP或者Swing Phase的起点。Swing Phase 的结束是DSP的起点。Swing Phase和SSP 代表了相同的运动模式，占比40%，剩余的60%代表了相同脚的Stance Phase。DSP发生在Stance Phase的开始端和结束端，每次的占比为10~12%，前提条件是比较慢的步行。当提高步行速度时，DSP占比下降，当跑起来后，DSP消失。在两个DSP中间是LRs、MSt,而另一只脚是Swing Phase。

再来理一下单腿的步态相位，分别是ICt --> LRs --> Mst --> TSt --> PSw --> ISw --> MSw --> TSw。虽然年龄、身高、性别等导致每个人的步态特性有些许差异，但行走步态的基本模式是一样的。在正常情况下，行走的平均舒适速度是2.2-2.8km/h , 平均步幅(Stride)长度约70-82cm , 平均步幅(Stride)宽度是7-9cm.平均步数是90~120/min.平均步幅周期是0.8-1.2s.

看到这里可以去看我的第二篇关于外骨骼的博客，因为下面的内容我觉得对于外行会有点无聊。

步态周期中的肌肉活动

Stance Phase是步态周期中的主要部分，因为此时身体靠单腿平衡，触地的肢体支撑人的整体重量，把身体向前推进，并保持摆动腿的运动方向。在这一过程当中，5块肌肉被激活来防止支撑腿的弯曲，分别是

1. 腓肠肌和比目鱼肌： MSt --> Heel Strike (Function time)
2. 臀大肌 ： Heel Strike --> MSt
3. 臀中肌和臀小肌： Heel Strike --> TOf
4. 腘绳肌(大腿后侧一系列肌群的统称): MSw --> Heel Strike
5. 髂腰肌和内收肌： TOf --> MSw
6. 四头肌: Heel Strike --> MSt 和 TOf --> MSw
7. 胫骨前肌和腓骨肌群：Heel Strike -->FLn 和 TOf–> Heel Strike

Primary activity group	Involved muscles
Shock absorbers (during weight loading)	Quadriceps, dorsiflexors
Stabilizers (during stance phase)	Gluteal muscle group, tensor fascia lata, erector spinae.
Foot lift off (while weight unloading)	Flexor digitorum longus, flexor hallucis longus, gastrocnemius, peroneus longus and brevis, soleus, tibialis posterior.
Accelerators (during weight unloading)	Adductor longus and magnus, iliopsoas, sartorius
Foot controllers (during swing phase)	Extensor digitorum longus, extensor hallucis longus,tibialis anterior
Decelerators (during swing phase, MSw toTSw.)	Gracilis, semimembranosus, semitendinosus, biceps femoris.

步态子相详述

ICt

ICt发生在脚跟和行走表面接触的时刻，在水平行走的条件下，脚大概呈约20°。在这个事件当中，能量被消耗来吸收脚跟的冲击。在脚跟触地事件时，后脚呈现出TSt特性。这个HCt是第一个DSP的起点。

FLn

接下来是FLn , 在HCt之后是脚背快速放平的过程。这个子相将身体向前推动，并且描述了从后脚到前脚的负载交换情况。在这一相当中，后脚表现出从TOf到PSw的过渡模式。第一个DSP结束于这一相，开始了第一个SSP。

LRs

LRs开始于足与地面的全接触时刻。在这一相当中，能量被消耗来保持身体平衡和推进。后腿处于ISw，同时后腿宽屈曲，膝屈曲，踝关节背屈。

MSt

MSt阶段，腿将承担整个身体的重量。在这一相当中，身体大约和前脚对齐。后肢在快速超过静止腿，同时踝关节背屈反映MSw相。

TSt

TSt结束第一个SSP并开始第二个DSP。在这一阶段，摆动腿足跟触地前进结束，静止腿变为后面的。身体向前移动并且后脚的踝背屈，脚跟开始抬起。TSt同时是摆动腿的TSw和HCt。

TOf

TOf是第二个DSP的结束，也是单腿Stance Phase的结束，PSw的开始。在这一阶段，后腿展示出踝趾屈，膝屈曲，髋伸展并且保持推离的动作来推进身体前进。另一条腿表现出FLn,以支撑身体全部重量。

ISw

在ISw中，髋关节屈曲，膝关节屈曲增加并且踝关节背屈。在这一模式中，腿被抬起，肢体开始向前摆动并加速。另外一条腿反应了LRs。

MSw

MSw中，髋持续屈曲，膝持续伸展，踝持续背屈。摆动腿前进，身体重量由站立脚承担。另外一条腿表现出MSt。

TSw

TSw是下一步态周期的开始。这一相开始于胫骨几乎垂直的位置，并在足部减速击打地面时结束。在这一阶段，膝关节伸展结束。髋关节保持屈曲位置，踝关节保持背屈。另外一条腿表现出TSt.

步态的CoP-CoM

CoP : centre of Pressure 压力中心
CoM : Centre of Mass 质量中心 （Com位于髋关节线中点并在第二骶椎的前方）

由于人体质心不容易测量，所以我在这里给出论文里的结论图片。

图片中CoM轨迹相对前进的直线轨迹而然呈正弦曲线，幅值约5cm。CoP位于鞋上的压力中心。CoM在侧向和垂直方向偏离运动的直线方向，并具有正弦状位移。对成年男性而言，这种位移平均为5cm。在MSt相Com达到高度和侧向的极值。CoM垂直偏离的最低点发生在DSP。CoM不会超过CoP。

步态的起始和结束

无论步态的起始或是结束，都需要以不同的方式走半步，对起始而言是从静止站立到连续周期的半步，步态结束与此相反。在步态的起始阶段，需要两步来达到上图中稳定的CoP-CoM跟踪模式。Gait Initial发生在CoM和CoP的解耦，这导致了CoM朝站立腿向前加速（原文At the initiation of walking, it requires two steps (half step and a continuous step) to comply with the steady state CoP-CoM tracking pattern, shown in Fig. 2. GI starts with the decupling of the CoM and CoP which induced forward acceleration of CoM towards stance leg.这里的decupling 可能是拼写错误，可能翻译不对，遂贴出原文）。在此时，摆动腿的脚趾推离发生，并且CoP向后移动一点到站立脚，并且持续地朝着预定义的脚跟接触点HCt。GI 终止与摆动腿的HCt,这是稳定步态周期的开始。
GT(Gait Terminal)解释了摆动腿推离作用的减少，站立脚制动力的增加，和在Final Step中CoM的减速。有必要知道，由于步行速度、立刻或有计划的结束而不同。CoM的快速改变如，变向或者减速可能造成伤害。因此，站立脚的主要职责是产生必要的可控的制动力来使CoM和CoP变稳定并保持安静的站立姿势。GT同样需要两步来完成这一任务。Ryckewaert 等人把GT表示为三相。首先，CoP先前移动超过CoM并保持在站立脚的接触表面。在这种条件下，GRF造成矢状面内的制动过程。第二，CoP的横向位移与制动力有关。第三，CoM和CoP位置的调整保证了到达安静的站立姿势。

地面支反力GRF

所谓的GRF是在步行中和足部施加到地面的力大小相等、方向相反的力。上图显示了左肢体站立相的三个阶段，GRF具有三个分量：VGRF、AGRF/PGRF、MGRF/LGRF。GRF是在行走中作用在人体的外部力。
在缓慢速度的行走中VGRF的行为表示在图3b。VGRF可有牛顿定律进行计算，其中合力被表示为GRF和重力的矢量和。等式2表示了z向GRF的标量形式，其中g作用在相反方向。

在慢速（speed <4.7-5.2 km/h）行走中，VGRF显示出两个显著的峰值。第一个峰值发生在步态周期0%~20%同时CoM向下 (GRF = M（az + g)），这处于脚跟触地之后的时间。20%-40% VGRF减少身体重量约5-20% (GRF < M（az + g)），这是由于CoM的弱阻尼行为。第二个峰值发生在40-60%。第二个峰值代表了脚趾的推离作用，这导致了VGRF的增加。对快速行走( speed > 4.7–5.2 km/h)，可能存在额外的突然峰值，这是由于脚跟触地的冲击峰值。在这种冲击期间（在步态周期的0％和10％之间），力量消耗在人类肌肉骨骼系统中的关节，肌肉，肌腱和韧带。 在机械系统中，减震器结合了缓冲筒和弹簧来消耗冲击力并缓冲震动（In mechanical system, shock absorber works with the combination of dashpots and springs in order to dissipate the impact force and damp vibration.）。
侧向和前后的GRF同样值得研究。侧向GRF出现在从HCt到FLn的早期站立平面，接着Medial GRF 从FLn持续到站立相结束。M/LGRF和A/PGRF由以下两篇论文详细研究。^{1 2}

肌肉激活程度（Muscle activation）

人类骨骼肌肉的基本功能是和物理环境交互，即平衡身体、产生正常的运动，特别是行走和跑步。28块主要肌肉的协同作用控制躯干和肢体的方向、位置并产生必要的力来平衡重力和推动身体，以及优化能量消耗。为了测量运动时的肌肉激活程度，常规做法是使用表面电极存储动态EMG数据，这对研究正常或者病理运动策略是必要的。肌肉激活程度和时间的测量是在临床步态分析中的宝贵信息，因为肌肉的开关模式加上动力学和运动学信息将给在运动时检验肌肉性能和角色提供便利。（Determination of muscle activation and timing are also the valuable information needed in clinical gait analysis as the on-off pattern of muscles together with kinetic and kinematic information will provide the facility to examine muscles performances and roles in accomplishing motor functions）。表面电极获得的电信号不仅受活动肌肉的电激活的影响，还受活动肌肉与表面电极之间组织的电特性的影响。在这种情况下，肌肉在动态活动时的开关特性是从表面电极获得的唯一可靠信息。图4显示了一种双阈值技术，用于确定特定肌肉的肌电图信号的active和silent(on-off开关)状态，其中，第一阈值设置为辅助时间序列样本的振幅，第二阈值设置为滑动窗口内样本的数量。图5显示了16名年轻健康受试者肌肉活动状态的统计分析结果，比较了在水平行走过程中肌肉活动的比例(肌肉活动的比例)和步幅的比例。

Gait Analysis中常用的技术

本着开阔眼界的目的，再列出一些常用技术，这里基本靠谷歌翻译的。

1.独立系统

a.运动捕捉相机

已建立的步态分析技术之一是使用运动捕捉相机。 尽管许多研究人员正在尝试在人类步态的表征，表征和识别方面建立各种策略，但从图像序列中提取有针对性的合适特征确实是一项具有挑战性的工作。目标特征可以是行走期间的关节位置，关节运动轨迹和关节角度变化。 可以在有或没有任何标记附着在人体上的情况下分析步态运动。该技术可用于人体步态的2D或3D分析。 单个相机通常用于获取用于2D分析的数据。在这种情况下，相机与受试者的感兴趣平面平行放置。 这种技术的局限之一是平面外运动，导致分析异常输出。使用跑步机行走可以克服这个问题。 对于3D分析，需要多个摄像机进行复杂设置，因为观察应该集中在所有运动平面上。由于3D分析需要始终重建对象上的兴趣点，因此每个时刻至少两个摄像机应该可以看到这些点。在使用标记时，应该在重建运动之前从捕获的数据中消除肌肉骨骼系统上的皮肤运动伪影。对于相机的使用，当受试者处于正常步行速度时，60 Hz足以进行运动学分析。但是对于更快的运动，它需要增加数据采样率的频率，其中需要额外的照明机制。使用相机的另一个挑战是视角和焦距限制了捕捉体积的大小。

b.光电系统

人体步态分析的另一种技术是众所周知的，其中主动或被动标记与人体感兴趣的点相连。这些标记点由光电系统跟踪，该光电系统将来自标记的发射或反射光信号转换成电信号。 信号用于构建步态分析模型。 有源标记发出光信号，其中小LED可用于与受试者的感兴趣点连接。另一方面，无源标记反射来自光电子设备的光，其中红外（IR）光用于照亮标记。虽然光电系统的采样率在50Hz到1KHz的范围内变化， 对于快速移动而不是慢速行走，它并没有显着提高准确性。一些光电设备，如Kinect传感器，使用相机和深度传感器阵列来生成用于步态分析的骨骼的3D虚拟模型。该系统已经在多项研究中得到应用，最重要的是用于临床应用，并取得了一些良好可靠的结果。

c.惯性系统

惯性系统将加速度计和陀螺仪一起累积，并按惯性测量原理工作。加速度计和陀螺仪提供附加点的加速度和方向数据，通过该数据可以实现分段加速度，分段定向和关节位置以进行步态分析。加速度计和陀螺仪的采样率相同，从100 Hz到10 KHz不等。三轴加速和回转功能提供了分析3D环境中人体运动的设施。传感器体积小，重量轻，能够检测大范围的角速度和加速度。具有集成惯性传感器的智能手机和便携式媒体设备的使用展现了步态分析和监控的新维度。使用该系统的缺点是皮肤运动伪影会影响加速度和回转的读数。识别段长度和精确旋转轴也是一项具有挑战性的任务。此外，加速度随惯性测量单元（IMU）系统的位置不同而不同。

d .电测角计( Electrogoniometer)

电子测角仪（EGM）是一种用于测量关节运动角度的机电仪器，也可用于步态分析。 基本上使用两种类型的EGM，例如电位EGM（pEGM）和柔性EGM（fEGM）。 对于pEGM，在两个臂的关节旋转轴处使用电位计。 这些臂通常与肌肉骨骼系统的特定关节的两个部分连接，尤其是在下肢的膝盖处。 捕获行走时膝盖运动信息的主要挑战是将膝关节轴与系统关节轴共同关联。 为了提供这种设施，在具有肢体段的仪器的附接点处需要一些灵活性。这个问题可以在fEGM系统中克服，因为柔性弹簧换能器和光纤用于具有固定端和伸缩端块的fEGM系统中。对于两个系统（pEGM和fEGM），当腿移动时，EGM将机械信号转换为电信号。该系统的缺点是：只能对一个平面测量角度运动，并且关节轴需要精确校准。此外，该器械佩戴起来不舒服并且很难与具有多于一个自由度（DoF）的关节（如髋关节或踝关节）配合。研究表明，虽然该系统可以为肘关节产生良好的效果，但在膝关节使用时并没有显示出相同的优质数据。

部分独立系统

a.步态垫/压力垫(Gait mat/pressure mat)

步态垫是一种特殊的地毯，其中嵌入了传感器的布置。垫的几何形状是预先确定的，并且垫的传感器能够在行走时感测脚接触以及GRF。 步态垫和压力垫的使用几乎类似于力板。便携性，低成本和具有主体的非主动附件是使用该系统的优点。 最重要的是，该系统提供了足部接触，步长和步幅，分布压力和GRF的良好数据集。 由于传感器的尺寸有限，这些系统的局限性在于传感点的分辨率。更重要的是，增加的分辨率将降低扫描速率并提高系统的处理能力。

b.Force shoes

诸如力敏电阻器（FSR）的力传感器以这样的方式布置在鞋底中，使得可以测量分布的足压。 由于GRF始于脚跟接触点并在脚趾附近终点，因此力鞋可以为步态分析提供良好的数据集。在这种情况下，FSR传感器可能不足以测量三轴力和力矩信息。 附接在脚跟和前脚区域的平行力传感器技术可以为运动动态分析提供可靠的数据集。 Force Shoes数据还需要与肢体运动学数据相结合，以便理解和表征人类运动。

c.Magnetic system

在该技术中，铁磁标记物与受试者体一起使用。 在实验区域中，磁系统产生的磁场被标记所阻挡，并且三维传感器感测失真点，以分析标记的运动模式，从而导致主体的运动分析。其中一个优点是 使用这种技术是磁系统不会影响是否发生视线困难.6DoF运动信息可使用测系统获得和分析。 另一方面，磁性系统很容易被测量体积内使用的磁性材料扭曲。 此外，系统响应受限（30 Hz），低于高保真度分析所需的数据采集速率。系统不适合使用，不推荐用于步态分析。

d.声学测量系统

在该技术中，超声脉冲技术用于确定运动的位置。 该技术支持内向外和内向外技术，具体取决于发射器与主体的位置或固定在分析的设置区域内。超声波传感器使用通过应用速度发送和接收反射波信号所花费的时间 通过空气传播的声音。该传感器系统的测量范围从1.7厘米到450厘米不等。 由于噪声和校准复杂性，该系统可能无法提供准确的位置信息。 此外，还需要清晰的视线。 如果在脚跟位置使用以测量脚跟接触和走路时的关闭时刻之间的地板和脚跟之间的距离，则该系统可能是有用的。 此外，该系统可以显示其对颠簸或不均匀的表面行走和上下楼梯的有用性。

非独立系统

a.Force plates mechanism测力板

该技术由在板的每个角处具有测力传感器（最常见）的金属板组成。该机制用于测量由实验的站立或移动主体引起的GRF .力板的形状可以根据诸如正方形或三角形的设计而变化。力板中使用的传感器（电阻式，电容式或压电式，压阻式，应变式等）也可以根据压力范围，灵敏度和线性度而变化。力板机构提供了测量在板上及其方向上引起的力的设施。当力板放置在地面上的固定位置时，可以容易地计算出主体的CoP，但是对于长轨道，它可以导致成本增加。此外，可能无法正确遵循将脚踏板放置在板上的合适位置，这可能导致CoP点的错误计算。从足板捕获的数据应与肢体运动学信息相结合，以分析步态的原理。

b.EMG

肌电图（EMG）用于测量肌肉在行走或其他运动时收缩时产生的微弱电信号.EMG有两种类型：表面肌电图（sEMG）和肌内肌电图（iEMG）。 与iEMG相比，sEMG更容易使用，因为第一个使用皮肤上的电极，第二个使用插入深部肌肉的细线。但是，sEMG产生的电信号效率低于iEMG。 有两种类型的sEMG：被动和主动。 主动sEMG在电极侧提供信号放大，降低信号噪声。由于肌肉骨骼肌有责任产生骨骼系统的运动以维持移动，因此如果结合其他系统，肌电信号可能应用在运动和步态分析领域。

c.EEG

人类大脑在控制人类步态的和谐方面执行最复杂的工作。因此，研究脑信号的行为模式以及与步态活动的各种动作相关的肌肉功能的相关性是非常重要的。涉及脑计算机接口的技术取决于脑电信号的采集，数据处理，解释和学习。在那种情况下，使用具有分布电极的EEG帽捕获脑电图（EEG）。基本上使用两种类型的电极，凝胶和干燥，其中设计干EEG帽以期望合适地获取EEG信号。捕获EEG信号的目的是将脑神经元计算机接口（BNCI）中的信号模式分类以控制机械参与步态康复，增强和训练。在机器人辅助步态训练期间监测EEG信号也是必要的，因为如果大脑神经活动由于缺乏协同操作或刺激而变得空闲，则训练可能对康复施加负面影响。

混合技术

混合机制是步态分析中最近的焦点，其中多个传感器技术组合在一个系统中。 M3D步态分析系统使用附有手腕，背部，大腿和小腿的运动传感器。该系统还在鞋后跟和脚趾位置使用M3D力板，在三个正交轴上提供力和力矩的信号。对于数据通信和传输，混合系统采用无线网络技术.M3D力板尺寸相对较小，并结合了加速度计，三轴陀螺仪传感器和三轴地磁传感器.估计关节力矩与使用混合光学运动分析策略的其他商业系统相比，下肢动力学分析，与可穿戴力传感器相结合的车身安装运动传感器显示出良好的结果.本研究使用实验室设计的多轴力传感器进行并行测量GRF和人体动力学分析中的时刻。智能服装技术是人体步态分析的另一个维度，需要有关纺织材料，智能传感器和传感器网络的知识。全身运动捕捉套装（例如：Xsens MVN）易于使用，可能具有成本效益，可用于室内和室外环境进行各种运动分析，例如：步行，跑步，跳跃，运动，爬行，车轮，跳舞等。
表1列出了常用技术在步态分析应用中的优势和局限性。 表2列出了一些可用于商业用途的流行仪器系统的技术特征和功能，表格详见原文吧³。

Gait Analysis在机器人研究和康复领域的应用

步态恢复的轨迹设计需要在辅助治疗期间遵循自然步态模式。在各个康复阶段建立轨迹和阻抗数据之间的相关性是一个具有挑战性的任务，以管理机械臂跟随无冲击运动模式。设计康复机器人的主要挑战是控制人体下肢的阻抗并建立与行走轨迹的相关性。康复训练为患者提供了最大程度恢复肢体运动功能的机会，可以提高生活质量。目前，机器人系统被广泛用作训练身体障碍的康复工具。为了改善步行功能，患者的手动步态训练需要一个以上的治疗师，其中机器人系统减轻负担并提供准确性和可靠性，因为系统具有精确的仪器来测量和控制位置和力。机器人系统由机械马达驱动并且能够执行重复任务，喜欢步态训练，很长一段时间。机器人辅助治疗系统还能够驱动受影响的肢体，在患者的同一工作场所内进行各种运动功能的恢复训练。对于大多数患有下肢损伤的患者，也会出现肌肉萎缩，关节强硬等一些异常运动模式。在恢复训练中，机器人与患肢之间的接触力不能大或小，否则可能导致继发性损伤或无法实现康复目标。
机器人辅助运动或步态训练器现在正在一些神经康复诊所中使用，显示出实现康复目标的最有希望的输出。 研究表明，非卒中患者在中风和SCord损伤后进行机器人辅助步态训练，证明其在自然行走中具有改善的功能。除了这种改善，改善的肌电信号，能够承受更多的重量，步行表现更自然的步态，还证明了步行速度，痉挛的减少和心肺功效的改善。

美国食品和药物管理局（FDA）批准的医疗设备Lokomat是一种用于下肢康复和步态训练器的机器人系统。该系统的开发始于20世纪90年代中期，并于2002年上市。该系统提供基于跑步机的步行训练和体重支持设施。由于该系统用于训练不同的患者，因此将几个参数设计为变量，以便它可以根据每个受试者的解剖结构进行调整。两个轻质机器人操纵器连接在受试者下肢的侧面。在机器人系统的髋关节和膝关节处，使用小型直流（DC）电机来实现扭矩，速度和轨迹的动态控制。对于来自髋关节和膝关节位置的反馈，高精度电位计使用。由于脚具有复杂的运动，因此使用两个被动弹性带来仅提供踝关节处的背屈。将腿连接到其臂上的Lokomat系统的袖口已经过修改，包含6个DoF负载传感器，可以精确测量设备的辅助/阻力。为了计算GRF和CoP，Lokomat在分带式跑步机上包含传感器。结合Lokomat臂和GRF的相互作用力，使用运动学数据和改进的逆动力学技术;估计在任何一组训练参数下产生的髋，踝和膝关节力矩。实施生物反馈控制机制以建立Lokomat步态训练器的鲁棒控制策略.Park等人最近介绍了生物启发的软和可穿戴机器人系统。该系统设计用于踝足康复，其中使用由线性时不变（LTI）控制器操作的四个气动人工肌肉来提供致动。 四种人工肌肉有助于4种DoF运动，用于踝关节，背屈，跖屈，内翻和外翻。
康复训练目标的实现取决于辅助机器人控制策略的有效性。 康复机器人的运动控制策略基于运动功能和康复训练理论。 其中，最广泛使用的是力控制策略，其中力传感器主要用于直接检测和控制机器人与疾病部位之间的相互作用。 其他控制策略是力控制，阻抗控制和力 - 位置混合控制。 阻抗控制已应用于美国密歇根大学的水平下肢康复机器人和新西兰奥克兰大学的踝关节康复机器人，分别实现了双侧肢体的对称训练和踝关节的康复训练。

在台湾国立成功大学，模糊推理在康复训练中的应用实现了力 - 位混合控制。 同时，将模糊推理与神经网络相结合，应用于康复训练，通过识别患者与机器人之间的相互作用力，实现主动和被动控制。

此外，北京大学，意大利博洛尼亚大学和德国机器人与机电一体化研究所分别实现了阻抗控制在患肢康复训练中应用的良好康复效果。下肢外骨骼现已开始实施。适用于多个领域，包括用于军事或医疗援助，康复和触觉界面的动力增强。该技术的应用是新的，并且该研究的一些结果显示出良好的结果，尽管与人的下肢运动的实际DoF相比存在许多限制，尤其是髋部，膝部和踝部运动。简单地考虑髋关节的三个DoF可以使系统处于更高程度的复杂和非线性功能，这确实是一项具有挑战性的任务。在一些研究中，各种设计技术被用于不同的步态训练模式，例如，在平坦或倾斜的表面上行走，上下楼梯。通过专注于临床和运动应用，机器人辅助系统在很大程度上可能是有用的 。表4列出了机器人辅助训练器的可能适用性。

---

1. John CT, Seth A, Schwartz MH, Delp SL, Contributions of muscles to mediolateral
   ground reaction force over a range of walking speeds, J Biomech 45:2438–2443, 2012. ↩︎

2. Schmalz T, Knopf E, Drewitz H, Blumentritt S, Analysis of biomechanical effectiveness
   of valgus-inducing knee brace for osteoarthritis of knee, J Rehabil Res Dev 47(5):419–
   430, 2010. ↩︎

3. GAIT ANALYSIS: SYSTEMS, TECHNOLOGIES, AND IMPORTANCE ↩︎