tensor9flow的博客

本文提出了一种受人类手指启发的集成传感器柔性指尖设计，采用空心硅胶气囊结构与气压传感器结合，实现对任意接触点力的稳定感知。通过理论建模、有限元仿真与实验验证，该设计在力反馈精度、结构集成度和控制灵活性方面表现优异，支持多指协调操作与物体特性识别。文章系统阐述了其技术优势、应用前景及当前面临的材料恢复性、传感器精度和环境适应性挑战，并提出了未来改进方向，为灵巧机器人手的发展提供了创新解决方案。

本文综述了三项前沿科技突破：通过构型优化提升空间机器人卫星捕获能力；基于激光诱导石墨烯的多功能柔性传感器实现对慢性伤口pH值与应变的高灵敏度、解耦合监测；集成气压感知的柔性指尖助力机器人手实现连续、协同的操作。这些成果在航天、医疗健康和智能机器人领域展现出广阔应用前景，推动相关技术向更智能、更精准方向发展。

本文研究了冗余机械臂的技能学习与空间机器人卫星捕获配置优化两个关键方向。提出基于多任务动态运动基元（MT-DMPs）的技能学习框架，显著提升机械臂操作效率与成功率；针对空间机器人捕获任务，设计平均机动性指标以优化捕获配置，增强在复杂环境下的灵活性与成功率。通过仿真与实验验证了方法的有效性，并探讨了两者的关联、综合应用前景及未来发展方向，为机器人技术在太空与工业领域的应用提供有力支持。

本文提出了一种基于多任务动态运动基元（MT-DMPs）的冗余机械臂技能学习框架，旨在解决7自由度冗余机械臂在复杂环境中运动规划效率低和多任务实时学习能力差的问题。该框架由子任务分割、参数设置、机器人技能学习和姿态优化四大模块组成，结合有限状态机（FSM）实现任务序列划分，利用DMPs进行轨迹学习与泛化，并引入速度方向可操作性（VDM）优化机器人姿态。实验基于ROS平台验证了该方法的有效性，结果表明MT-DMPs在执行时间、运动性能和任务成功率方面均优于传统DMPs和DMPs-PCC方法，具备高精度、高效率和

本文提出了一种复合柔顺两指夹爪的设计与开发方法，通过将传统Fin-ray夹爪的V形柔性梁改为等距排列，提升了指尖灵活性和被动装配能力，并结合柔性传感器实现主动与被动柔顺控制的融合。建立了静力学运动学模型与基于应变片的相互作用力感知模型，利用牛顿-拉夫逊法求解夹爪平衡构型与接触力。实验验证了在不同夹紧力下的力感知精度，分析了误差来源并提出了优化方向。研究为机器人末端执行器的柔顺控制与力感知提供了理论与实践基础，具有在工业、医疗等领域广泛应用的潜力。

本文提出了一种基于SITO柔性差动机构和挠性铰链的三指欠驱动机器人夹爪，具备一个主动输入和三个被动输出，能够实现无需传感器的自适应抓取。夹爪采用平行四杆连杆结构和模块化指尖设计，结合两自由度挠性铰链，可在抓取不规则物体时自动调节姿态并保持中心稳定。通过有限元分析验证了挠性铰链的可靠性，并在UR5机械臂上进行了抓取实验，结果表明该夹爪能高效抓取多种形状和尺寸的物体。该设计具有结构紧凑、成本低、通用性强等优势，在工业装配、物流、医疗和家庭服务等领域具有广泛应用前景。未来将从材料优化、智能控制和功能拓展等方面进一

本文介绍了两种先进的机器人抓手设计：一种是具有C形关节和颗粒阻塞手掌的柔性仿人机械手，具备双向刚度和可变刚度粘附功能，能实现高度拟人化的抓取与多任务操作；另一种是基于柔性差动机构的三指欠驱动机器人抓手，结构简单、成本低，具有出色的自适应能力，适用于工业自动化场景。文章对比了二者的技术优势、应用场景及未来发展方向，展示了其在医疗康复、服务机器人、智能制造和物流等领域的应用潜力。

本文介绍了机器人抛光模拟与柔性仿人机械手设计的创新方法。在抛光模拟方面，建立了接触力与材料去除模型，采用分层强化学习方案（高级与低级控制器）实现抛光过程的智能控制，通过Matlab平台验证了材料去除轮廓的生成效果。在机械手设计方面，提出了一种具有C形关节和颗粒堵塞掌心的柔性仿人机械手，提升了抓握稳定性、自适应性和承载能力，并通过实验验证了其性能。该研究在工业生产、医疗手术和救援探险等领域具有广泛的应用前景。

本文深入解析了智能上肢外骨骼系统与虚拟机器人抛光平台的关键技术。智能上肢外骨骼基于视觉识别与定位，采用模块化设计和电缆驱动执行器，实现辅助抓取功能，具备良好的运动灵活性和可视化交互体验；虚拟机器人抛光平台结合实时接触力求解与材料去除模拟，利用分层深度强化学习（DRL）方案，构建高保真仿真环境，支持机器人在复杂工况下的抛光任务训练与优化。文章还分析了两个系统的性能表现、应用前景及面临的技术挑战，并提出了未来发展方向，包括提升末端位置估计精度、增强环境适应性、优化接触与材料去除模型以及提高DRL训练效率等。

本文提出了一种基于双目视觉的智能上肢外骨骼辅助抓取系统，融合深度学习与改进的D-H运动学模型，实现对目标物体的精准识别、定位与抓取。系统采用Yolov7算法提升视觉识别稳定性，结合PID控制与编码反馈确保运动精度，并通过模块化机械设计提升佩戴舒适性与兼容性。实验验证了系统在饮水和拾取任务中的有效性，展现了其在医疗康复、工业生产和服务机器人领域的广泛应用前景，同时探讨了抓取精度、系统稳定性及成本优化等未来改进方向。

本文介绍了外骨骼系统在助力行走与抓握方面的创新设计与应用。重点阐述了脚踝外骨骼的生物力学结构、基于足底压力传感器的步态识别技术、PID位置控制策略及实验验证结果，显示其可显著降低腓肠肌和半膜肌的激活率。同时，提出了基于双目视觉的智能上肢外骨骼抓握辅助系统，通过模块化设计和深度学习算法实现物体识别与精准抓取。文章还总结了外骨骼系统的优势、多场景应用前景以及智能化、轻量化和多模态融合的发展趋势，展现了其在康复治疗与工业领域的巨大潜力。

本文介绍了轻量级背部外骨骼（LBE）和仿生脚踝外骨骼服（Ankle-Exosuit）的设计与研究进展。LBE通过IMU传感器与PID控制实现主动辅助，显著降低竖脊肌和肱二头肌的疲劳；Ankle-Exosuit基于生物力学设计，采用柔性驱动与阈值检测算法，在行走中有效减少腓肠肌和比目鱼肌的激活。两者在工业助力与医疗康复领域均展现出广阔应用前景，未来可通过结构优化、智能控制算法和多模态传感器融合进一步提升性能。

本文介绍了一种用于辅助重复lifting任务的轻型背部外骨骼（LBE），结合被动与主动辅助技术，旨在减少工人在搬运重物时的肌肉负荷，预防肌肉骨骼疾病。通过运动学分析、静态建模和动态模拟，设计了具备手臂与背部辅助模块的5千克轻量化外骨骼，并利用Vicon系统与sEMG设备进行实验验证。结果显示，穿戴LBE可使肱二头肌和竖脊肌的肌肉活动分别降低15.15%和28.25%，显著减轻疲劳。未来将优化辅助策略、减轻重量并提升智能化功能。

本文介绍了一种新型下肢康复外骨骼与轮椅结合系统的设计与研究。该系统集成了外骨骼的步态康复功能和轮椅的移动功能，支持患者在站立行走与坐姿休息之间自由切换。基于人体解剖学与运动学原理，系统设计了具有6个自由度的可调节外骨骼结构，并融合集成机构、姿势转换机构和稳定移动机构的轮椅平台。通过STM32嵌入式控制系统实现步态训练、轮椅驱动和姿态转换的精确闭环控制。仿真结果表明，系统能准确跟踪预设轨迹，在训练和姿态变换过程中保持良好稳定性。该系统提高了康复连续性、安全性与舒适性，适用于康复中心、家庭及公共场所，具备广阔的

本文介绍了一种创新的可穿戴上肢软机器人与新型下肢康复外骨骼结合轮椅系统的设计。上肢软机器人基于纺织夹克集成气动人工肌肉（PAMs），通过便携式气动控制与IMU传感实现负载提升辅助，显著降低肩部肌肉活动，预防职业性肌肉骨骼疾病；下肢系统则设计了6自由度外骨骼与电动轮椅集成机制，支持站立与坐姿转换，并通过嵌入式控制系统实现被动步态训练。两个系统分别在工业防护与临床康复领域展现出高实用性与应用潜力。

本文研究了任务目标和外部负载对上肢运动协同性的影响，通过实验采集10名受试者的运动数据，结合PCA分析方法，探讨了不同动作类型和负载条件下上肢在五自由度与七自由度下的协同性表现。结果表明，上肢远端的运动路径是影响协同性的主要因素，手部是否抓握及动作要求也有一定影响；外部负载会改变肌肉特性，进而显著影响协同模式。研究进一步发现，在多数情况下，前2-3个主成分即可重建90%以上的运动信息，尤其五自由度模型更具实用性与鲁棒性。研究成果可为康复外骨骼设计和人机协作系统开发提供理论依据和技术支持。

本研究探讨了任务目标和负载对人体上肢运动协同性的影响，通过Vicon光学运动捕捉系统采集多自由度自然运动数据，结合主成分分析（PCA）和层次聚类等方法，分析不同任务和负载条件下的协同模式变化。结果表明，末端执行器的运动路径显著影响协同性，而随着负载增加，协同性趋于一致。研究为可穿戴机器人的拟人化控制与康复治疗方案优化提供了理论依据，并展望了未来在动态协同性、环境因素及个体差异等方面的深入研究方向。

本文研究了超冗余机械肢（SRLs）与膝关节外骨骼的控制算法，重点探讨了SRLs的人机交互模式及其跟踪控制方法，以及基于改进粒子群优化算法（APFPSO）的膝关节外骨骼MFAC控制器参数自动优化。通过仿真与实验验证，APFPSO在降低MAE、RMSE和AVME等误差指标方面表现优异，显著提升了位置跟踪精度。未来工作将聚焦于手势识别准确性提升、人体工程学实验、实时参数调整、生物反馈融合及临床应用推广，推动康复机器人系统的智能化与实用化发展。

本文介绍了一种基于ROS的超冗余机械臂（SRLs）开发控制与人机交互系统。该SRLs具有4个自由度，可佩戴在腰部，通过手势识别实现直观的人机交互。系统利用gForcePro采集表面肌电信号（sEMG），结合AI算法识别用户手势，并通过ROS平台完成运动学建模、轨迹规划与PID控制。构建了完整的控制系统架构，包含URDF建模、OMPL路径规划、Moveit集成及Rviz仿真。实验验证了运动学模型的准确性，末端平均位置误差为6.14mm；系统跟踪性能良好，关节角度RMSE最低达0.0085rad。HRI评估显示

本文介绍了一种用于超冗余机械臂（SRLs）的腱驱动可变刚度关节（pVSJ）的设计与性能研究。基于四连杆机构原理，通过滑轮和腱系统实现刚度调节，满足薄壁支撑任务中对关节扭矩、刚度范围和轻量化的严格要求。设计采用空心螺栓结构调节预张力，集成于紧凑圆柱空间内，总重227g，具备良好的人机交互安全性。建立了刚度数学模型，并通过准静态实验平台验证了其静态刚度特性。实验结果显示，在加载过程中存在明显滞后现象（20.8%–32.5%），主要由静摩擦引起，而卸载过程误差较小（相对误差2.5%–3.4%），符合理论模型。研究

本文综述了软外骨骼服与被动可变刚度关节（pVSJ）在可穿戴机器人领域的研究进展。软外骨骼服通过基于肌肉骨骼模型优化的最优力矩控制，显著降低人体运动时的净代谢率，尤其在脚踝关节辅助中表现出优于传统比例控制的效果；实验表明最优力矩集中在步态周期35%-65%，能有效匹配人体肌腱动力学，提升能量利用效率。另一方面，被动可变刚度关节（pVSJ）通过调整柔性元件预张力、肌腱缠绕方式或更换元件实现无额外驱动的刚度调节，适用于超冗余机械肢体（SRLs）以增强安全性与灵活性，其设计轻量化且具备良好的准静态性能。未来方向包括

本文探讨了可穿戴软外骨骼系统在助力人类步行、降低代谢成本方面的设计与优化。研究分别针对髋关节和踝关节外骨骼，采用基于自适应霍普夫振荡器（AHO）的高层控制策略与前馈补偿PID或高斯过程优化的PD低层控制，提升控制精度与步态适应性。通过肌肉骨骼模型生成最优辅助力矩轮廓，并结合实验验证，结果显示髋关节外骨骼使净代谢率降低5.3±0.7%，踝关节外骨骼在最优辅助下平均降低6.23%。研究表明，基于生物力学建模与智能控制的外骨骼系统能有效减少人体能量消耗，未来可通过多模式切换与更优模型进一步提升性能。

本文研究了一款助力人类行走的软质髋关节外骨骼SH-Exo的设计与控制策略，并提出了一种在嘈杂环境下具有强抗噪能力的特征提取算法。SH-Exo采用鲍登电缆驱动系统，通过柔性结构向髋关节提供辅助力矩，有效降低行走代谢成本。控制系统由基于自适应霍普夫振荡器（AHO）的高级控制器实现步态相位识别，结合基于前馈补偿的PID低级控制器精确跟踪期望力曲线。实验结果表明，该外骨骼在4.5 km/h行走条件下平均降低使用者5.3%的代谢成本。同时，在语音交互方面，提出的F-MFGCC特征方法相较于传统MFCC在噪声环境中表现

本文研究了上肢外骨骼的交互力控制与语音控制系统中的关键技术。在交互力控制方面，提出基于径向基函数神经网络（RBFNN）的自适应阻抗控制方法，通过主动运动意图识别优化人机交互力，实验表明其控制效果优于传统的BMP-AIC方法，显著降低力矩振荡，提升康复训练舒适性。在语音控制方面，针对噪声环境下识别率低的问题，提出融合MFCC与GFCC的混合特征，并结合改进的快速相关滤波算法进行特征选择，获得F-MFGCC最优特征，有效提高低信噪比下的语音识别性能。此外，将语音系统与被动储能式外骨骼结合，实现灵活自然的语音操控

本文提出了一种基于主动意图识别的上肢外骨骼交互力控制方法，旨在解决传统康复外骨骼训练中患者参与度低、控制灵活性差的问题。通过建立人机交互力动力学与静力学模型，结合RBF神经网络识别患者的主动运动意图，并设计了自适应阻抗控制器以实现柔顺交互控制。实验结果表明，该方法能有效降低人机交互力，提升外骨骼运动的灵活性和患者主动参与意愿，为中风后上肢功能康复提供了更智能、个性化的技术方案。

本研究提出了一种基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）系统，结合增强现实（AR）技术实现对球形机器人的控制。通过HTC Vive头戴设备呈现虚拟刺激与AR场景，受试者利用注视视觉刺激产生脑电信号，经EEG设备采集与CCA算法解码后，实时控制球形机器人在赛道中运动。离线实验结果显示，在1.5秒时间窗口下平均准确率达91.83%，在线实验中受试者平均完成6.35圈赛道任务，验证了系统的可行性与稳定性。尽管脑控性能略低于传统控制器，但为未来沉浸式脑控机器人系统的发展提供了有效范式。未来将优化刺激设

本文研究了在不同手臂位置下离散手势的解码方法，提出一种基于sEMG、A模式超声和IMU的多模态人机接口系统，实现更准确的手势识别。通过级联分类器与全尺度分类器策略，结合特征级融合方法，在11名受试者上进行实验，结果表明多模态融合显著提升分类准确率，尤其级联分类器优于全尺度方法。该方法提高了手势识别的鲁棒性，为假肢控制和人机交互提供了可行的技术路径。

本文研究了气动人工肌肉的模糊迭代学习控制与多模态融合手势识别系统。针对气动人工肌肉的非线性和滞后特性，提出模糊迭代学习控制方法，在传统迭代学习控制基础上引入模糊控制器，有效提升了控制精度与鲁棒性，实验显示误差幅度降低41.18%。在手势识别方面，构建了融合sEMG、A模式超声和IMU信号的多模态人机接口系统，采用级联分类器的两阶段分类策略，显著提升了不同手臂位置下的识别准确率，LDA分类器达到97.08%±1.90%的最高精度。研究表明，两种技术分别在高精度运动控制与稳定手势解码方面具有突出优势，为假肢控制

本研究开发了一种基于3D石墨烯-三聚氰胺复合泡沫（GMNCF）的高灵敏度、可压缩拉伸的压阻传感器，用于步态运动检测。通过直接浸泡法将石墨烯均匀负载于三聚氰胺泡沫中，形成导电网络，实现优异的电学响应和稳定性，可有效监测行走、跳跃、摔倒等动作，具备健康监测与紧急预警潜力。同时，针对气动人工肌肉的非线性控制难题，提出模糊迭代学习控制方法，结合PID型迭代学习与模糊补偿机制，在无需精确建模的前提下提升了轨迹跟踪的稳定性和精度。实验表明，该控制策略虽收敛稍慢，但误差波动降低41.18%，显著增强系统鲁棒性。两项技术分

本文提出了一种用于下肢辅助外骨骼的柔性可拉伸电容传感器，利用物理交联弹性体SEBS作为基底材料，结合金膜电极和无线数据采集系统，实现对人体膝关节角度的实时监测。通过静态与动态实验验证了传感器在不同坡度行走条件下的可靠性，结果表明其电容变化与关节角度具有良好的一致性，最大误差约6°，整体性能满足实际应用需求。该传感器无需校准、抗干扰能力强，具备在复杂环境中用于地形识别和运动辅助的潜力，但仍有佩戴稳定性、灵敏度分布和采样频率等优化空间。

本文研究了旋转笼阀（RCV）在假肢膝关节中的应用以及柔性传感器在外骨骼系统中的人机交互作用。旋转笼阀通过液压阻尼调节实现节能、高顺应性的被动驱动，具备良好的轨迹跟踪能力与冲击缓冲性能，适用于下肢假肢的步态控制；而柔性可拉伸电容传感器凭借其贴合性、舒适性和连续数据采集能力，为外骨骼提供了高精度的实时运动监测方案。文章还对比分析了两种技术的性能特点，探讨了旋转笼阀在多关节拓展与复杂环境适应中的潜力及其面临的精度与稳定性挑战，同时展望了柔性传感器向多功能集成、智能化和高可穿戴性发展的趋势。两者结合有望推动康复辅助

本文提出了一种基于视觉-惯性传感器融合与OpenSim的上半身姿态估计方法，结合单目相机与IMU传感器，有效克服磁畸变和漂移问题，实现低成本、高精度的姿态捕捉。同时，研究了旋转笼阀（RCV）在假肢膝关节中的应用，通过其独特的结构设计实现高效可变阻尼控制，具备高能量效率、良好顺应性和背驱动能力。实验结果表明，该姿态估计方法与OMC系统具有良好的一致性，RCV在轨迹跟踪和冲击响应中表现优异。未来将拓展至全身体态估计与临床分析，并优化RCV的控制策略与结构小型化，推动康复工程与智能假肢的发展。

本文介绍了一种集成新型足底压力鞋垫与惯性传感器的下肢可穿戴系统，用于人类日常活动分类和跌倒检测。系统采用六个惯性传感器（IMU）和多通道足底压力传感器，通过CAN总线与集线器连接，实现数据同步采集与蓝牙实时传输。针对活动分类，比较了SVM、集成学习和CNN等算法，结果显示CNN结合多传感器数据融合准确率高达97.1%。在跌倒检测方面，对比RNN、CNN、LSTM和CNN-LSTM模型，发现CNN-LSTM准确率最高（97.76%），但LSTM在保持高准确率（96.16%）的同时延迟更低（2.893ms），为

本研究聚焦于步态地面反作用力的预测与日常活动监测技术。通过建立基于质量矩阵和加速度的垂直力计算模型，并结合多元非线性回归与立方支持向量机方法，实现了对双支撑阶段力分布的精确估计，尤其针对病理步态进行了补偿建模。同时，设计了一种集成惯性传感器与多点硅胶压力鞋垫的可穿戴系统，结合CNN、LSTM等算法，在活动分类和跌倒检测中取得高准确率。系统具备穿戴方便、精度高、实时性强等优势，适用于康复评估与老年人健康监护，未来有望在技术融合与应用拓展中进一步发展。

本文介绍了低滞后柔性应变传感器的性能特点及其在机器人手指弯曲检测中的人机交互应用，展示了其在智能穿戴、康复医疗等领域的潜力。同时提出一种临床导向的基于IMU的步态地面反作用力预测方法，通过小腿IMU数据结合人体动力学模型与深度学习技术，实现对健康人群和中风患者步态动力学的高精度预测，具备轻便、低干扰、高准确性的优势，适用于临床诊断、康复治疗与运动训练等多种场景。

本文综述了水下手势识别潜水手套与基于液态金属的低滞后柔性应变传感器的研究进展。通过惯性传感器与机器学习分类器（NC、RF、SVM）实现十种典型水下手势的高精度识别，其中SVM在线识别准确率达96.5%。同时，采用EGaIn注入Ecoflex微通道制备的柔性应变传感器展现出优异性能，三角形结构滞后低至0.049%，响应时间快达184ms。两类技术在水下通信、机器人控制、VR/AR及康复医疗等领域具有广泛互补应用前景，未来可通过多传感器融合与算法优化推动智能可穿戴设备发展。

本文探讨了非接触式心率变异性（HRV）监测与水下手势识别两项前沿技术。在HRV监测方面，提出一种基于FMCW雷达的高精度算法，通过加速度信号处理与联合优化实现毫秒级IBIs测量，在MEAN、SDNN和RMSSD等指标上显著优于传统方法。在水下手势识别方面，设计了一款嵌入七个惯性传感器的潜水手套，结合欧拉角特征提取与多种机器学习分类器（NC、RF、SVM），实现了高达99.2%的离线识别准确率和96.5%的新用户在线识别率。研究表明，这两项技术分别在医疗健康监测与水下人机交互领域具有广阔应用前景，但仍需在真实

本文探讨了两种前沿生物传感技术：集成软超声波导的人工皮肤系统用于高重复性手部运动检测，以及基于FMCW雷达的非接触式心率变异性（HRV）监测技术。前者通过飞行时间（TOF）变化精确识别手指关节状态，具备在虚拟现实与康复医疗中应用的潜力；后者利用雷达信号提取胸壁微动，结合加速度分析和模板分割算法实现高精度HRV估计，在情绪识别、睡眠监测等领域展现广阔前景。文章还分析了两种技术的创新性、性能优势及未来发展方向，并提出多模态融合的应用设想，为智能健康监测提供了新思路。

本文介绍了一种集成软超声导波管的柔性、透明、可拉伸人造皮肤，用于高精度检测手指关节运动。该系统采用Ecoflex弹性体材料，结合脉冲-回波原理和多路复用电子配置，实现了轻便、舒适且重复性良好的手部运动感知。通过静态手势实验验证了其可靠性，展示了在人机交互、健康监测等领域的应用潜力，同时探讨了当前面临的材料、制造与信号处理挑战及未来优化方向。

本文介绍了一种新型可穿戴外骨骼WIE与集成超声波导的透明可拉伸人工皮肤技术。WIE通过优化机械设计与运动学建模，实现与人体上肢高度匹配的直观沉浸式远程操作，并借助STM32与ROS控制系统完成对Kinova Jaco2机械臂的低延迟控制。人工皮肤采用Ecoflex硅弹性体与镀银铜线，结合超声波导实现对手指关节运动的高精度检测。实验验证了两种技术在远程机器人操作和手部动作识别中的有效性，展示了其在医疗康复、人机交互和虚拟现实等领域的应用潜力。