外骨骼的人体意图识别方式

时间：2024-05-04

张宏林巨永峰杨铭源赵彤

（1.西安思源学院工学院陕西省西安市 710038 2.长安大学电子与控制工程学院陕西省西安市 710064）

外骨骼（Exoskeleton）在生物学中是指昆虫和甲壳类动物的坚硬外壳，在机器人领域外骨骼则特指模仿生物外骨骼而制成的穿戴于人身上的一种助力机械。外骨骼技术可以增强人体行动能力，扩充或增强一个人的生理机能，使人跑得更快、跳的更远，更强有力。这种辅助人运动的外骨骼动力系统，与人的身体相捆绑，按照人的意图行事，同时增强人的运动能力。在这种人机耦合的系统中，外骨骼作为一种特殊的机器人，需要通过传感器收集人体的意图，然后进行机械反馈，放大人的运动能力。但是人体意图的获取则是外骨骼开发中最大的技术难点，也是困扰了科技界半个多世纪的技术难题。

1 人体意图获取方式的种类

与传统意义上的机器人不同，外骨骼机器人需要与人体接触，通过传感器获取人体意图，进行机械运动作为反馈。如何准确收集人体的意图，是外骨骼机器人研发的难点，尽管意图识别技术种类繁多，但整体仍处于研发尝试阶段。

对于人体动作意图的获取方式可分为：脑电信号（Electroencephalography,EEG）、神经信号、肌电信号（Electromyography,EMG）和压力传感信号。与人体运动有关的生物电信号产生于运动发生之前，通过采集生物电信号并解码，可以获得信号与运动的对应关系。脑电信号和肌电信号的采集是通过特制的传感器，检测脑在思索和肌肉紧张时发出的电流，利用电流数据建立预测模型进行意图估计，具有响应速度快的优点。但因生物电流具有低频、幅值微弱、信噪比低、易受外界环境的影响的特性，使得其在实际应用中会表现出较差的鲁棒性。

2 通过脑电波获取人体意图

穿戴外骨骼人员可以直接从大脑发出控制指令，像控制自己身体一样控制外骨骼，而自己的身体本身并不需要做出相应动作。这是通过脑电波获取人体意图的设想。

人体的运动是首先在大脑产生意识，然后在脊髓层产生运动的基本模式，反射神经对运动进行细化控制的过程[1]。人的运动意图来自大脑皮层，运动产生的最顶层也是大脑皮层。类似于中央模式生成器，大脑皮层既能调整脊髓，又能调整反射机制[2]。脊髓中枢神经元接受大脑指令，产生基本的运动模式，神经传输动作指令到单个肌肉命其收缩，因而产生一个或多个关节的运动，这些肌肉与关节协同作用产生了我们看得见的运动。

同时运动神经与传感神经都能通过反射弧调整动作姿态，这种调整既能提升运动效率，又能在突然遇到干扰时保持稳定的姿态[3]。最后，所有这些肌肉和骨骼系统的运动信息又通过传入神经纤维传输至神经中枢，形成一个完整的运动闭环控制，反馈并检测运动的准确性。

原理上通过脑机接口就可以获取大脑最初始的全局的运动意图。脑电信号是通过贴合在头皮上的电极采集脑部的电波活动，它反映的是由于大脑内部神经元之间的离子流动造成的电压波动。大脑能整合视觉、触觉系统的信息，在人行走过程中进行全局性规划、跨越障碍、危险预判等复杂控制，并相应地改变行走方向或更换运动模式。因此大脑在运动控制方面具有极大优势[4]。

虽然运动指令产生于中枢神经系统，但很难通过人的大脑皮层直接获得人的运动意图。在运动方面大脑主要发出的是模式切换指令，具体运动的动作与平衡则是通过中枢神经系统与小脑配合来完成，因此很难通过大脑皮层的电信号获取具体的肢体运动指令。

EEG 需要相关的脑部训练，同时需要很强的意识，集中注意力想着操控指令才能获得较为明确的脑电信号，用来操控外骨骼。脑电信号的获取是通过放置在颅骨上的传感器，用户需要戴一个充满贴片的帽子。由于采用的是非植入式电极，从而导致电波的强度变化并且信号中可能含有大量噪声。

大多数基于脑电信号的意图识别只是以频率表示脑电信号的特征。一个脑电信号的信息被划分为不同的频率范围，特定的频率范围与特定的神经元活动相关联。每一个频率范围对于特定的脑活动具有不同的相关性等级。通过信号分解，瞬态特征可以被准确地捕获并且在相关频率中定位。

但现有技术忽略了不同波段间的时序性信息，即不同频率范围之间随时间变化的相关性，在意识识别中没有被考虑进来，这直接导致了意识行为识别的偏差。也就是说，脑电信号和多种不同意图之间的相关性很难建模，致使多意图识别的可靠性低。

同时，相同的意图可以产生不同的脑电信号形状，导致同类变异偏大，进一步削弱了基于脑电信号的多意图识别的性能，使脑电识别的实用性和安全性降低。受限于脑电信号的特性、机理和获取方式，通过脑机接口很难实时、准确地解读脑电信号，获得人的肢体运动意图，因此在外骨骼制作方面，采用脑电获取人体意图方式的也比较少。

3 通过肌电获取人体意图

肌电信号是神经元将信息传输到相关组织或器官时所激发的电位和，肌电信号载有人的行为信息，直接反应人的意图，通过解码肌电信号可以识别人的行为。表面肌电蕴含信息丰富，它比肢体运动一般超前30～150ms 产生，可以提供运动预判。表面肌电是由多个活跃运动单元发出的动作电位序列沿肌纤维传播，经由脂肪和皮肤构成的容积导体滤波后，皮肤表面呈现的电位在时间和空间上综合叠加的结果[5]。由于受到肌肉阻抗、表皮毛发、皮肤汗液和外部电磁干扰等因素影响，稳定采集肌电信号具有一定的难度。同时，不同的人肌电信号有所差异，同一个人在不同的身体状况下肌电信号也会有所不同，这些情况更增加了肌电信号解读的难度。

表面肌电的电极分为多极电极和高密度电极两种，采集肌电信号前，清洁表面皮肤，选择表面电极在肌肉上的放置点，表面电极捕获的微弱电信号经放大电路放大，再通过A/D 转换后输入计算机，对采集的信号进行去除噪声或者偏置预处理后，作为识别运动意图的输入信号，其中特征提取和分类模型构建是实现肌电控制的最重要环节。

肌电信号是一种非平稳的微电信号，其幅值在0.01～10mV之间，主要能量集中在频率0～500Hz。肌电信号具有个体特异性，且会随着人的体征变化，不同测试者会有不同的肌电变化，因此使用者本人应参与系统应用的前期训练。在分析肌电信号时，对肌电信号与动作对应关系的描述过于简单，无法准确反应动作的力量、速度、姿态和何时停止等信息，因此肌电信号对动作的识别并不是很精确的。目前，单一自由度动作识别已获得充分研究，对应的动作分类也能预测少数离散肢体动作，却无法完成类人的连续平滑运动。

精确估计人体连续运动状况是发挥机器人安全辅助功能的前提，由肌电信号中需要提取或估计出关节运动的角度、角速度、角加速度、关节力矩等连续量。由于肌肉内部的电信号难以准确测量，人体的运动又复杂多变，这些都造成连续运动建模的困难。常用两类方法估计基于EMG 的关节连续运动，一种是参照肌肉生理力学建立的关节动力学模型，该模型能够解释运动的产生过程；另一种方法是直接建立关联EMG 和关节连续运动量的回归模型，但模型对EMG 与关节运动量的非线性关系很难描述，无法完整描述其内在生理-物理关系。

人体关节连续运动将成为肌电研究的新热点，其中多自由度同步动作或组合动作模式识别的研究有望完整复现人体自然运动。

4 基于压力传感的交互控制方法

压力传感具体是操作者肢体与机械结构之间的相互作用力，可以使用力传感器直接测量得出，包括力反馈、位置跟踪等。这种控制方法控制系统稳定、可靠，且具有较高的准确性和全局性，同时物理传感信号具有易获取、可控、鲁棒性好的优点。这种基于压力传感的控制方法目前主要有力位混合控制和阻抗控制。

力位混合控制指压力和位置的控制，就是将外骨骼助力机器人执行的任务分为两项：位置任务和力任务。外骨骼助力机器人运行时，需要完成力和位置两项参数的跟踪控制。

阻抗控制方法应用目的是为了保证人穿戴并使用外骨骼时的舒适性。外骨骼机器人应柔顺于人的输入运动且可为该运动助力，不能过度地阻碍操作者的运动，因此需要约束人机对抗力量的大小，为操作者提供一个轻松、安全的环境实现对外骨骼助力机器人的使用。

压力传感的方式存在必定迟滞的缺陷。物理传感器测量的参数主要有角度/位置信号和触力信号。检测角度和位置的传感器有：增量编码器、角度传感器、位移传感器、姿态传感器和加速度计等。检测触力的传感器有：压力传感器、扭矩传感器、触觉传感器、电子皮肤和电阻应变式传感器等。基于压力传感的电信号产生于人体运动过程中或人体运动完成之后，滞后于人体运动，很难应用于人体运动的提前预测。这时如采用外在动力则比较危险，因此只适合比较低端的廉价解决方案，或者用于采集人体运动数据，分析人体运动特征。