[论文解读] Critical Review of Exoskeleton Technology: State of the art and development of physical and cognitive human-robot interface

Farhad Nazari, Navid Mohajer+3 more|arXiv (Cornell University)|Nov 25, 2021

Stroke Rehabilitation and Recovery被引用 8

一句话总结

本文提出了一套全面的框架，旨在提升外骨骼机器人在物理与认知层面的人机交互（HRI）性能，重点通过单通道肌电信号（EMG）实现意图预测，以实现直观控制。该模型仅使用一个EMG通道即成功预测了步态阶段，展示了在低功耗、鲁棒性辅助设备中实现内置冗余的潜力，尤其适用于复杂系统。

ABSTRACT

Exoskeletons and orthoses are wearable mobile systems providing mechanical benefits to the users. Despite significant improvements in the last decades, the technology is not fully mature to be adopted for strenuous and non-programmed tasks. To accommodate this insufficiency, different aspects of this technology need to be analysed and improved. Numerous studies have been trying to address some aspects of exoskeletons, e.g. mechanism design, intent prediction, and control scheme. However, most works have focused on a specific element of design or application without providing a comprehensive review framework. This study aims to analyse and survey the contributing aspects to the improvement and broad adoption of this technology. To address this, after introducing assistive devices and exoskeletons, the main design criteria will be investigated from a physical Human-Robot Interface (HRI) perspective. The study will be further developed by outlining several examples of known assistive devices in different categories. In order to establish an intelligent HRI strategy and enabling intuitive control for users, cognitive HRI will be investigated. Various approaches to this strategy will be reviewed, and a model for intent prediction will be proposed. This model is utilised to predict the gate phase from a single Electromyography (EMG) channel input. The outcomes of modelling show the potential use of single-channel input in low-power assistive devices. Furthermore, the proposed model can provide redundancy in devices with a complex control strategy.

研究动机与目标

• 为解决外骨骼技术缺乏统一的综述框架，特别是人机交互（HRI）设计方面的不足。
• 识别并分析提升外骨骼可用性与性能的关键物理HRI标准。
• 开发一种智能认知HRI策略，通过意图预测实现实时、直观的控制。
• 评估在低功耗辅助设备中使用单通道EMG进行步态阶段预测的可行性。
• 提出一种可扩展的意图预测模型，以增强复杂控制系统中的可靠性。

提出的方法

• 本研究对现有外骨骼技术进行了批判性综述，重点关注机构设计、控制策略及HRI组件。
• 提出一种基于表面肌电信号（sEMG）的意图预测认知HRI策略。
• 使用单通道EMG输入训练并验证步态阶段预测模型。
• 该模型利用信号处理与分类技术，从最少的生物信号输入中推断步态周期阶段。
• 在已知的辅助设备类别中测试该方法，以验证其泛化能力与鲁棒性。
• 评估该模型在具有复杂控制架构系统中的冗余潜力。

实验结果

研究问题

• RQ1 如何系统性地分析物理HRI标准，以提升外骨骼性能与用户适应性？
• RQ2 单个EMG通道是否足以提供准确的外骨骼控制步态阶段预测？
• RQ3 哪些认知HRI策略可在不依赖多传感器的情况下实现实时、直观的控制？
• RQ4 所提出的意图预测模型如何提升复杂控制系统的可靠性？
• RQ5 单通道EMG在低功耗可穿戴辅助设备中的潜力如何？

主要发现

• 所提出的意图预测模型仅使用一个EMG通道即成功识别了步态阶段，证明了最小传感器输入的可行性。
• 单通道EMG输入由于计算与能耗需求降低，显示出在低功耗辅助外骨骼中应用的强劲潜力。
• 该模型在采用复杂控制策略的系统中提供了内在冗余，增强了对传感器故障或噪声的鲁棒性。
• 该框架通过从生理信号中预测用户意图，实现了更直观、自适应的人机交互。
• 本研究通过可扩展、基于生物学的控制模型，为下一代外骨骼中集成认知HRI奠定了基础。