受损步态中个性化外骨骼控制策略学习的肌肉骨骼运动模仿

Musculoskeletal Motion Imitation for Learning Personalized Exoskeleton Control Policy in Impaired Gait

为下肢外骨骼设计通用控制策略，从根本上仍受限于繁琐的数据收集或迭代优化过程，这限制了其在临床人群中的可及性。为应对这一挑战，我们提出一种设备无关的框架，将生理合理的肌肉骨骼模拟与强化学习相结合，从而为健全人群和临床人群提供可扩展的个性化外骨骼辅助。我们的控制策略不仅能生成生理合理的运动动力学，还能捕捉目标肌肉缺陷下临床观察到的代偿策略，为健康和病理步态提供了统一的计算模型。无需针对特定任务进行调整，所得外骨骼控制策略在髋关节和踝关节处产生的辅助扭矩曲线，与人类实验中验证的最先进曲线一致，同时在不同步行速度下持续降低代谢成本。对于模拟的受损步态模型，学习到的控制策略可产生不对称、针对特定缺陷的外骨骼辅助，在未明确设定目标步态模式的情况下，既提高了能量效率，又改善了双侧运动对称性。这些结果表明，通过强化学习实现的生理合理肌肉骨骼模拟，可作为跨健全人群和临床人群的个性化外骨骼控制的可扩展基础，从而无需进行大量物理试验。