- 下肢外骨骼虽有望帮助运动障碍者行走，但在真实环境中应用受限，缺乏有效的**自适应步态规划(adaptive gait planning)**
- 现有外骨骼仅适用于平坦均匀地形，无法处理多样的室内地形（斜坡、楼梯、障碍物等）
- 实时生成**环境感知(environment-aware)** 且**生理一致性(physiologically consistent)** 的步态轨迹仍是一个开放挑战
- 提出基于**核化运动基元(Kernelized Movement Primitives, KMP)** 的自适应步态生成(AGG)框架
- 从有限的人类演示数据中学习**关节空间(joint space)** 和**任务空间(task space)** 的概率化步态表示，保留自然步态特征并确保运动学可行性
- 将自适应步态生成转化为**带通过点的线性约束优化问题(linear constrained optimization with via-points)**，利用机载RGB-D摄像头提取的环境信息进行轨迹适应
- **首次** 将**核化运动基元(KMP)** 应用于多地形外骨骼步态生成，实现小样本演示下的概率化步态学习
- 通过**约束优化(constrained optimization)** 融合环境感知信息，使得生成的步态在保证生理一致性的同时适应不同地形
- 无需大规模训练数据，仅需少量人类示范即可泛化到斜坡、楼梯、障碍物等复杂场景
- 为多地形下肢外骨骼提供了一种**环境感知的步态规划范式(environment-aware gait planning paradigm)**
- 在仿真和真实商业下肢外骨骼(LLE)上验证了方法的有效性和鲁棒性，覆盖平地、斜坡、楼梯、障碍物等场景
- 推动新一代**智能下肢外骨骼(intelligent lower limb exoskeleton)** 在残疾人日常生活中的实际应用