- 解决多任务外骨骼控制中**适应性与交互安全** 难以兼顾的挑战
- 现有方法在复杂活动中难以同时保证对不同任务的适应性和人机交互的安全性
- 可穿戴外骨骼可增强人体物理能力，但缺乏统一框架确保多任务下的稳定与安全
- 建立**基于模拟(Simulation-Based)的人-外骨骼运动数据生成流水线**，使用**近端策略优化(PPO)** 合成人体肌肉激活，同时外骨骼提供直接生物关节扭矩补偿
- 训练**双模态策略(Dual Modality Policy)**，融合**语义指令(semantic instructions)** 与**本体感受历史(proprioceptive history)**，预测参考轨迹和**可变阻抗增益(variable impedance gains)**，覆盖九种不同运动任务
- 通过**Lyapunov稳定性理论(Lyapunov stability theory)** 导出稳定性准则，约束网络输出的刚度变化范围，确保耦合系统的**渐进稳定性(asymptotic stability)**
- **首创性**：首次将**模拟训练(Simulation-Trained)** 与**可变阻抗控制(Variable Impedance Control)** 结合应用于多任务外骨骼控制，通过PPO合成数据避免对大量真实人体数据的依赖
- **双模态融合策略**：同时利用语义指令和本体感受历史，实现单一策略对九种不同运动任务的鲁棒预测
- **理论保障的安全性**：引入**Lyapunov稳定性准则** 作为网络输出约束，确保刚度变化不破坏系统稳定性，区别于纯数据驱动方法缺乏安全保证的局限
- 提出一种**安全、多任务的外骨骼控制框架**，在真实场景中相比基线方法有效降低**代谢成本(metabolic cost)**
- 通过模拟训练生成高质量人机交互数据，减少实地采集的难度与风险
- 为外骨骼控制中的**交互安全** 提供**理论驱动的稳定性保证**，推动外骨骼在复杂任务中的实用化部署