王啟寧 鄭恩昊 陳保君 麥金耿

面向人機(jī)融合的智能動(dòng)力下肢假肢研究現(xiàn)狀與挑戰(zhàn)

王啟寧1,2鄭恩昊1陳保君1麥金耿1

智能動(dòng)力下肢假肢在殘疾人生活中起著越來越重要的作用.解決人?智能假肢?環(huán)境融合中的關(guān)鍵科學(xué)問題是實(shí)現(xiàn)假肢穿戴者安全、流暢運(yùn)動(dòng)的必要條件.本文針對此問題,綜述了面向人機(jī)融合的智能動(dòng)力下肢假肢研究,包括智能動(dòng)力下肢假肢的仿生結(jié)構(gòu)和控制方法、人體運(yùn)動(dòng)意圖識別、復(fù)雜環(huán)境下的人?智能假肢融合、以及用于下肢假肢的感知替代和反饋,深入探討了智能動(dòng)力下肢假肢人機(jī)融合研究中所面臨的挑戰(zhàn)和問題,最后,本文對該領(lǐng)域的未來發(fā)展方向進(jìn)行了展望和總結(jié).

智能動(dòng)力下肢假肢,人機(jī)融合,運(yùn)動(dòng)意圖識別,感知替代

DOI10.16383/j.aas.2016.y000007

全國殘疾人抽樣調(diào)查結(jié)果顯示,我國現(xiàn)有各類殘疾人總數(shù)逾8000萬,其中肢體殘疾者超過2400萬[1].肢體的殘缺嚴(yán)重影響了殘疾人士的正常生活和工作.因此,殘疾人士的康復(fù)工程已成為我國社會和諧發(fā)展的重要因素.國務(wù)院2015年7號文《關(guān)于加快推進(jìn)殘疾人小康進(jìn)程的意見》,明確指出保障和改善殘疾人民生是全面建設(shè)小康社會、實(shí)現(xiàn)共同富裕、促進(jìn)社會公平正義的必然要求.對殘疾人康復(fù)設(shè)備的研究將促進(jìn)社會和諧發(fā)展,帶來巨大的社會效益和經(jīng)濟(jì)效益.

假肢是肢體殘疾人解決行動(dòng)障礙的重要手段之一.區(qū)別于上肢假肢,下肢假肢控制涉及人體運(yùn)動(dòng)平衡問題,對殘疾人日常生活的影響十分關(guān)鍵.目前雖然已經(jīng)有一些商業(yè)化的下肢假肢,但其中絕大多數(shù)假肢的關(guān)節(jié)是無動(dòng)力的.殘疾人穿戴這類假肢行走,要比健康人多耗費(fèi)20%～30%的能量,且健側(cè)和患側(cè)的運(yùn)動(dòng)表現(xiàn)出明顯的不對稱性[2].對于更加復(fù)雜的行走環(huán)境,比如樓梯和凹凸不平的路面,殘疾人走起來會非常吃力,且無法維持運(yùn)動(dòng)穩(wěn)定性.因此,如何實(shí)現(xiàn)引入機(jī)器人技術(shù)的智能下肢已成為國際研究熱點(diǎn).目前的研究重點(diǎn)主要包括兩個(gè)方面:智能肢體的設(shè)計(jì)與控制[3?7]以及基于多傳感器融合的人體運(yùn)動(dòng)意圖識別研究[8?15].前者主要關(guān)注如何利用智能仿生技術(shù)設(shè)計(jì)假肢的機(jī)械結(jié)構(gòu)和控制方法,使假肢關(guān)節(jié)在行走過程中具有更接近于人體關(guān)節(jié)的力學(xué)特性;而后者則關(guān)注如何根據(jù)采集的人體生物信號和假肢傳感器信號識別出人的運(yùn)動(dòng)意圖,并根據(jù)識別結(jié)果調(diào)整假肢的控制參數(shù),以實(shí)現(xiàn)自然、流暢、穩(wěn)定的行走.

1 智能動(dòng)力下肢假肢的結(jié)構(gòu)仿生和控制

1.1 智能動(dòng)力下肢假肢的仿生結(jié)構(gòu)研究

所謂智能動(dòng)力下肢假肢,即假肢可以隨著患者步行速度、關(guān)節(jié)角度變化自動(dòng)調(diào)整對膝關(guān)節(jié)、踝關(guān)節(jié)的力矩控制,使假肢步態(tài)在功能上盡可能地接近健康腿,具有較高的仿生性能.世界上一些假肢公司也推出了相應(yīng)的智能假肢產(chǎn)品.比較有代表性的智能假肢產(chǎn)品包括德國奧托博克公司的Genium智能仿生假肢、冰島奧索公司的銳歐仿生磁控膝關(guān)節(jié)(REHO KNEE)、英國英中耐公司的艾倫(Elan)仿生電子踝腳等.這類假肢雖然可以使患者實(shí)現(xiàn)基本行走的恢復(fù),但由于各關(guān)節(jié)沒有動(dòng)力,使得該類假肢還不能使患者方便地實(shí)現(xiàn)上/下樓梯、上/下斜坡、快速行走等功能.因此不屬于智能動(dòng)力下肢假肢,故本文不做過多的闡述.

智能動(dòng)力下肢假肢利用其仿生機(jī)械結(jié)構(gòu)和驅(qū)動(dòng)系統(tǒng)來補(bǔ)償殘疾人缺失部分肢體的功能,重現(xiàn)其缺失關(guān)節(jié)的生物力學(xué)特性,實(shí)現(xiàn)穩(wěn)定流暢地行走.為了滿足實(shí)際應(yīng)用的需求,智能動(dòng)力下肢假肢的機(jī)械結(jié)構(gòu)需要在如下幾個(gè)方面提高性能:1)機(jī)械結(jié)構(gòu)所占的空間盡量少,假肢的運(yùn)動(dòng)不能干涉健康肢體部分的正常運(yùn)動(dòng),在外形上盡量與原有肢體相似;2)機(jī)械結(jié)構(gòu)質(zhì)量盡量小,減輕殘疾人的額外負(fù)擔(dān);3)驅(qū)動(dòng)系統(tǒng)能夠?yàn)殛P(guān)節(jié)提供足夠的關(guān)節(jié)力矩.這3個(gè)條件是此消彼長的關(guān)系,限于目前驅(qū)動(dòng)技術(shù)的發(fā)展水平,只能在性能上有所折中.近20年來,一些科研機(jī)構(gòu)持續(xù)開展智能動(dòng)力下肢假肢研究,比如Klute等研制了一款由氣動(dòng)人工肌肉(McKibben actuator)驅(qū)動(dòng)的動(dòng)力踝關(guān)節(jié)假肢[16].Versluys等設(shè)計(jì)了另一款使用氣動(dòng)人工肌肉(Pleated pneumatic artifcial muscle)驅(qū)動(dòng)的動(dòng)力踝關(guān)節(jié)假肢[17].通過控制高壓空氣的注入來驅(qū)動(dòng)人工肌肉收縮,在行走支撐相后期為踝關(guān)節(jié)跖屈運(yùn)動(dòng)提供助力.氣動(dòng)人工肌肉雖然具有很多優(yōu)點(diǎn),比如可以提供足夠大的動(dòng)力并具有一定的柔性,但由于空氣具有易壓縮性,氣動(dòng)人工肌肉的輸出很難得到精確的控制.此外,氣壓驅(qū)動(dòng)的能量效率較低、耗能多、噪音大,且高壓氣壓泵的體積和重量較大,不便于攜帶,限制了假肢在日常生活中的使用.相比氣動(dòng)人工肌肉,電機(jī)具有更高的能量效率,更易于實(shí)現(xiàn)精確控制,且體積相對較小,便于集成到假肢上.因此,一些研究團(tuán)隊(duì)選擇電機(jī)作為智能下肢的驅(qū)動(dòng)單元.美國麻省理工學(xué)院的Herr研究團(tuán)隊(duì)設(shè)計(jì)了一款具有動(dòng)力踝關(guān)節(jié)的小腿假肢(原理樣機(jī)如圖1(a)所示),該假肢由直流電機(jī)與彈簧機(jī)構(gòu)串聯(lián)的柔性驅(qū)動(dòng)器(Series elastic actuation)進(jìn)行驅(qū)動(dòng)[2,18?20].與傳統(tǒng)假肢相比,殘疾人穿戴該假肢進(jìn)行平地行走時(shí)可以減少7%～20%的能量消耗.美國亞利桑那州立大學(xué)的Sugar等研發(fā)了另一款動(dòng)力踝關(guān)節(jié)假肢SPARKY[4,21?23](最新一代樣機(jī)Odyssey如圖1(b)所示).踝關(guān)節(jié)由直流電機(jī)驅(qū)動(dòng),同時(shí)借助彈簧機(jī)構(gòu)進(jìn)行儲能,提高能量效率.比利時(shí)布魯塞爾自由大學(xué)的Cherelle等研制了一款動(dòng)力小腿假肢AMP-foot 2.0[5](如圖1(c)).其踝關(guān)節(jié)驅(qū)動(dòng)機(jī)構(gòu)含有一個(gè)串聯(lián)彈簧機(jī)構(gòu)、一個(gè)儲能彈簧機(jī)構(gòu)和一個(gè)鎖死機(jī)構(gòu).在行走支撐相,鎖死機(jī)構(gòu)關(guān)閉,電機(jī)不斷拉伸彈簧并將能量儲存在儲能彈簧機(jī)構(gòu)里;在支撐階段后期的蹬地時(shí)刻,通過控制鎖死機(jī)構(gòu)打開將之前儲存的能量全部釋放出來,為蹬地提供動(dòng)力.雖然這款假肢具有較好的能量利用效率,但是踝關(guān)節(jié)的角度卻不能進(jìn)行精確地控制.美國范德比爾特大學(xué)的Goldfarb等研制了一款具有膝關(guān)節(jié)和踝關(guān)節(jié)的大腿假肢[24?25](如圖1(d)).該假肢的兩個(gè)關(guān)節(jié)均由電機(jī)絲杠機(jī)構(gòu)進(jìn)行驅(qū)動(dòng).雖然該膝關(guān)節(jié)假肢可以輸出較大的關(guān)節(jié)力矩,使穿戴者可以完成更為復(fù)雜的運(yùn)動(dòng).但該假肢整體重量太大,僅適用于身體狀況良好且運(yùn)動(dòng)控制能力強(qiáng)的穿戴者使用,而且穿戴者很容易感到疲勞.在假肢的臨床應(yīng)用和商業(yè)化過程中,智能假肢在滿足運(yùn)動(dòng)性能的前提下,還應(yīng)具有較高的集成化和輕便化.北京大學(xué)研究團(tuán)隊(duì)近年來針對智能踝關(guān)節(jié)展開研究工作,先后研制了具有柔性可控關(guān)節(jié)和分段平腳的智能動(dòng)力假肢PANTOE[6](如圖1(e))和關(guān)節(jié)阻尼可控的地形自適應(yīng)假肢PKU-RoboTPro[7](如圖1(f)). PKU-RoboTPro主要關(guān)注重量輕和對不同地形的適應(yīng),該假肢目前已經(jīng)實(shí)現(xiàn)了產(chǎn)品化.

圖1 智能動(dòng)力下肢假肢((a)MIT智能動(dòng)力小腿假肢[2]; (b)智能動(dòng)力小腿假肢Odyssey[21];(c)儲能小腿假肢AMP-foot 2.0[5];(d)含膝、踝關(guān)節(jié)的智能動(dòng)力大腿假肢[24]; (e)含踝、趾關(guān)節(jié)的智能動(dòng)力假肢PANTOE[6];(f)智能動(dòng)力小腿假肢PKU-RoboTPro[7])Fig.1 Robotic lower-limb prostheses((a)MIT powered ankle-foot prosthesis[2];(b)Odyssey[21];(c)AMP-foot 2.0[5];(d)Vanderbilt powered lower-limb prosthesis[24];(e) PANTOE[6];(f)PKU-RoboTPro[7])

1.2 智能動(dòng)力下肢假肢的控制

下肢智能假肢的作用是替代穿戴者缺失部分肢體的功能,一方面需要假肢重現(xiàn)肢體的動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)特性,一方面需要假肢根據(jù)穿戴者的運(yùn)動(dòng)意圖實(shí)現(xiàn)相應(yīng)的運(yùn)動(dòng).在下肢智能假肢控制研究中,比較常用的控制策略為分層控制策略,如圖2所示.高層控制器識別人的運(yùn)動(dòng)意圖,中層控制器識別步態(tài)相位或者步態(tài)階段,底層控制器根據(jù)識別出的運(yùn)動(dòng)模式和步態(tài)相位實(shí)現(xiàn)閉環(huán)控制、驅(qū)動(dòng)假肢運(yùn)動(dòng).在控制方法中,有限狀態(tài)控制(Finite state machine)是最常用的控制方法,即把下肢行走的步態(tài)周期劃分為幾個(gè)離散的階段,在每個(gè)階段分別設(shè)置控制方程或控制參數(shù).

圖2 智能動(dòng)力下肢假肢的分層控制策略Fig.2 Hierarchical control strategy of robotic lower-limb prostheses

在美國范德比爾特大學(xué)的大腿動(dòng)力假肢研究中[26],假肢控制器采用了有限狀態(tài)控制.一個(gè)步態(tài)周期分為了4個(gè)階段(狀態(tài)):落地期?腿彎曲(Stance fexion),擺動(dòng)前期(Pre-swing),擺動(dòng)期?腿伸展(Swing extension),擺動(dòng)期?腿彎曲(Swing fexion).每個(gè)階段均采用了阻抗控制(Impedance control),每個(gè)階段分別設(shè)置了對應(yīng)的阻抗系數(shù).該控制算法經(jīng)過實(shí)際穿戴實(shí)驗(yàn)的驗(yàn)證,證明了其可以產(chǎn)生于健康人關(guān)節(jié)相似的力矩和角度曲線.在該研究中[26],按照分層控制策略分類,基于有限狀態(tài)的阻抗控制算法屬于中層控制器,其底層控制器采用力矩控制.在基于同樣大腿動(dòng)力假肢平臺的另一個(gè)研究[27]中,研究者引入了高層控制器,利用模式分類的方法識別了坐、站、平地行走3種運(yùn)動(dòng)模態(tài).除大腿動(dòng)力假肢外,小腿智能假肢也采用有限狀態(tài)的控制方法,比如在基于MIT踝關(guān)節(jié)動(dòng)力假肢的研究[2]中,落地期分為了3個(gè)階段:可控跖屈(Controlled plantar fexion,CP)、可控背屈(Controlled dorsifexion,CD)和蹬地跖屈(Powered plantar fexion, PP).在每個(gè)階段采用了基于模型的阻抗控制.一名殘疾人穿戴實(shí)驗(yàn)表明,該假肢和其控制方法能夠降低被試穿戴普通被動(dòng)假肢14%的能耗.同樣地,該研究設(shè)計(jì)了中層和底層控制器.在同樣基于MIT踝關(guān)節(jié)動(dòng)力假肢的研究[28]中,中層控制器依然采用了有限狀態(tài)控制,底層控制器采用了基于希爾肌肉模型(Hill-type muscle)的控制算法.該控制算法可以讓動(dòng)力假肢自適應(yīng)斜坡的角度,而不依靠過多檢測地形的傳感信息.在北京大學(xué)的智能小腿假肢PKU-RoboTPro研究中[7],底層控制器采用了阻尼控制方法(Damping control),即通過控制每個(gè)步態(tài)周期中CP和CD階段的阻尼系數(shù),讓假肢踝關(guān)節(jié)力矩和角度曲線與健側(cè)腿更相似,達(dá)到更高的步態(tài)對稱性和行走穩(wěn)定性,3名殘疾人被試的穿戴實(shí)驗(yàn)也表明,依靠該控制方法,PKU-RoboTPro在平地行走、上/下樓梯和上/下斜坡等地形行走中增強(qiáng)了步態(tài)對稱性和行走穩(wěn)定性.

2 人體運(yùn)動(dòng)意圖識別

2.1 基本的定義和分類

人體運(yùn)動(dòng)意圖識別在穿戴智能動(dòng)力下肢假肢控制系統(tǒng)中起著至關(guān)重要的作用.人體運(yùn)動(dòng)意圖識別的最終目的是準(zhǔn)確、及時(shí)地解碼人神經(jīng)中樞中運(yùn)動(dòng)意圖的信息,智能動(dòng)力下肢假肢的底層控制器根據(jù)此運(yùn)動(dòng)意圖信息來選擇相應(yīng)的控制策略.因此,運(yùn)動(dòng)意圖識別的性能(如識別精度、實(shí)時(shí)性、抗干擾性等)直接影響著智能動(dòng)力假肢的運(yùn)動(dòng)效果,進(jìn)而影響殘疾人運(yùn)動(dòng)的安全性與流暢性.用于智能動(dòng)力下肢假肢控制的人體運(yùn)動(dòng)意圖識別主要包括如下幾部分內(nèi)容:對神經(jīng)中樞運(yùn)動(dòng)意圖信息的直接解碼,比如關(guān)節(jié)角度、關(guān)節(jié)力矩、關(guān)節(jié)角速度等;人體運(yùn)動(dòng)模態(tài)識別以及模態(tài)切換的識別,比如平地行走、上/下樓梯等;下肢行走步態(tài)階段/相位的檢測和估計(jì);人?智能假肢交互狀態(tài)的識別,比如交互力等.識別人體運(yùn)動(dòng)意圖有兩個(gè)必要手段:一是需要設(shè)計(jì)傳感方法和系統(tǒng)來準(zhǔn)確提取、測量人的運(yùn)動(dòng)信息,二是需要設(shè)計(jì)后續(xù)的處理算法把原始的信號轉(zhuǎn)換為具體的運(yùn)動(dòng)意圖信息.其中,傳感方法是實(shí)現(xiàn)運(yùn)動(dòng)意圖識別的第一個(gè)環(huán)節(jié),其效果直接影響著后續(xù)的處理算法和最終的識別性能.在智能動(dòng)力下肢假肢的應(yīng)用中,為了保證應(yīng)用效果,傳感方法需要盡可能地滿足兩個(gè)條件: 1)傳感系統(tǒng)的硬件或者測量前端盡可能少地對穿戴者(下肢截肢殘疾人)造成運(yùn)動(dòng)干涉或者干擾,并且易于穿戴.2)傳感方法準(zhǔn)確地測量到盡可能多的人體運(yùn)動(dòng)相關(guān)的信號.這兩個(gè)條件也是該領(lǐng)域中的研究目標(biāo),基于現(xiàn)有的技術(shù),可以測量(滿足上述兩個(gè)條件)的人體運(yùn)動(dòng)信號主要包括如下幾大類:1)生物信號或者神經(jīng)信號,其包含神經(jīng)中樞信息或者包含神經(jīng)中樞信息的次級反映,該類信號主要包括腦電信號、肌肉電信號和其他外周神經(jīng)類電信號等.2)機(jī)械信號,其反映人體運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)信息,如關(guān)節(jié)角度、運(yùn)動(dòng)加速度、地面交互力等.3)生物力學(xué)信號,一般情況下,該類信號由專門為測量人體運(yùn)動(dòng)信息而設(shè)計(jì)的傳感系統(tǒng)測得.該信號既包括反映生物力學(xué)特性的物理信息,如足底壓力分布、人機(jī)交互力分布等,也包括反映人體運(yùn)動(dòng)的生物信息,如運(yùn)動(dòng)過程中伴隨的肌肉收縮信息等.研究者為了得到精度更高、實(shí)時(shí)性更強(qiáng)的人體運(yùn)動(dòng)意圖識別,也會將這幾類信號進(jìn)行融合,來相互補(bǔ)償各自的優(yōu)缺點(diǎn).除這幾類信號外,還有一些研究者嘗試使用其他的技術(shù)來識別人體運(yùn)動(dòng)意圖,如超聲信號,雖然獲得了一定的識別效果,但是還沒有用于智能下肢假肢的可行性的系統(tǒng)研究,本文對基于這些傳感技術(shù)的研究不做過多討論.后續(xù)的處理算法的目的是將傳感系統(tǒng)測得的信號轉(zhuǎn)換為對應(yīng)的運(yùn)動(dòng)意圖,在現(xiàn)有的研究中,后續(xù)處理算法根據(jù)運(yùn)動(dòng)意圖識別的任務(wù)類型和傳感方法來設(shè)計(jì),主要包括如下幾類:基于機(jī)器學(xué)習(xí)和模式識別的算法,主要用于運(yùn)動(dòng)模態(tài)和步態(tài)階段的識別;基于模型的估計(jì)算法,主要用于基于神經(jīng)信號的運(yùn)動(dòng)意圖控制(Volitional control);以及基于其他類型的估計(jì)算法等.

2.2 基于神經(jīng)信號的運(yùn)動(dòng)意圖識別研究

神經(jīng)信號反映了中樞神經(jīng)系統(tǒng)的活動(dòng),按照現(xiàn)有傳感技術(shù)的測量方式,可以分為侵入/植入式(Invasive)和非侵入/植入式(Non-invasive)兩種.侵入式的神經(jīng)信號包括,主要包括皮質(zhì)腦電圖(Electrocorticography,ECoG)、皮質(zhì)神經(jīng)元記錄(Neural recordings)、植入式外周神經(jīng)測量(Peripheral nerve recordings)、植入式肌肉電信號等,非侵入式的測量手段主要包括表面肌電信號(Surface electromyography,sEMG)、表面腦電圖(Electroencephalograph,EEG)等.侵入式測量將測量電極直接植入到神經(jīng)信號的信息源頭(如皮質(zhì)神經(jīng)元記錄)、或者神經(jīng)信號通路(如植入式外周神經(jīng)信號),因此測得的信號更加準(zhǔn)確和真實(shí),基于植入式神經(jīng)信號已有個(gè)別的臨床研究應(yīng)用于上肢相關(guān)的運(yùn)動(dòng)意圖識別,得到了很有意義的初步結(jié)果,但是目前的植入式測量技術(shù)對生物體存在直接的物理傷害和更多未知的風(fēng)險(xiǎn),與大規(guī)模、系統(tǒng)性的臨床研究還有一定的距離,本文不做過多的討論.非侵入式的神經(jīng)信號中,表面腦電信號雖然包含了大腦活動(dòng)的信息,但是大腦皮層的神經(jīng)元脈沖信號經(jīng)過顱骨和頭皮后存在天然的失真,并且在實(shí)際測量中需要穿戴腦電帽,特別是在行走過程中極易受到干擾,在智能動(dòng)力下肢假肢中應(yīng)用非常少.用于智能動(dòng)力下肢假肢控制的人體運(yùn)動(dòng)意圖識別研究中,目前最常用的神經(jīng)信號是表面肌電信號(sEMG).

表面肌電信號(sEMG)是肌肉收縮過程中伴隨產(chǎn)生的電信號,并反映到皮膚表面的微弱電勢差.表面肌電信號的優(yōu)點(diǎn)是:其是肌肉收縮信息的直接反映,信號的延時(shí)小、信息保真度高.相比于侵入式神經(jīng)信號和非侵入式腦電信號,表面肌電信號測量系統(tǒng)僅需要表面電極貼合在對應(yīng)肌肉的皮膚表面,測量相對方便.因此在目前用于智能動(dòng)力下肢假肢控制的人體運(yùn)動(dòng)意圖識別研究中,表面肌電信號是研究者最常用的神經(jīng)信號.在基于表面肌電信號的運(yùn)動(dòng)意圖識別研究中,一些研究者設(shè)計(jì)基于機(jī)器學(xué)習(xí)和模式識別模型的后續(xù)處理算法,對下肢運(yùn)動(dòng)模態(tài)以及模態(tài)之間的切換進(jìn)行識別[8?9,29?32].比如,美國北卡羅來納州立大學(xué)Huang研究團(tuán)隊(duì)提出了基于表面肌電信號的人體運(yùn)動(dòng)模態(tài)識別方法[8?9,29?30].在文獻(xiàn)[8]中,作者測量了8名健康被試和2名大腿截肢的殘疾人在7種日常生活中常見的運(yùn)動(dòng)模態(tài)下的表面肌電信號,提取了單側(cè)下肢16個(gè)通道的信號.為了根據(jù)肌電信號識別出運(yùn)動(dòng)模態(tài),作者設(shè)計(jì)了基于步態(tài)相位的分類器(Phasedependent classifer),即選取了兩個(gè)步態(tài)事件(腳后跟落地Foot-contact和腳尖離地Foot-of)附近一段時(shí)間的sEMG信號,計(jì)算了該時(shí)間窗內(nèi)的一些特征值(平均值、標(biāo)準(zhǔn)差等),最后根據(jù)模式分類算法(線性判別分析分類器)將sEGM轉(zhuǎn)換為最終的運(yùn)動(dòng)模態(tài).最終,7種運(yùn)動(dòng)模態(tài)的平均識別錯(cuò)誤率為7.4%.在文獻(xiàn)[9]中,作者將該方法應(yīng)用到大腿截肢殘疾人的連續(xù)運(yùn)動(dòng)模態(tài)識別.其中,大腿殘肢的表面肌電信號(7～9個(gè)通道信號)和假肢的機(jī)械信號(測力傳感器Loadcell)都用于識別運(yùn)動(dòng)意圖的信號源.相比之前的工作,文獻(xiàn)[9]中用滑動(dòng)窗來分割傳感數(shù)據(jù),并且每一個(gè)步態(tài)階段分別訓(xùn)練分類器模型.在該方法識別的5名殘疾人進(jìn)行的6種生活常見的運(yùn)動(dòng)模態(tài)和5種運(yùn)動(dòng)模態(tài)切換的任務(wù)中,實(shí)現(xiàn)了平均97%的識別準(zhǔn)確率(基于支持向量機(jī)),并且能夠?qū)崿F(xiàn)平均提前420ms識別出下一步的運(yùn)動(dòng)模態(tài).除此之外,美國俄勒岡大學(xué)Hahn團(tuán)隊(duì)的Miller等研究了基于sEMG信號的小腿截肢殘疾人運(yùn)動(dòng)意圖識別[31],研究人員測量了5名單側(cè)小腿截肢殘疾人殘肢上的4個(gè)通道的肌肉信號,設(shè)計(jì)了基于步態(tài)時(shí)間(Gait event)的分析窗來提取時(shí)域特征值進(jìn)行模態(tài)分類.在7種常見的運(yùn)動(dòng)模態(tài)的識別中,獲得了97.9%平均識別準(zhǔn)確率.同時(shí)在該文章中,作者還研究了肌電電極位置發(fā)生變化對識別性能的影響,為基于表面肌電信號的運(yùn)動(dòng)意圖識別研究提供了參考.清華大學(xué)Jin等曾研究了基于sEMG的運(yùn)動(dòng)模態(tài)識別方法[32],13名健康被試和1名大腿截肢殘疾人參加了實(shí)驗(yàn)并且記錄了13個(gè)通道的臀部肌肉,為了識別6種運(yùn)動(dòng)模態(tài),作者在每個(gè)步態(tài)周期的sEMG信號提取時(shí)域特征,通過比較特征的分布特點(diǎn)來區(qū)分運(yùn)動(dòng)模態(tài),最終達(dá)到了平均87.5%的識別準(zhǔn)確率.

表面肌電信號是神經(jīng)中樞運(yùn)動(dòng)信息的直接反映,一些研究者提取被試主動(dòng)收縮肌肉時(shí)的sEMG信號,實(shí)現(xiàn)主動(dòng)的運(yùn)動(dòng)意圖控制[10,22,33?36].比如,美國麻省理工大學(xué)Herr研究團(tuán)隊(duì)在文獻(xiàn)[22]中,通過采集殘端上的sEMG信號,通過殘疾人的主動(dòng)收縮來控制動(dòng)力小腿假肢實(shí)現(xiàn)平底行走和下樓梯之間的模態(tài)切換.在該研究中,殘余腓腸肌和脛骨前肌的收縮信號作為控制動(dòng)力假肢進(jìn)行步態(tài)切換的觸發(fā)信號,通過了1名殘疾人被試的實(shí)際控制,證實(shí)了sEMG主動(dòng)控制的可行性.后續(xù),該團(tuán)隊(duì)在基于動(dòng)力小腿假肢BiOM的研究[33]中,采集了小腿殘肢的肌電信號,計(jì)算其移動(dòng)平均值,并且建立了從sEMG到踝關(guān)節(jié)力矩的方程,被試在行走過程中可以通過主動(dòng)收縮殘端肌肉來控制踝關(guān)節(jié)在蹬地階段的力矩.在實(shí)驗(yàn)中,雙側(cè)小腿截肢的殘疾人穿戴BiOM在平地行走和上/下樓梯的運(yùn)動(dòng)中都實(shí)現(xiàn)了對假肢的主動(dòng)控制.北京大學(xué)王啟寧團(tuán)隊(duì)在文獻(xiàn)[34]中,測量了小腿截肢殘疾人殘余的脛骨前肌和腓腸肌的肌電信號,并建立了從肌電信號到踝關(guān)節(jié)跖屈角度和背屈角度的映射方程.通過對殘疾人一段時(shí)間的訓(xùn)練后,殘疾人可以在上/下斜坡時(shí)通過肌肉收縮控制智能假肢關(guān)節(jié)角度的大小,以適應(yīng)不同的斜坡角度(如圖3(a)所示).美國芝加哥康復(fù)中心的Hargrove等在文獻(xiàn)[10]中,采集了6名單側(cè)大腿截肢殘疾人殘端上9個(gè)通道的sEMG信號,實(shí)驗(yàn)中殘疾人被試坐在椅子上(非負(fù)重條件下)通過屏幕提示的動(dòng)作,包括膝關(guān)節(jié)屈、伸,踝關(guān)節(jié)背屈、跖屈,膝關(guān)節(jié)內(nèi)收、外展和踝關(guān)節(jié)內(nèi)旋、外旋,殘疾人進(jìn)行運(yùn)動(dòng)想象并收縮肌肉,產(chǎn)生了相應(yīng)的“模式”,通過對肌肉提取時(shí)域特征值并結(jié)合模式分類算法,得到了90%左右的平均識別率.該類型的研究利用了表面肌電信號意圖控制的優(yōu)勢,但是該方法受到殘疾人肌肉收縮情況的制約,目前應(yīng)用的被試數(shù)目較少.

圖3 基于sEMG運(yùn)動(dòng)意圖識別研究((a)殘疾人穿戴智能動(dòng)力小腿假肢,通過sEMG主動(dòng)控制在不同角度的斜坡上行走[34];(b)大腿肌肉重定向手術(shù)示意圖(上),重定向手術(shù)后通過收縮大腿肌肉來反映踝關(guān)節(jié)的跖屈和背屈[37])Fig.3 Human intent recognition based on sEMG signals ((a)sEMG-based volitional control of robotic transtibial prosthesis,and the amputee walks on ramps with diferent angles[34];(b)Target muscle reinnervation(TMR)(upper half),sEMG signals of ankle dorsifexion and ankle plantarfexion through TMR muscles(bottom half)[37])

在基于sEMG信號的運(yùn)動(dòng)意圖識別研究中,殘疾人殘肢肌肉的活性或者殘余肌肉的多少直接影響著識別效果.一些研究者依靠有限的信號源設(shè)計(jì)識別算法來提高識別精度(如前所述),還有一些研究者從截肢患者本身出發(fā),通過手術(shù)的方式重構(gòu)殘疾人殘端的神經(jīng)通路,提高肌肉的活性.美國芝加哥康復(fù)中心Kuiken團(tuán)隊(duì)提出了利用神經(jīng)重定向手術(shù)將截?cái)嗟倪\(yùn)動(dòng)神經(jīng)末梢轉(zhuǎn)移至其他健全的下肢肌肉來提高殘疾人肌肉的自主收縮能力,進(jìn)而提升識別效果[37].在文獻(xiàn)[37]中,作者對一名大腿截肢患者在手術(shù)的過程中實(shí)施了神經(jīng)重定向手術(shù)(Targeted muscle reinnervation).該手術(shù)首先切斷了控制大腿半腱肌和股二頭肌的神經(jīng),然后將坐骨神經(jīng)(Sciatic nerve)的脛骨神經(jīng)(Tibial nerve)分支連接到半腱肌,將坐骨神經(jīng)的腓總神經(jīng)(Common peroneal nerve)分支連接到股二頭肌.經(jīng)過幾個(gè)月的康復(fù)后,重定向的神經(jīng)通路實(shí)現(xiàn)了功能上的重定向,當(dāng)患者意圖做出踝關(guān)節(jié)背屈動(dòng)作時(shí),半腱肌會產(chǎn)生收縮;當(dāng)患者意圖做出踝關(guān)節(jié)跖屈動(dòng)作時(shí),股二頭肌會產(chǎn)生收縮.研究人員對該名患者的運(yùn)動(dòng)模態(tài)進(jìn)行了識別,在該患者穿戴大腿動(dòng)力下肢假肢(美國范德比爾特大學(xué)研發(fā)的大腿動(dòng)力假肢)行走時(shí)測量了其殘肢上的sEMG信號(包括原生的肌肉和重定向后的肌肉),最終實(shí)現(xiàn)了98.2%的識別準(zhǔn)確率.神經(jīng)重定向手術(shù)為下肢運(yùn)動(dòng)意圖識別提供了一個(gè)全新的研究角度,由于該方法需要在截肢手術(shù)過程中進(jìn)行,目前應(yīng)用的被試較少.

2.3 基于機(jī)械信號的運(yùn)動(dòng)意圖識別

機(jī)械信號主要記錄人在運(yùn)動(dòng)過程中的運(yùn)動(dòng)學(xué)信息與動(dòng)力學(xué)信息,主要包括關(guān)節(jié)角度、關(guān)節(jié)角速度、線性加速度、角加速度、傾角、地面交互力等.其中,測量運(yùn)動(dòng)學(xué)信息的傳感系統(tǒng)主要包括集成的慣性傳感器(也可成為慣性導(dǎo)航模塊)、電位計(jì)、編碼器等.其中,集成慣性傳感器集成了線性加速度傳感器和陀螺儀芯片,輸出的原始信號為三軸線性加速度和三軸角速度,通過四元數(shù)法、卡爾曼濾波器算法或者方向余弦矩陣算法等解算出歐拉角,電位計(jì)和編碼器則可以通過與假肢機(jī)械結(jié)構(gòu)的匹配和集成測量得到關(guān)節(jié)角度和關(guān)節(jié)角速度.測量動(dòng)力學(xué)信息的傳感系統(tǒng)主要為各種測力傳感器,比如應(yīng)變式測力傳感器、壓敏薄膜電阻等,主要測量拉力、壓力以及扭矩.相對于表面肌電信號這種神經(jīng)生物信號,機(jī)械信號傳感技術(shù)更加成熟穩(wěn)定,并且體積小、集成性強(qiáng),所以機(jī)械信號在智能動(dòng)力下肢假肢的控制和運(yùn)動(dòng)意圖識別中應(yīng)用較為廣泛[38?39].

有一些研究者專門基于機(jī)器學(xué)習(xí)和模式分類的方法處理集成到智能假肢上的機(jī)械傳感信號.比如,美國范德比爾特大學(xué)的Goldfarb團(tuán)隊(duì)在文獻(xiàn)[28]中,作者設(shè)計(jì)了基于下肢運(yùn)動(dòng)模態(tài)的下肢假肢控制方法,控制器首先識別出穿戴者(大腿截肢殘疾人)的運(yùn)動(dòng)意圖,然后基于有限狀態(tài)和阻抗控制的方法控制假肢關(guān)節(jié)的驅(qū)動(dòng)器.用于控制的下肢運(yùn)動(dòng)意圖包括坐、站、不同速度下的行走,以及不同的人機(jī)交互狀態(tài),為識別出運(yùn)動(dòng)意圖,機(jī)械信號(由集成到假肢的機(jī)械傳感器測量)包括關(guān)節(jié)角度、關(guān)節(jié)角速度、假肢與假肢接受腔之間的交互力和地面交互力,識別的模型為高斯混合模型,1名被試參與了穿戴實(shí)驗(yàn),通過識別算法實(shí)現(xiàn)了100%的識別準(zhǔn)確率,但是存在500ms的延時(shí).美國芝加哥康復(fù)中心的Hargrove團(tuán)隊(duì)在文獻(xiàn)[11]中,依靠范德比爾特大學(xué)的大腿動(dòng)力假肢和集成在假肢上的機(jī)械傳感器(慣導(dǎo)模塊、力傳感器等)進(jìn)行運(yùn)動(dòng)模態(tài)的識別,該研究也是領(lǐng)域中首次研究殘疾人穿戴智能動(dòng)力下肢假肢時(shí)的運(yùn)動(dòng)模態(tài)識別,依靠機(jī)械傳感器和模式分類算法實(shí)現(xiàn)了93.9%的平均識別率(6名大腿截肢被試, 5種運(yùn)動(dòng)模態(tài)和8種運(yùn)動(dòng)模態(tài)之間的切換).在其后續(xù)研究中,該團(tuán)隊(duì)又相應(yīng)改進(jìn)了其識別策略,比如引入了動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)(Dynamic Bayesian network)和一段時(shí)間的歷史數(shù)據(jù)作為先驗(yàn)概率[40],相比之前的研究最終的識別錯(cuò)誤率降低了50%.該團(tuán)隊(duì)還利用機(jī)械信號和神經(jīng)信號融合的手段獲得更高的識別精度[41],該研究采集了BiOM上的慣導(dǎo)信息和小腿殘肢上4個(gè)通道的肌電信號,通過模式分類的方法,在10種運(yùn)動(dòng)模態(tài)切換的識別中得到了95%左右的平均識別精度.

2.4 神經(jīng)生物信號和機(jī)械信號的局限

基于神經(jīng)生物信號(表面肌電信號)和機(jī)械信號的運(yùn)動(dòng)意圖識別已經(jīng)取得了一系列的成果,有一些研究已經(jīng)在智能動(dòng)力下肢假肢上開始臨床實(shí)驗(yàn)[11,34,41],但是目前的研究仍然存在著一些局限和不足.實(shí)現(xiàn)穩(wěn)定、可靠的智能動(dòng)力下肢假肢控制仍然存在著一些挑戰(zhàn)和問題.

神經(jīng)生物信號主要為表面肌電信號,其在采集的過程中存在著諸多局限:1)表面肌電信號是肌肉收縮過程中生物電信號在皮膚表面產(chǎn)生的電位差,信號幅值非常微弱(μV級別),實(shí)際采集過程中需要金屬電極緊貼在被測肌肉位置處的皮膚表面,信號的波形、質(zhì)量和進(jìn)一步的識別效果都很大程度上受到測量位置的影響[42],每次測量時(shí)都需要重新對準(zhǔn)測量位置,這個(gè)因素制約了表面肌電信號在智能動(dòng)力假肢控制中的應(yīng)用.2)表面肌電信號的質(zhì)量受到皮膚表面的阻抗系數(shù)的影響,皮膚表面的阻抗系數(shù)則由一系列不可避免的因素改變,比如長時(shí)間運(yùn)動(dòng)后的汗液,這也影響表面肌電信號的采集效果[43]. 3)表面肌電信號雖然能準(zhǔn)確反映肌肉收縮的信息,但是用于下肢智能假肢控制時(shí),殘疾人由于截肢存在著肌肉的缺失,長時(shí)間截肢后還會存在著殘余肌肉萎縮等問題.針對殘余肌肉數(shù)目少或者肌肉萎縮的穿戴者來說,表面肌電信號無法獲得有效的運(yùn)動(dòng)信息[43],制約了該信號的應(yīng)用.4)殘疾人在穿戴下肢假肢時(shí),需要將殘肢套入內(nèi)襯套中,通過連桿與假肢本體連接,因此在行走中殘端幾乎承擔(dān)了身體全部的重量,與接受腔之間存在很強(qiáng)的交互力.表面肌電信號測量需要將金屬電極貼在殘端表面,長時(shí)間使用后,金屬電極會對殘肢測量點(diǎn)處的表面皮膚造成壓迫,嚴(yán)重時(shí)會帶來皮膚潰瘍和損傷[42],影響殘疾人正常運(yùn)動(dòng).機(jī)械類信號穩(wěn)定性好、重復(fù)度高,但是在實(shí)際使用過程中也存在著一些局限和不足:1)機(jī)械信號反映了人在運(yùn)動(dòng)過程中或者人在與外部環(huán)境發(fā)生交互時(shí)的運(yùn)動(dòng)學(xué)與力學(xué)信息,存在著一定的滯后性[9],而在實(shí)際假肢使用中,機(jī)械間隙、穿戴不對心等問題都會加劇機(jī)械信號的滯后性,降低識別效果.2)集成在假肢上的機(jī)械信號反映了假肢的運(yùn)動(dòng)信息,不是穿戴者本身的運(yùn)動(dòng)意圖,因此在意圖識別中存在著局限性[11].

2.5 基于生物力學(xué)信號的運(yùn)動(dòng)意圖識別

在用于智能下肢假肢的運(yùn)動(dòng)意圖識別中,識別系統(tǒng)的可靠性、穩(wěn)定性決定著結(jié)果的準(zhǔn)確性和實(shí)時(shí)性等性能指標(biāo),這些指標(biāo)又進(jìn)一步?jīng)Q定了殘疾人在穿戴智能假肢運(yùn)動(dòng)中的安全性.為了克服現(xiàn)有神經(jīng)生物信號和機(jī)械信號傳感方法的不足,一些研究人員通過多傳感融合的方式,如將多種機(jī)械信號和表面肌電信號進(jìn)行融合,共同作為識別算法分類器的輸入信號來提高信息維度[9,41].還有一些研究人員通過改進(jìn)后續(xù)處理算法,如識別算法來提高識別精度[40],但是受到信號源的影響,效果仍然有限.除在現(xiàn)有基礎(chǔ)上的研究,還有一些研究人員通過設(shè)計(jì)新的傳感方法來從更多維度,或者更有效地提取人的運(yùn)動(dòng)信息.

一般情況下,生物力學(xué)信號傳感系統(tǒng)是專門測量人體運(yùn)動(dòng)信息而設(shè)計(jì)的傳感系統(tǒng),比較典型的生物力學(xué)傳感方法為足底壓力分布測量系統(tǒng)[44].足底壓力分布本質(zhì)上為機(jī)械信號,即人運(yùn)動(dòng)過程中的地面反作用力,由于足部的生物結(jié)構(gòu)特點(diǎn),造成了足底壓力的分布有很強(qiáng)的運(yùn)動(dòng)相關(guān)性,并且包含了很多有生物力學(xué)意義的信息.用于智能動(dòng)力假肢的足底壓力分布測量系統(tǒng)一般為方便穿戴的足底壓力鞋墊,壓力鞋墊上會集成薄膜式壓敏電阻或者研究人員自主研發(fā)的測力傳感器(如光電式).理想情況下,壓力測量點(diǎn)分布越多信息越豐富,但是數(shù)據(jù)量和計(jì)算負(fù)擔(dān)會增加,為了折中,研究人員會選取幾個(gè)關(guān)鍵的測量點(diǎn)反映足底壓力分布信息,比如大腳趾尖、第一趾骨、第四第五趾骨和腳后跟[45].足底壓力分布可以直接反映步態(tài)信息,很多研究人員利用足底壓力分布進(jìn)行步態(tài)階段的檢測和估計(jì)[44],用于智能動(dòng)力下肢假肢控制.還有一些研究人員利用足底壓力分布進(jìn)行運(yùn)動(dòng)模態(tài)的識別[46].

在該方向的研究中,除腳底壓力鞋墊以外,還有一部分研究者研究傳感方法,從新的信號源中提取有效的人體運(yùn)動(dòng)信息.比如北京大學(xué)王啟寧團(tuán)隊(duì)研發(fā)了基于電容傳感的人體運(yùn)動(dòng)意圖識別方法,通過測量人運(yùn)動(dòng)過程中的電容信號來進(jìn)行運(yùn)動(dòng)意圖的識別.該團(tuán)隊(duì)Zheng等在文獻(xiàn)[47]中,提出了用電容信號識別運(yùn)動(dòng)模態(tài)的方法.該文章中,作者設(shè)計(jì)的電容傳感系統(tǒng)包括兩個(gè)電容環(huán),分別穿戴在大腿和小腿處,電容環(huán)內(nèi)測貼合了多個(gè)金屬電極,每兩個(gè)金屬電極與人體形成了耦合電容(兩個(gè)金屬電極為平板電容兩個(gè)電極,中間的人體以及空隙形成了電容電介質(zhì)).行走過程中,腿部肌肉收縮帶來的形變改變耦合電容的電介質(zhì),進(jìn)而使電容信號發(fā)生改變.為了驗(yàn)證電容傳感方法的可行性,作者采集了10名被試在11種運(yùn)動(dòng)模態(tài)下的電容信號,通過線性的模式分類算法得到了95%平均識別精度.Chen等在文獻(xiàn)[48]中,將電容傳感的方法應(yīng)用到小腿截肢殘疾人上,并設(shè)計(jì)了基于電容信號的運(yùn)動(dòng)模態(tài)識別方法,研究了電容傳感在殘疾人運(yùn)動(dòng)模態(tài)識別中的性能,最終在5名殘疾人6種運(yùn)動(dòng)模態(tài)的識別中得到了94%左右的平均識別率.該團(tuán)隊(duì)在后續(xù)的研究中,對基于電容傳感的運(yùn)動(dòng)意圖識別做了更深入的研究.在文獻(xiàn)[12]中,設(shè)計(jì)了非接觸式電容傳感方法,將金屬電極集成到假肢接受腔內(nèi),以非接觸皮膚的方式與人體耦合形成電容(金屬電機(jī)與人體為等效電容的兩個(gè)電極,殘疾人穿戴的內(nèi)襯套為電介質(zhì)),在運(yùn)動(dòng)過程中,殘端肌肉收縮以及殘端與接受腔的交互力都會帶來電容信號的變化(原理示意如圖4(a)所示).作者基于非接觸式電容信號實(shí)現(xiàn)了在6名殘疾人穿戴被動(dòng)假肢進(jìn)行6種運(yùn)動(dòng)模態(tài)下95%的平均識別率.在后續(xù)的研究中[13],作者將電容信號與智能動(dòng)力假肢上的機(jī)械傳感信號進(jìn)行融合,設(shè)計(jì)了基于電容?機(jī)械信號融合的識別方法,在6名殘疾人穿戴智能動(dòng)力小腿假肢的實(shí)驗(yàn)中(穿戴如圖4(b)所示),實(shí)現(xiàn)了對6種運(yùn)動(dòng)模態(tài)以及運(yùn)動(dòng)模態(tài)之間切換的識別,最終平均識別準(zhǔn)確率為95%.基于電容傳感的運(yùn)動(dòng)意圖識別,相比基于肌電信號的研究,不僅可以達(dá)到同樣的識別精度,而且克服了表面肌電信號測量必須接觸皮膚的缺點(diǎn),為該領(lǐng)域的研究提供了一個(gè)新的方法.

圖4 基于非接觸式電容傳感的運(yùn)動(dòng)意圖識別((a)非接觸式電容傳感在小腿假肢上測量原理示意圖;(b)基于非接觸式電容傳感的運(yùn)動(dòng)意圖識別研究，與小腿智能動(dòng)力假肢穿戴示意圖)Fig.4 Lower-limb motion intent recognition based on noncontact capacitive sensing((a)The sensing principle of noncontact capacitive sensing on transtibial prosthesis;(b)A study on noncontact capacitive sensing based locomotion transition recognition with robotic prosthesis,and its placement on human body)

3 面向環(huán)境適應(yīng)的人?假肢融合

從人機(jī)交互的方式來說,智能動(dòng)力假肢屬于穿戴式機(jī)器人[49],假肢機(jī)械結(jié)構(gòu)的本體與穿戴者以及外部環(huán)境存在著很強(qiáng)的物理交互.為了實(shí)現(xiàn)人穿戴智能假肢在實(shí)際的隨機(jī)環(huán)境中流暢的運(yùn)動(dòng),并保持穩(wěn)定可靠的性能,需要假肢的控制系統(tǒng)能夠適應(yīng)外部環(huán)境的變化,在復(fù)雜的環(huán)境中實(shí)現(xiàn)人與智能假肢的融合.理想情況下,智能動(dòng)力假肢需要適應(yīng)的環(huán)境的變化主要包括如下兩點(diǎn):1)地形的變化,比如從平地變?yōu)樯蠘翘?、行走的斜坡角度發(fā)生變化等.由于不同地形下的行走下肢關(guān)節(jié)有相應(yīng)的動(dòng)力學(xué)參數(shù),因此假肢在不同地形下的運(yùn)動(dòng)需要不同的控制參數(shù).地形識別同運(yùn)動(dòng)意圖識別中運(yùn)動(dòng)模態(tài)的識別有相似的研究方法,即穿戴者(殘疾人)在行走時(shí)需要調(diào)節(jié)身體,產(chǎn)生相應(yīng)的運(yùn)動(dòng)模態(tài)來應(yīng)對地形的變化.2)外部環(huán)境參數(shù)的變化,相比地形變化,環(huán)境參數(shù)變化情況多樣、隨機(jī),并且很難對環(huán)境參數(shù)的變化進(jìn)行準(zhǔn)確的建?；蛘呓Y(jié)構(gòu)化處理.比較典型的環(huán)境參數(shù)變化的情況就是對假肢的重新穿戴,截肢殘疾人穿戴智能假肢時(shí),需要將殘肢套入接受腔內(nèi),通過接受腔與假肢其他部分連接.下肢殘肢的形狀不規(guī)則,不同次穿戴假肢時(shí)相對位置會發(fā)生變化,進(jìn)而對傳感系統(tǒng)測量造成影響,比如表面肌電信號電極測量位置變化、慣性傳感器測量得到的傾角變化、電容傳感系統(tǒng)電極與人體之間相對位置變化等.另一種環(huán)境參數(shù)的變化就是在長期穿戴假肢后,殘疾人的運(yùn)動(dòng)控制機(jī)制會發(fā)生適應(yīng)性的改變.這種機(jī)制使神經(jīng)系統(tǒng)適應(yīng)性改變后,原先適合的智能肢體變得難以控制,從而導(dǎo)致人的運(yùn)動(dòng)協(xié)調(diào)惡化,形成新的、不符合預(yù)期的運(yùn)動(dòng)控制方式.如果利用開始階段的數(shù)據(jù)作為識別算法模型進(jìn)行訓(xùn)練,后續(xù)的識別效果會隨著時(shí)間的推移變差,加上隔天假肢重新穿戴這一干擾因素,識別效果會受到更嚴(yán)重的影響.研究環(huán)境變化對假肢控制與意圖識別的影響,解決這些科學(xué)問題,并設(shè)計(jì)具有環(huán)境適應(yīng)能力的人?假肢融合控制系統(tǒng)是保證智能動(dòng)力假肢滿足實(shí)際應(yīng)用需求的必要條件.該領(lǐng)域的研究可以分為如下幾類:1)與運(yùn)動(dòng)意圖識別研究類似,直接進(jìn)行地形識別的研究.2)研究環(huán)境條件變化對運(yùn)動(dòng)意圖識別的影響.3)針對某種環(huán)境變化帶來的干擾因素,研究運(yùn)動(dòng)意圖識別方法或者假肢控制器,使其具有環(huán)境適應(yīng)能力.

在地形識別的研究中,一些研究者基于如前所述的3種信號(神經(jīng)信號、機(jī)械信號和生物力學(xué)信號)用于地形識別,與運(yùn)動(dòng)意圖識別研究類似.比如北京大學(xué)研究團(tuán)隊(duì)利用足底壓力鞋墊和智能小腿假肢上集成的慣性傳感器,并根據(jù)傳感信號提取有生物力學(xué)意義的特征,然后設(shè)計(jì)了基于模糊邏輯的地形識別方法,在6名健康被試和3名殘疾被試進(jìn)行5種地形識別以及8種地形識別的切換中達(dá)到了98.7%的平均識別準(zhǔn)確率,在地形切換中的平均滯后為9.1%個(gè)步態(tài)周期[14].還有一些研究者在已有運(yùn)動(dòng)意圖識別的傳感系統(tǒng)基礎(chǔ)上增加新的傳感手段,實(shí)現(xiàn)地形識別[50?51].美國北卡羅來納州立大學(xué)Huang團(tuán)隊(duì)在文獻(xiàn)[50]中設(shè)計(jì)了一個(gè)傳感系統(tǒng)用于檢測前方的地形環(huán)境信息,該傳感系統(tǒng)集成了慣導(dǎo)模塊和激光測距傳感器,放置在被試的腰部,根據(jù)慣導(dǎo)的傾角數(shù)據(jù)和激光傳感器的距離信號解算出前方的地形,該信息作為研究中運(yùn)動(dòng)意圖識別的先驗(yàn)知識以提高識別性能,最終該方法分別在健康被試和1名殘疾人被試上做了實(shí)驗(yàn),平均識別準(zhǔn)確率為98%,并且能夠在地形切換的平均前500ms識別出地形變化.美國芝加哥康復(fù)中心的Krausz等在文獻(xiàn)[51]中使用微軟公司的Kinect傳感器采集前方的圖像,并利用其深度信息來判別前方的臺階地形.作者在該研究中基于圖像分割原理識別出臺階的高度、深度、坡度和臺階數(shù)目等信息,并在實(shí)時(shí)的臺階行走實(shí)驗(yàn)中基于Kinect傳感實(shí)現(xiàn)了98.8%的識別準(zhǔn)確率.

外部環(huán)境參數(shù)變化的情況較多,并且很難建立數(shù)學(xué)模型,領(lǐng)域中針對此問題的研究也比較多樣,比如美國俄勒岡大學(xué)Hahn團(tuán)隊(duì)在基于表面肌電的運(yùn)動(dòng)模態(tài)識別的研究中,評估了表面肌電信號測量電極位置變化對識別效果的影響[31],實(shí)際應(yīng)用中肌電信號電極在不同次的測量時(shí)測量位置(人為經(jīng)驗(yàn)確定)會發(fā)生變化.文獻(xiàn)[31]中,sEMG電極在前后兩組實(shí)驗(yàn)中分別針對每塊待測肌肉移動(dòng)3cm,最終實(shí)驗(yàn)結(jié)果表明,每個(gè)通道的sEMG電極移動(dòng)都會顯著降低識別準(zhǔn)確度,其中腓腸肌受到電極測量位置影響最大,識別率下降了60%左右.國內(nèi),北京大學(xué)王啟寧團(tuán)隊(duì)在基于非接觸式電容傳感的運(yùn)動(dòng)意圖識別研究中[12],研究了重新穿戴假肢和殘疾人負(fù)重變化對識別精度的影響,對假肢(接受腔)的重新穿戴和負(fù)重變化都屬于外部環(huán)境條件的變化,都會對測量系統(tǒng)造成間接的影響.該研究中結(jié)果表明,負(fù)重變化不會對電容傳感系統(tǒng)造成影響,即識別率沒有降低;對假肢接受腔的重新穿戴會對識別準(zhǔn)確率造成最多5%的識別率降低.美國芝加哥康復(fù)中心Hargrove團(tuán)隊(duì)在文獻(xiàn)[52]中,針對被試對運(yùn)動(dòng)意圖識別的影響做了研究,該研究使用了范德比爾特大學(xué)研發(fā)的大腿動(dòng)力假肢,信號源為假肢上集成的機(jī)械傳感信號.作者在模式分類算法中引入了時(shí)程信息,設(shè)計(jì)了不依賴于被試的模式分類算法.實(shí)驗(yàn)中,把訓(xùn)練好的算法模型應(yīng)用到新的被試上,運(yùn)動(dòng)模態(tài)的平均識別率在90%左右,模態(tài)切換的平均識別率在85%左右.一些研究人員在假肢機(jī)械結(jié)構(gòu)設(shè)計(jì)和假肢底層控制器中引入了自適應(yīng)機(jī)制,比如機(jī)械結(jié)構(gòu)中的串聯(lián)柔性驅(qū)動(dòng)器和可控柔性驅(qū)動(dòng)器等[38],以及基于踝關(guān)節(jié)肌肉模型的假肢控制算法[28]等,雖然這些控制器具有一定的地形、行走速度自適應(yīng)能力,但是需要針對不同的穿戴者手動(dòng)設(shè)置控制參數(shù),重新穿戴也會對控制參數(shù)造成影響.美國北卡羅來納州立大學(xué)的Wen和亞利桑那州立大學(xué)的Si等在文獻(xiàn)[53]中設(shè)計(jì)了基于自適應(yīng)動(dòng)態(tài)規(guī)劃的下肢假肢控制算法,能夠自動(dòng)調(diào)節(jié)阻抗控制器的參數(shù),該研究對算法進(jìn)行了初步的仿真驗(yàn)證.綜上所述,針對外部環(huán)境參數(shù)變化的人?假肢融合研究較為初步,還存在很多不足和挑戰(zhàn).

4 感知反饋與替代

人體的運(yùn)動(dòng)控制是一個(gè)雙向的回路,不僅需要肌肉骨骼等組織進(jìn)行驅(qū)動(dòng),還需要視覺、觸覺和聽覺等感知器官提供運(yùn)動(dòng)反饋信息,以實(shí)現(xiàn)精細(xì)、有效的運(yùn)動(dòng)控制.對于截肢患者來說,肢體的缺失不僅削弱了運(yùn)動(dòng)能力,也喪失了一些重要的感知反饋,比如觸覺和本體感知等.目前大部分下肢動(dòng)力假肢研究主要關(guān)注假肢本身的結(jié)構(gòu)設(shè)計(jì)與控制,以改善假肢的運(yùn)動(dòng)控制功能,而對假肢的運(yùn)動(dòng)反饋研究則相對不足,這就造成了截肢患者對假肢的控制是單向的,不完整的.因此,為了重構(gòu)截肢患者與動(dòng)力假肢的雙向交互回路,讓截肢患者像控制自己的健康肢體一樣控制假肢運(yùn)動(dòng),需要賦予假肢一定的感知反饋能力.

目前常采用的感知反饋方法是將假肢的運(yùn)動(dòng)信息按照一定的方式進(jìn)行編碼,然后利用感覺刺激裝置產(chǎn)生相應(yīng)的刺激序列,并作用于截肢患者身體的特定部位.經(jīng)過一段時(shí)間的訓(xùn)練,截肢患者可以掌握不同刺激序列與假肢運(yùn)動(dòng)反饋之間的映射關(guān)系.這樣一來,截肢患者便可以通過感知不同的刺激方式來了解假肢的運(yùn)動(dòng)狀態(tài).

感知反饋的實(shí)現(xiàn)手段可以分為侵入式和非侵入式兩大類.其中,侵入式刺激手段通常將電極植入到病患的中樞神經(jīng)或外周神經(jīng)系統(tǒng),采用微電流刺激特定感覺神經(jīng),使病患產(chǎn)生相應(yīng)的感覺.這種刺激方式的優(yōu)點(diǎn)在于可以對刺激序列進(jìn)行更加精細(xì)的控制,如果刺激位置和刺激參數(shù)選取得當(dāng),可以讓病患獲得更加“自然”和“真實(shí)”的感覺.但這種方式也存在一定的不足.首先,為了植入刺激電極,需要進(jìn)行相應(yīng)的手術(shù);此外,電極的生物相容性和在人體內(nèi)的長期工作穩(wěn)定性還無法滿足假肢日常使用的要求.因此,這種刺激手段還不成熟,尚處于實(shí)驗(yàn)室研究階段.目前,針對中樞神經(jīng)系統(tǒng)的感覺刺激研究主要在嚙齒類[54?55]和靈長類動(dòng)物[56?61]身上進(jìn)行實(shí)驗(yàn),距離應(yīng)用到人體身上還有一定的距離.而針對外周神經(jīng)系統(tǒng)的相關(guān)研究目前已經(jīng)在上肢截肢患者身上進(jìn)行了初步測試[62?64].Yoo等將兩個(gè)含有8觸點(diǎn)的平界面神經(jīng)電極(Flat interface nerve electrodes,FINE)[65?66]和一個(gè)含有4觸點(diǎn)的螺旋電極(Spiral electrode)[67?68]分別植入到上肢截肢患者殘肢的正中神經(jīng)、尺神經(jīng)和橈神經(jīng),同時(shí)采用一個(gè)24通道的電刺激儀產(chǎn)生不同的刺激序列[64].不同電極觸點(diǎn)的電刺激參數(shù)主要包括電脈沖幅值、脈沖寬度、脈沖間隔時(shí)間和刺激頻率等,通過調(diào)整這些電刺激參數(shù)的數(shù)值,可以讓被試產(chǎn)生手部不同區(qū)域被以不同大小的力觸碰的感覺.將該感知反饋系統(tǒng)與上肢機(jī)器假肢手的控制相結(jié)合,得到了令人滿意的控制效果:一位上肢截肢被試控制假肢手成功抓取櫻桃并使其完好無損.除了前面提到的微電流刺激的方式,Kuiken等還提出了一種稱為目標(biāo)感覺神經(jīng)移植術(shù)(Targeted sensory reinnervation,TSR)的方法[69?71].研究者首先將上肢截肢患者殘肢中受損的感覺神經(jīng)移植到胸部,經(jīng)過一段時(shí)間的恢復(fù),使被移植神經(jīng)與胸部肌肉成功融合.研究者發(fā)現(xiàn),當(dāng)移植了神經(jīng)的胸部區(qū)域被觸碰時(shí),患者會產(chǎn)生已截肢肢體的某些部位被觸碰的感覺.基于這一發(fā)現(xiàn),Kuiken等使用表面電刺激儀和溫度探針等裝置刺激移植了殘存感覺神經(jīng)的胸部區(qū)域,使患者重新獲得已截肢肢體對觸覺和溫度的感覺[70].通過將假肢手傳感器測得的壓力和溫度信號傳遞給位于胸部的刺激裝置并產(chǎn)生相應(yīng)的刺激,可以讓截肢患者接收到假肢手的感知反饋.值得說明的是,目前還沒有研究將侵入式感知反饋方法應(yīng)用下肢動(dòng)力假肢的控制中.

非侵入式的感知反饋通常采用感知替代(Sensory substitution)手段實(shí)現(xiàn),即利用感知功能完善的感覺器官替代受損的感知功能.其工作原理是,利用傳感裝置測量受損感官無法感知的信息,然后根據(jù)測得的傳感信息按照特定的方式生成刺激序列,并通過一定的刺激手段作用于感知功能完善的感受器.通過這種方式,可以建立原受損感知與新的替代感知之間的映射關(guān)系.經(jīng)過一段時(shí)間的訓(xùn)練與適應(yīng),便可以利用這種新的方式“恢復(fù)”受損的感知功能.感知替代的優(yōu)點(diǎn)在于簡單易行,既不需要在體內(nèi)植入電極,也不需要進(jìn)行手術(shù),因而病患的接受度較高.但缺點(diǎn)是這種替代方式不夠自然,患者可能需要經(jīng)過長時(shí)間的訓(xùn)練才能掌握.常見的感知替代方式包括視覺反饋[72]、聽覺反饋[73?75]和觸覺反饋[15,76?88]等.其中,視覺反饋裝置由于便攜性較差的緣故,很難在假肢的日常控制中得到應(yīng)用.而聽覺反饋裝置的工作表現(xiàn)常常受到嘈雜環(huán)境的干擾,且配戴聽覺反饋裝置可能會影響日常的語言交流,同樣無法滿足日常使用的要求.相比之下,觸覺反饋裝置的便攜性更好,對使用環(huán)境的要求也較低,因此應(yīng)用的前景更好.根據(jù)刺激原理的不同,觸覺反饋系統(tǒng)可以分為兩類:基于電觸覺刺激[77?78]和基于振動(dòng)觸覺刺激[15,79?88]的感知反饋系統(tǒng).其中,振動(dòng)觸覺刺激因?yàn)槭孢m度較好的緣故,得到了更多使用者的青睞[89].振動(dòng)觸覺刺激系統(tǒng)的主要刺激參數(shù)包括刺激頻率、振動(dòng)幅值、持續(xù)時(shí)間、刺激位置和刺激模式等.通過改變刺激參數(shù)可以生成不同的振動(dòng)刺激序列,并讓使用者產(chǎn)生不同的感覺.在不同的刺激序列與反饋信息之間建立一一對應(yīng)的關(guān)系,讓使用者可以通過感知刺激序列來理解其所傳達(dá)的反饋信息.振動(dòng)觸覺反饋系統(tǒng)目前主要應(yīng)用在上肢假肢的控制中,這主要是因?yàn)榧僦衷谧ト∥矬w時(shí)對抓握力的控制有很高的要求.如果抓握力較小,物體很容易滑落,而抓握力過大又可能會損壞物體,因此需要通過某種方式將抓握力信息反饋給假肢使用者.針對這一問題,Cipriani等設(shè)計(jì)了一款基于振動(dòng)觸覺的感知反饋系統(tǒng)[79].該系統(tǒng)將5個(gè)繩索拉力傳感器集成在假肢手上,當(dāng)利用假肢手抓取物體時(shí),這些傳感器會記錄抓握力的大小.然后系統(tǒng)會根據(jù)力的大小調(diào)整振動(dòng)刺激的頻率,從而達(dá)到傳遞力反饋的目的.在下肢假肢的控制中,振動(dòng)觸覺反饋也有一些應(yīng)用,其主要通過將行走過程中的一些關(guān)鍵運(yùn)動(dòng)信息反饋給使用者,來幫助使用者有效地調(diào)整身體位姿,提高行走的穩(wěn)定性[85?87].Fan等設(shè)計(jì)了一款含有4個(gè)壓力傳感器的鞋墊用于記錄足底4個(gè)關(guān)鍵位置的接觸力大小,同時(shí)在大腿中部的前、后、內(nèi)和外側(cè)各放置一個(gè)由氣動(dòng)控制的囊狀驅(qū)動(dòng)器.在行走過程中,系統(tǒng)根據(jù)不同壓力傳感器的測量值控制相應(yīng)的驅(qū)動(dòng)器振動(dòng),從而將足底的壓力信息“傳遞”到大腿上[85]. Rusaw等開發(fā)了一套類似的振動(dòng)反饋系統(tǒng),不過刺激的施加是通過振動(dòng)器實(shí)現(xiàn)的,振動(dòng)器的振動(dòng)幅值與對應(yīng)壓力傳感器的測量值成正比[86].該系統(tǒng)在24位小腿截肢被試身上進(jìn)行了測試,實(shí)驗(yàn)結(jié)果表明,使用該感知反饋系統(tǒng)明顯提高了截肢被試的身體位姿控制能力.與以上的兩項(xiàng)研究不同,Crea等提出的振動(dòng)反饋系統(tǒng)傳遞的信息不是足底壓力,而是行走過程中步態(tài)相位的切換時(shí)刻[87].該反饋系統(tǒng)含有3個(gè)振動(dòng)器,分別放置在大腿的前、后和外側(cè).當(dāng)步態(tài)相位切換通過壓力傳感鞋墊檢測出來后,會觸發(fā)相應(yīng)的振動(dòng)器振動(dòng).使用者可以利用該反饋信息改善自己的行走步態(tài).前面提到的幾款感知反饋系統(tǒng)的主要目的是,通過將有用的運(yùn)動(dòng)信息反饋給假肢穿戴者幫助其調(diào)控健康肢體的運(yùn)動(dòng),以提高行走的穩(wěn)定性,研究中被試穿戴的假肢多為被動(dòng)假肢.而另外一些研究則關(guān)注于如何將反饋信息直接應(yīng)用到下肢動(dòng)力假肢關(guān)節(jié)的運(yùn)動(dòng)控制中[15,88].Chew等設(shè)計(jì)了一款針對假肢踝關(guān)節(jié)位置控制的振動(dòng)反饋系統(tǒng)[88].該系統(tǒng)將9個(gè)振動(dòng)器集成到假肢接受腔的內(nèi)襯套上.當(dāng)屏幕上顯示的一個(gè)虛擬踝關(guān)節(jié)處于不同的關(guān)節(jié)角度時(shí),系統(tǒng)會產(chǎn)生相應(yīng)的振動(dòng)刺激模式并作用于被試.利用該觸覺反饋,被試可以通過一個(gè)手持遙控器控制虛擬踝關(guān)節(jié)運(yùn)動(dòng)到期望的關(guān)節(jié)角度.這項(xiàng)研究初步驗(yàn)證了該方法的可行性,但不足之處在于沒有與假肢的控制器結(jié)合起來.Chen等也提出了一款用于假肢踝關(guān)節(jié)位置控制的振動(dòng)反饋系統(tǒng),并將該系統(tǒng)與假肢的自主肌電控制器相結(jié)合,實(shí)現(xiàn)了被試對假肢關(guān)節(jié)角度的閉環(huán)控制[15].該系統(tǒng)將6個(gè)振動(dòng)器放置在大腿上,前、后兩側(cè)各三個(gè)并沿直線上下等間距分布,相鄰振動(dòng)器之間的距離約為7cm.研究者將踝關(guān)節(jié)角度的運(yùn)動(dòng)范圍劃分為7個(gè)階段(?17.5°～?12.5°、?12.5°～?7.5°、?7.5°～?2.5°、?2.5°～+2.5°、+2.5°～+7.5°、+7.5°～+12.5°和+12.5°～+17.5°,其中正值表示背屈運(yùn)動(dòng),負(fù)值表示趾屈運(yùn)動(dòng)),當(dāng)踝關(guān)節(jié)角度處于不同的階段時(shí),相應(yīng)的振動(dòng)模式就會被觸發(fā).此外,研究者為了驗(yàn)證將該感知反饋系統(tǒng)與自主肌電控制結(jié)合起來的可行性,將動(dòng)力小腿假肢的自主肌電控制器移植到虛擬踝關(guān)節(jié)的控制中,并通過虛擬踝關(guān)節(jié)控制實(shí)驗(yàn)進(jìn)行測試.在實(shí)驗(yàn)中,兩位小腿截肢被試可以通過收縮殘肢的背屈和趾屈肌肉自主控制虛擬踝關(guān)節(jié)運(yùn)動(dòng).與此同時(shí),他們還實(shí)時(shí)接收到關(guān)于踝關(guān)節(jié)角度的振動(dòng)觸覺反饋,幫助自己調(diào)整殘肢肌肉的收縮強(qiáng)度.實(shí)驗(yàn)結(jié)果表明,利用該感知反饋系統(tǒng),關(guān)節(jié)角度的絕對控制誤差減少了約50%.

5 問題與挑戰(zhàn)

首先,國內(nèi)外針對智能下肢仿生結(jié)構(gòu)的研究已經(jīng)取得了一些進(jìn)展,但總體來說還比較初步.無論是假肢的機(jī)電設(shè)計(jì)和功能實(shí)現(xiàn),還是與假肢控制相關(guān)的人機(jī)交互和感知融合,都還有很多基礎(chǔ)科學(xué)問題和工藝技術(shù)需要研究:1)現(xiàn)有智能動(dòng)力下肢假肢的關(guān)節(jié)驅(qū)動(dòng)器普遍存在重量大、輸出力矩小、關(guān)節(jié)柔性不可調(diào)、能量效率相對較低等不足,導(dǎo)致假肢關(guān)節(jié)很難表現(xiàn)出與人體關(guān)節(jié)類似的運(yùn)動(dòng)特性,成為實(shí)現(xiàn)殘疾人穩(wěn)定、舒適、自然、對稱行走的障礙.2)具有多關(guān)節(jié)的智能動(dòng)力下肢假肢,各關(guān)節(jié)之間的關(guān)聯(lián)控制將直接影響殘疾人在不同行走步態(tài)中的穩(wěn)定性、安全性和穿戴舒適性.平地行走、上/下樓梯、上/下臺階等不同行走步態(tài)中各關(guān)節(jié)間的關(guān)聯(lián)控制規(guī)律將對多關(guān)節(jié)假肢的智能控制策略和步態(tài)切換策略提供重要的指導(dǎo).目前針對假肢多關(guān)節(jié)關(guān)聯(lián)控制的相關(guān)研究還是空白.

其次,在人體運(yùn)動(dòng)意圖識別的研究中,雖然目前運(yùn)動(dòng)模態(tài)和運(yùn)動(dòng)模態(tài)切換的識別準(zhǔn)確率達(dá)到了95%以上,但是下肢運(yùn)動(dòng)涉及了安全性的問題,5%左右的錯(cuò)誤率仍然可能會導(dǎo)致摔倒的風(fēng)險(xiǎn).該方向的挑戰(zhàn)主要來自于傳感方法的局限,如前所述,現(xiàn)有研究中使用最多的機(jī)械信號和表面肌電信號存在著明顯的局限和不足,雖然有一些研究人員提出了新的傳感方法,比如電容傳感、深度傳感等,在一定程度上克服了現(xiàn)有研究的不足.但是整體研究仍然很初步,從有限的殘端側(cè)提取運(yùn)動(dòng)信息、并對未來時(shí)刻的運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)測仍然有很大的挑戰(zhàn).

第三,之前針對下肢智能假肢的運(yùn)動(dòng)意圖識別研究中,絕大多數(shù)集中在實(shí)驗(yàn)室環(huán)境下幾種特定的運(yùn)動(dòng)模態(tài),鮮有研究涉及復(fù)雜動(dòng)態(tài)環(huán)境下運(yùn)動(dòng)意圖識別的研究.當(dāng)環(huán)境發(fā)生變化時(shí),如重新穿戴假肢、復(fù)雜環(huán)境下的隨機(jī)步態(tài)等,對識別模型都會造成嚴(yán)重的影響,識別效果也會顯著降低.此外,當(dāng)殘疾人長期穿戴假肢后,由于其對某種行走姿勢的適應(yīng),運(yùn)動(dòng)習(xí)慣會發(fā)生變化,這對運(yùn)動(dòng)意圖識別的模型也會帶來未知的影響.目前這些對實(shí)際應(yīng)用非常關(guān)鍵的科學(xué)問題還鮮有涉及,很多還是空白.

第四,針對殘疾人穿戴智能假肢的感知與替代,目前雖然已經(jīng)有一些非侵入式感知反饋系統(tǒng)在下肢動(dòng)力假肢的控制中進(jìn)行了測試,但總體而言還非常初步,尚有很大的空間可以挖掘.一方面,目前大多數(shù)研究所采用的刺激裝置都非常簡單,可控的刺激參數(shù)相對較少,造成可以準(zhǔn)確區(qū)分的刺激模式種類較少.所以,可以反饋的運(yùn)動(dòng)信息種類以及分辨率都受到一定的限制.另一方面,大多數(shù)感知替代方法都不夠自然,需要經(jīng)過長時(shí)間的訓(xùn)練才能掌握并得到應(yīng)用.因此,如何優(yōu)化感知替代方式、幫助使用者更容易地適應(yīng)新的感知方式也是需要解決的問題.

最后,目前針對智能下肢的神經(jīng)可塑性研究還是空白,長期使用基于人機(jī)融合的智能下肢會對殘疾人的中樞神經(jīng)系統(tǒng)產(chǎn)成哪些影響？是否會重新激活大腦皮層中與殘疾人缺失肢體相關(guān)的運(yùn)動(dòng)感知區(qū)域？亦或者形成新的與智能下肢相關(guān)的運(yùn)動(dòng)感知區(qū)域？中樞神經(jīng)系統(tǒng)的適應(yīng)性改變反過來又如何影響智能下肢的演化？這些具有重要科學(xué)意義的問題都還沒有得到解答,未來有必要針對這些問題開展系統(tǒng)的研究.

6 總結(jié)與展望

綜上,雖然智能動(dòng)力下肢假肢領(lǐng)域的研究取得了長足的進(jìn)步和發(fā)展,但仍然有很多基礎(chǔ)科學(xué)問題和技術(shù)難點(diǎn)值得深入研究.未來,智能動(dòng)力假肢的仿生結(jié)構(gòu)設(shè)計(jì)、以及面向復(fù)雜環(huán)境的人機(jī)融合將會成為研究重點(diǎn),以臨床實(shí)驗(yàn)驅(qū)動(dòng)的控制算法、傳感方法和感知反饋將會成為該領(lǐng)域中新的研究亮點(diǎn).

1中國殘疾人聯(lián)合會.第二次全國殘疾人抽樣調(diào)查主要數(shù)據(jù)公報(bào).2006.

2 Au S K,Weber J,Herr H.Powered ankle-foot prosthesis improves walking metabolic economy.IEEE Transactions on Robotics,2009,25(1):51?66

3 Sup F,Varol H,Mitchell J,Withrow T J,Goldfarb M. Preliminary evaluations of a self-contained anthropomorphic transfemoral prosthesis.IEEE/ASME Transactions on Mechatronics,2009,14(6):667?676

4 Hitt J,Sugar T,Holgate M,Bellmann R,Hollander K. Robotic transtibial prosthesis with biomechanical energy regeneration.Industrial Robot:An International Journal, 2009,36(5):441?447

5 Cherelle P,Grosu V,Matthys A,Vanderborght B,Lefeber D.Design and validation of the ankle mimicking prosthetic (AMP)foot 2.0.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(1):138?148

6 Zhu J Y,Wang Q N,Wang L.On the design of a powered transtibial prosthesis with stifness adaptable ankle and toe joints.IEEE Transactions on Industrial Electronics,2014,61(9):4797?4807

7 Wang Q N,Yuan K B,Zhu J Y,Wang L.Walk the walk:a lightweight active transtibial prosthesis.IEEE Robotics and Automation Magazine,2015,22(4):80?89

8 Huang H,Kuiken T A,Lipschutz R D.A strategy for identifying locomotion modes using surface electromyography.IEEE Transactions on Biomedical Engineering,2009,56(1): 65?73

9 Huang H,Zhang F,Hargrove L J,Dou Z,Rogers D R, Englehart K B.Continuous locomotion-mode identifcation for prosthetic legs based on neuromuscular-mechanical fusion.IEEE Transactions on Biomedical Engineering,2011,58(10):2867?2875

10 Hargrove L J,Simon A M,Lipschutz R,Finucane S B, Kuiken T A.Non-weight-bearing neural control of a powered transfemoral prosthesis.Journal of NeuroEngineering and Rehabilitation,2013,10:62,DOI:10.1186/1743-0003-10-62

11 Young A J,Simon A M,Hargrove L J.A training method for locomotion mode prediction using powered lower limb prostheses.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(3):671?677

12 Zheng E H,Wang L,Wei K L,Wang Q N.A noncontact capacitive sensing system for recognizing locomotion modes of transtibial amputees.IEEE Transactions on Biomedical Engineering,2014,61(12):2911?2920

13 Zheng E H,Wang Q N.Noncontact capacitive sensing based locomotion transition recognition for amputees with robotic transtibial prostheses.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2016,DOI:10.1109/TNSRE.2016.2529581

14 Yuan K B,Wang Q N,Wang L.Fuzzy-logic-based terrain identifcation with multisensor fusion for transtibial amputees.IEEE/ASME Transactions on Mechatronics,2015,20(2):618?630

15 Chen B J,Feng Y G,Wang Q N.Combining vibrotactile feedback with volitional myoelectric control for robotic transtibial prostheses.Frontiers in Neurorobotics,2016,10: 1?14

16 Klute G K,Czerniecki J,Hannaford B.Development of powered prosthetic lower limb.In:Proceedings of the 1st National Meeting,Veterans Afairs Rehabilitation Research and Development Service.Washington D.C.,USA,1998.

17 Versluys R,Lenaerts G,Desomer A,Pareit O,Vanderborght B,Van der Perre G,Peeraer L,Lefeber D.A biomechatronical transtibial prosthesis powered by pleated pneumatic artifcial muscles.International Journal of Modelling,Identifcation and Control,2008,4(4):394?405

18 Robinson J L,Smidt G L,Arora J S.Accelerographic,temporal,and distance gait factors in below-knee amputees.Physical Therapy,1977,57(8):898?904

19 Au S K,Herr H.Powered ankle-foot prosthesis.IEEE Robotics and Automation Magazine,2008,15(3):52?59

20 Au S K,Berniker M,Herr H.Powered ankle-foot prosthesis to assist level-ground and stair-descent gaits.Neural Networks,2008,21(4):654?666

21 Hitt J K,Sugar T G,Holgate M A,Bellman R D.An active foot-ankle prosthesis with biomechanical energy regeneration.Journal of Medical Devices,2010,4(1):011003,DOI:10.1115/1.4001139

22 Bellman R D,Holgate M A,Sugar T G.SPARKY 3:design of an active robotic ankle prosthesis with two actuated degrees of freedom using regenerative kinetics.In:Proceedings of the 2nd IEEE RAS&EMBS International Conference on Biomedical Robotics and Biomechatronics.Scottsdale,AZ: IEEE,2008.511?516

23 Holgate M A,Hitt J K,Bellman R D,Sugar T G,Hollander K W.The SPARKY(spring ankle with regenerative kinetics)project:choosing a DC motor based actuation method. In:Proceedings of the 2nd IEEE RAS&EMBS International Conference on Biomedical Robotics and Biomechatronics.Scottsdale,AZ:IEEE,2008.163?168

24 Goldfarb M,Lawson B E,Shultz A H.Realizing the promise of robotic leg prostheses.Science Translational Medicine, 2013,5(210):210ps15,DOI:10.1126/scitranslmed.3007312

25 Lawson B E,Mitchell J,Truex D,Shultz A,Ledoux E,Goldfarb M.A robotic leg prosthesis:design,control,and implementation.IEEE Robotics and Automation Magazine,2014,21(4):70?81

26 Sup F,Bohara A,Goldfarb M.Design and control of a powered transfemoral prosthesis.The International Journal of Robotics Research,2008,27(2):263?273

27 Varol H A,Sup F,Goldfarb M.Multiclass real-time intent recognition of a powered lower limb prosthesis.IEEE Transactions on Biomedical Engineering,2010,57(3):542?551

28 Eilenberg M F,Geyer H,Herr H.Control of a powered ankle-foot prosthesis based on a neuromuscular model.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2010,18(2):164?173

29 Huang H,Zhang F,Sun Y L,He H B.Design of a robust EMG sensing interface for pattern classifcation.Journal of Neural Engineering,2010,7(5):056005,DOI:10.1088/1741-2560/7/5/056005

30 Zhang F,Liu M,Huang H.Efects of locomotion mode recognition errors on volitional control of powered aboveknee prostheses.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2015,23(1):64?72

31 Miller J D,Beazer M S,Hahn M E.Myoelectric walking mode classifcation for transtibial amputees.IEEE Transactions on Biomedical Engineering,2013,60(10):2745?2750

32 Jin D W,Yang J K,Zhang R H,Wang R C,Zhang J C.Terrain identifcation for prosthetic knees based on electromyographic signal features.Tsinghua Science and Technology, 2006,11:74?79

33 Kannape O A,Herr H M.Volitional control of ankle plantar fexion in a powered transtibial prosthesis during stairambulation.In:Proceedings of the 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBC).Chicago,IL:IEEE,2014. 1662?1665

34 Chen B J,Wang Q N,Wang L.Adaptive slope walking with a robotic transtibial prosthesis based on volitional EMG control.IEEE/ASME Transactions on Mechatronics,2015,20(5):2146?2157

35 Hoover C D,Fulk G D,Fit K B.Stair ascent with a powered transfemoral prosthesis under direct myoelectric control.IEEE/ASME Transactions on Mechatronics,2013,18(3): 1191?1200

36 Farmer S,Silver-Thorn B,Voglewede P,Beardsley S A. Within-socket myoelectric prediction of continuous ankle kinematics for control of a powered transtibial prosthesis.Journal of Neural Engineering,2014,11(5):056027,DOI:10.1088/1741-2560/11/5/056027

37 Hargrove L J,Simon A M,Young A J,Lipschutz R D,Finucane S B,Smith D G,Kuiken T A.Robotic leg control with EMG decoding in an amputee with nerve transfers.New England Journal of Medicine,2013,369(13):1237?1242

39 Tucker M R,Olivier J,Pagel A,Bleuler H,Bouri M,Lambercy O,del R Milln J,Riener R,Vallery H,Gassert R. Control strategies for active lower extremity prosthetics and orthotics:a review.Journal of NeuroEngineering and Rehabilitation,2015,12:1,DOI:10.1186/1743-0003-12-1

40 Young A J,Simon A M,Fey N P,Hargrove L J.Intent recognition in a powered lower limb prosthesis using time history information.Annals of Biomedical Engineering,2014,42(3): 631?641

41 Tkach D C,Hargrove L J.Neuromechanical sensor fusion yields highest accuracies in predicting ambulation mode transitions for trans-tibial amputees.In:Proceedings of the 35th Annual International Conference of the IEEE Engineering in Medicine,Biology Society(EMBC).Osaka: IEEE,2013.3074?3077

42 Young A J,Hargrove L J,Kuiken T A.The efects of electrode size and orientation on the sensitivity of myoelectric pattern recognition systems to electrode shift.IEEE Transactions on Biomedical Engineering,2011,58(9):2537?2544

43 Sensinger J W,Lock B A,Kuiken T A.Adaptive pattern recognition of myoelectric signals:exploration of conceptual framework and practical algorithms.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2009,17(3):270?278

44 Taborri J,Palermo E,Rossi S,Cappa P.Gait partitioning methods:a systematic review.Sensors,2016,16(1):66?85

45 Wang X G,Wang Q N,Zheng E H,Wei K L,Wang L. A wearable plantar pressure measurement system:design specifcations and frst experiments with an amputee.Intelligent Autonomous Systems 12.Berlin Heidelberg:Springer,2013.273?281

46 Chen B J,Wang X G,Huang Y,Wei K L,Wang Q N. A foot-wearable interface for locomotion mode recognition based on discrete contact force distribution.Mechatronics, 2015,32:12?21

47 Zheng E H,Chen B J,Wei K L,Wang Q N.Lower limb wearable capacitive sensing and its applications to recognizing human gaits.Sensors,2013,13(10):13334?13355

48 Chen B J,Zheng E H,Fan X D,Liang T,Wang Q N,Wei K L,Wang L.Locomotion mode classifcation using a wearable capacitive sensing system.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2013,21(5): 744?755

49 Pons J L.Wearable Robots:Biomechatronic Exoskeletons. Hoboken:John Wiley&Sons,2008.

50 LiuM,WangD,HuangH H.Developmentofan environment-aware locomotion mode recognition system for powered lower limb prostheses.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2016,24(4): 434?443

51 Krausz N E,Lenzi T,Hargrove L J.Depth sensing for improved control of lower limb prostheses.IEEE Transactions on Biomedical Engineering,2015,62(11):2576?2587

52 Young A J,Hargrove L J.A classifcation method for userindependent intent recognition for transfemoral amputees using powered lower limb prostheses.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2016,24(2):217?225

53 WenY,SiJ,GaoX,HuangS,HuangH.Anew powered lower limb prosthesis control framework based on adaptive dynamic programming.IEEE Transactions on Neural Networks and Learning Systems,2016,DOI:10.1109/TNNLS.2016.2584559

54 Fridman G Y,Blair H T,Blaisdell A P,Judy J W.Perceived intensity of somatosensory cortical electrical stimulation.Experimental Brain Research,2010,203(3):499?515

55 Semprini M,Bennicelli L,Vato A.A parametric study of intracortical microstimulation in behaving rats for the development of artifcial sensory channels.In:Proceedings of 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBC).San Diego,CA:IEEE,2012.799?802

57 Fitzsimmons N A,Drake W,Hanson T L,Lebedev M A, Nicolelis M A L.Primate reaching cued by multichannel spatiotemporal cortical microstimulation.Journal of Neuroscience,2007,27(21):5593?5602

58 O'Doherty J E,Lebedev M A,Ift P J,Zhuang K Z, Shokur S,Bleuler H,Nicolelis M A L.Active tactile exploration using a brain-machine-brain interface.Nature,2011,479(7372):228?231

59 Tabot G A,Dammann J F,Berg J A,Tenore F V,Boback J L,Vogelstein R J,Bensmaia S J.Restoring the sense of touch with a prosthetic hand through a brain interface.Proceedings of the National Academy of Sciences of the United States of America,2013,110(45):18279?18284

60 Berg J A,Dammann J F,Tenore F V,Tabot G A,Boback J L,Manfredi L R,Peterson M L,Katyal K D,Johannes M S,Makhlin A,Wilcox R,Franklin R K,Vogelstein R J,Hatsopoulos N G,Bensmaia S J.Behavioral demonstration of a somatosensory neuroprosthesis.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2013,21(3): 500?507

61 Zaaimi B,Ruiz-Torres R,Solla S A,Miller L E.Multielectrode stimulation in somatosensory cortex increases probability of detection.Journal of Neural Engineering, 2013,10(5):056013,DOI:10.1088/1741-2560/10/5/056013

62 Horch K,Meek S,Taylor T G,Hutchinson D T.Object discrimination with an artifcial hand using electrical stimulation of peripheral tactile and proprioceptive pathways with intrafascicular electrodes.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2011,19(5): 483?489

63 Raspopovic S,Capogrosso M,Petrini F M,Bonizzato M, Rigosa J,Di Pino G,Carpaneto J,Controzzi M,Boretius T,Fernandez E,Granata G,Oddo C M,Citi L,Ciancio A L,Cipriani C,Carrozza M C,Jensen W,Guglielmelli E, Stieglitz T,Rossini P M,Micera S.Restoring natural sensory feedback in real-time bidirectional hand prostheses.Science Translational Medicine,2014,6(222):222ra19,DOI:10.1126/scitranslmed.3006820

64 Tan D W,Schiefer M A,Keith M W,Anderson J R,Tyler J, Tyler D J.A neural interface provides long-term stable natural touch perception.Science Translational Medicine,2014,6(257):257ra138,DOI:10.1126/scitranslmed.3008669

65 Yoo P B,Durand D M.Selective recording of the canine hypoglossal nerve using a multicontact fat interface nerve electrode.IEEE Transactions on Biomedical Engineering, 2005,52(8):1461?1469

66 Schiefer M A,Freeberg M,Pinault G J C,Anderson J, Hoyen H,Tyler D J,Triolo R J.Selective activation of the human tibial and common peroneal nerves with a fat interface nerve electrode.Journal of Neural Engineering,2013,10(5):056006,DOI:10.1088/1741-2560/10/5/056006

67 Naples G G,Mortimer J T,Scheiner A,Sweeney J D. A spiral nerve cufelectrode for peripheral nerve stimulation.IEEE Transactions on Biomedical Engineering,1988,35(11):905?916

68 Fisher L E,Tyler D J,Anderson J S,Triolo R J.Chronic stability and selectivity of four-contact spiral nerve-cuf electrodes in stimulating the human femoral nerve.Journal of Neural Engineering,2009,6(4): 046010,DOI:10.1088/1741-2560/6/4/046010

69 Kuiken T A,Marasco P D,Lock B A,Harden R N,Dewald J P A.Redirection of cutaneous sensation from the hand to the chest skin of human amputees with targeted reinnervation.Proceedings of the National Academy of Sciences of the United States of America,2007,104(50):20061?20066

70 Kuiken T A,Miller L A,Lipschutz R D,Lock B A,Stubblefeld K,Marasco P D,Zhou P,Dumanian G A.Targeted reinnervation for enhanced prosthetic arm function in a woman with a proximal amputation:a case study.The Lancet,2007,369(9559):371?380

71 Sensinger J W,Schultz A E,Kuiken T A.Examination of force discrimination in human upper limb amputees with reinnervated limb sensation following peripheral nerve transfer.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2009,17(5):438?444

72 Zambarbieri D,Schmid M,Magnaghi M,Vermi G,Macellari V,Fadda A.Biofeedback techniques for rehabilitation of the lower limb prosthetic subject.In:Proceedings of the 1998 Mediterranean Conference on Medical and Biological Engineering and Computing(MEDICON).Lemesos:MEDICON,1998.1?5

73 Bamberg S J M,Carson R J,Stoddard G,Dyer P S,Webster J B.The lower extremity ambulation feedback system for analysis of gait asymmetries:preliminary design and validation results.Journal of Prosthetics and Orthotics,2010,22(1):31?36

74 Yang L,Dyer P S,Carson R J,Webster J B,Foreman K B, Bamberg S J M.Utilization of a lower extremity ambulatory feedback system to reduce gait asymmetry in transtibial amputation gait.Gait&Posture,2012,36(3):631?634

75 Gonzalez J,Soma H,Sekine M,Yu W.Psycho-physiological assessment of a prosthetic hand sensory feedback system based on an auditory display:a preliminary study.Journal of NeuroEngineering and Rehabilitation,2012,9:33,DOI:10.1186/1743-0003-9-33

76 Witteveen H J B,Droog E A,Rietman J S,Veltink P H. Vibro-and electrotactile user feedback on hand opening for myoelectric forearm prostheses.IEEE Transactions on Biomedical Engineering,2012,59(8):2219?2226

77 Sabolich J A,Ortega G M.Sense of feel for lower-limb amputees:a phase-one study.Journal of Prosthetics and Orthotics,1994,6(2):36?41

78 Buma D G,Buitenweg J R,Veltink P H.Intermittent stimulation delays adaptation to electrocutaneous sensory feedback.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2007,15(3):435?441

79 Cipriani C,Zaccone F,Micera S,Carrozza M C.On the shared control of an EMG-controlled prosthetic hand:analysis of user-prosthesis interaction.IEEE Transactions on Robotics,2008,24(1):170?184

80 Cipriani C,D'Alonzo M,Carrozza M C.A miniature vibrotactile sensory substitution device for multifngered hand prosthetics.IEEE Transactions on Biomedical Engineering, 2012,59(2):400?408

81 Stepp C E,An Q,Matsuoka Y.Repeated training with augmentative vibrotactile feedback increases object manipulation performance.PLoS One,2012,7(2):e32743,DOI: 10.1371/journal.pone.0032743

82 Wall III C,Kentala E.Control of sway using vibrotactile feedback of body tilt in patients with moderate and severe postural control defcits.Journal of Vestibular Research, 2005,15(5?6):313?325

83 Alahakone A U,Senanayake S M N A.A real-time system with assistive feedback for postural control in rehabilitation.IEEE/ASME Transactions on Mechatronics,2010,15(2): 226?233

84 Gopalai A A,Senanayake S M N A.A wearable real-time intelligent posture corrective system using vibrotactile feedback.IEEE/ASME Transactions on Mechatronics,2011,16(5):827?834

85 Fan R E,Culjat M O,King C H,Franco M L,Boryk R,Bisley J W,Dutson E,Grundfest W S.A haptic feedback system for lower-limb prostheses.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2008,16(3): 270?277

86 Rusaw D,Hagberg K,Nolan L,Ramstrand N.Can vibratory feedback be used to improve postural stability in persons with transtibial limb loss?The Journal of Rehabilitation Research and Development,2012,49(8):1239?1254

87 Crea S,Cipriani C,Donati M,Carrozza M C,Vitiello N. Providing time-discrete gait information by wearable feedback apparatus for lower-limb amputees:usability and functional validation.IEEE Transactions on Neural Systems and Rehabilitation Engineering,2015,23(2):250?257

88 Chew A W.A Vibrotactile Display Design for the Feedback of External Prosthesis Sensory Information to the Amputee Wearer[Ph.D.dissertation],Massachusetts Institute of Technology,USA,2006

89 Kaczmarek K A,Webster J G,Bach-y-Rita P,Tompkins W J.Electrotactile and vibrotactile displays for sensory substitution systems.IEEE Transactions on Biomedical Engineering,1991,38(1):1?16

王啟寧北京大學(xué)工學(xué)院研究員.2009年獲北京大學(xué)力學(xué)系博士學(xué)位.主要研究方向?yàn)橹悄軝C(jī)器人,康復(fù)工程.本文通信作者.

E-mail:qiningwang@pku.edu.cn

(WANG Qi-NingProfessor at the College of Engineering,Peking University.He received his Ph.D.degree from Peking University in 2009.His research interest covers robotics and rehabilitation engineering.Corresponding author of this paper.)

鄭恩昊中國科學(xué)院自動(dòng)化研究所助理研究員.2016年獲北京大學(xué)工學(xué)院博士學(xué)位.主要研究方向?yàn)樯窠?jīng)接口,類腦機(jī)器人.

E-mail:enhao.zheng@ia.ac.cn

(ZHENG En-HaoAssistant professor at The State Key Laboratory of Management and Control for Complex Systems,Institute of Automation,Chinese Academy of Sciences.He received his Ph.D.degree from Peking University in 2016.His research interest covers neural interfaces and brain-inspired robotics.)

陳保君意大利圣安娜高等研究院博士后.2016年獲北京大學(xué)工學(xué)院博士學(xué)位.主要研究方向?yàn)樯窠?jīng)接口,康復(fù)工程.

E-mail:chenbaojun@pku.edu.cn

(CHEN Bao-JunPostdoctor at the BioRobotics Institute,Scuola Superiore Sant'Anna,Italy.He received his Ph.D.degree from Peking University in 2016.His research interest covers neural interfaces and rehabilitation engineering.)

麥金耿北京大學(xué)工學(xué)院博士后.2016年獲北京航空航天大學(xué)博士學(xué)位.主要研究方向?yàn)闄C(jī)器人和智能制造.

E-mail:jingengmai@pku.edu.cn

(MAI Jin-GengPostdoctor at the College of Engineering,Peking University.He received his Ph.D.degree from Beihang University in 2016.His research interest covers robotics and intelligent manufactoring.)

Recent Progress and Challenges of Robotic Lower-limb Prostheses for Human-robot Integration

WANG Qi-Ning1,2ZHENG En-Hao1CHEN Bao-Jun1MAI Jin-Geng1

Robotic lower-limb prosthesis plays an increasingly important role in amputees'daily activities.One of the key programs in this research area is the human-prosthesis-environment interaction,and its solution is a crucial step towards reliable and smooth motions of the amputee wearing a robotic prosthesis in practical applications.In this paper,we overview the state-of-the-art of the robotic lower-limb prosthesis in the context of human-prosthesis-environment interaction.The overview includes bio-inspired mechanical structure design,control strategy,human intenting recognition, human-prosthesis interaction in complex environments,and sensory substitution for human-in-loop control.At last, existing challenges and future directions are discussed.

Powered lower-limb prosthesis,human-robot integration,locomotion intent recognition,sensory substitution

王啟寧,鄭恩昊,陳保君,麥金耿.面向人機(jī)融合的智能動(dòng)力下肢假肢研究現(xiàn)狀與挑戰(zhàn).自動(dòng)化學(xué)報(bào),2016,42(12): 1780?1793

Wang Qi-Ning,Zheng En-Hao,Chen Bao-Jun,Mai Jin-Geng.Recent progress and challenges of robotic lower-limb prostheses for human-robot integration.Acta Automatica Sinica,2016,42(12):1780?1793

2016-02-01 錄用日期2016-11-17

Manuscript received February 1,2016;accepted November 17, 2016

國家萬人計(jì)劃青年拔尖人才支持計(jì)劃,國家自然科學(xué)基金(61005082,61020106005,61533001),北京市科技計(jì)劃項(xiàng)目(Z151100003715001,Z151100000915073)資助

Supported by the National Program for Support of Topnotch Young Professionals,National Natural Science Foundation of China(61005082,61020106005,61533001),Beijing Municipal Science and Technology Project(Z151100003715001, Z151100000915073)

本文責(zé)任編委王衛(wèi)群

Recommended by Associate Editor WANG Wei-Qun

1.北京大學(xué)工學(xué)院 北京 100871 2.北京大學(xué)工程科學(xué)與新興技術(shù)高精尖創(chuàng)新中心北京100871

1.College of Engineering,Peking University,Beijing 100871 2.Beijing Innovation Center for Engineering Science and Advanced Technology(BIC-ESAT),Beijing 100871