面向助老助残的多模态融合下肢外骨骼机器人

In most cases, traditional control strategies for exoskeleton robot only use single source based signals. In this research proposal, we aim to improve the reliability and practicality of human-machine interaction systems through building an advanced multimodal fusion based lower limb exoskeleton system. Through fusion of multimodal information from both biological signals and physical signals, their respective advantages can be retained. This project will be based on intensive research on the following topics: bionic signal feature extraction and mode analysis for human movement intention, development of bionic mechanism and modeling for human-machine coupling system, adaptive gait modeling and analysis based on deep learning method, and human-machine cooperation strategy based on multimodal information fusion. Through this project, an efficient information channel will be established between human and the robot, and ultimately lead to a hybrid intelligent system with synergistic collaboration. Bionic signals and physical feedback signals will be utilized through collaborative decision making and fusion strategy of conflict arbitration. A natural, safe, and efficient gait planning method will also be presented. Finally, a multimodal fusion based exoskeleton prototype system will be developed for demonstration. The research topic of this project has not only academic value but also practical meaning.

本课题针对使用单一来源信号进行运动检测无法满足外骨骼机器人控制需求、人机耦合系统效率亟待提高的问题，研究下肢外骨骼机器人多模态运动意图采集与识别、人机耦合步态生成与协作控制。通过人体运动谱生成与运动特征解析，建立与人体高度相容的外骨骼仿生机构平台；利用核自适应滤波理论与稀疏自动编码方法，研究基于生物信号与物理信号的多模融合运动意图检测；基于深度学习框架与迁移学习方法，研究针对外骨骼平台的人机耦合步态生成理论与在线自适应学习策略；利用共享决策与模糊离散事件系统方法，研究人机协同外骨骼系统高级决策融合策略。最后，通过对人机耦合与仿人步态的理解进而搭建多模态融合控制外骨骼机器人实验平台。本课题的实施将推动我国外骨骼机器人技术研究，并辐射神经工程、信息融合、认知科学等相关学科，对于理论和技术领域都具有重要的学术价值和研究意义。

基于运动信息反馈的传统外骨骼机器人所面临的人机耦合程度不足、协同控制性能过低等问题已成为限制外骨骼机器人应用的主要问题。生物信号作为一种直接运动意图表达手段，具有交互自然、表达能力强等优点。随着生物信号检测识别技术的高速发展，多模态信息融合控制已经成为一种新的可行的外骨骼控制方式。本研究通过研究稳定高效的脑信号获取与特征提取方法及脑信号解码算法，理解脑电信号与人体行为意图的映射机制与解码原理；研制基于仿生结构创成理论开发新型外骨骼机器人研究平台，并通过人机耦合生物机械系统建模方法建立人-外骨骼耦合模型；通过深度学习框架对步态进行建模与步态模式自适应学习，在获取人-外骨骼耦合模型基础上，能够规划出适合穿戴者自身步态特征的自然步态；通过多模态信息特征融合与基于共享控制的高级决策融合，实现了穿戴者与外骨骼机器人系统的无缝融合与协同控制。项目执行期内共发表学术论文105篇，其中SCI检索论文51篇；申请专利28项；参加国际学术会议14人次，召开国内研讨会3次；邀请国际学者访问、讲学及指导10人次；培养博士生13人，硕士生20人。通过本项目研制的截瘫康复外骨骼机器人帮助深圳市第六人民医院、广东省工伤康复医院、中山大学附属第一医院和中山大学孙逸仙纪念医院的5例截瘫病人实现独立行走；研制的负重巡逻用刚柔结合外骨骼在青藏高原完成极限环境下测试；研制的无动力下肢外骨骼在中国商飞C-919大型客机装配上实现产业化应用；与国机集团签署联合开发协议，正在进行外骨骼的产业化工作，研制的腰部助力外骨骼机器人试用于北京大兴机场和深圳威豹金融押运公司。项目的研究成果将对脑机接口与信息解码、人体运动意图理解、人机共享控制方法，以及机器人辅助康复、高端医疗设备制造等研究及应用领域提供基础。