8月8日東京奧運會剛剛落幕。本屆奧運會上，除了激烈的運動賽事，各類高新科技的應用也格外亮眼。比如奧運會工作人員身著動力外骨骼機器人搬運重物，有效降低工作人員在搬運重物時受到的重力壓迫傷害。

近年來上肢外骨骼機器人得到廣泛關注。除了可以提高工人的搬運能力和效率，外骨骼康復機器人還可以穿戴在運動障礙患者的肢體上并向關節提供輔助力。利用外骨骼實現輔助運動訓練，可以代替理療師為患者提供運動康復訓練服務，并記錄康復治療參數，提高康復訓練的效率和針對性。用于上肢康復訓練的外骨骼機器人可以佩戴在人的手臂上，為人的手臂關節提供運動訓練所需的扭矩。

為了提高肢外骨骼機器人運動控制的魯棒性和準確性，同時保證穿戴適應性和舒適性，北京航空航天大學的研究人員開發了一種繩驅動外骨骼康復機器人，該外骨骼具有特制的穿戴機械設計，利用特制的袖環裝置可以提高外骨骼與人體手臂之間的適應性。研究人員建立了外骨骼的運動學模型，通過迭代識別不確定參數，通過減少人體手臂骨骼運動學和外骨骼與上肢附著的不確定性來提高模型的準確性。

為了驗證具有識別不確定參數的方法的準確性，研究人員開發了外骨骼樣機，并使用了 NOKOV度量動作捕捉系統進行運動軌跡跟蹤實驗，不確定參數包括肩關節和肘關節中心、上臂和前臂袖環附著誤差。實驗中，受試者被要求佩戴外骨骼并坐在椅子上，任務是移動他們的右上肢以跟蹤一條直線路徑四次（延T型桿做直線運動）。

將1個反光標記點安裝在受試者的手上，以獲取其在實驗中的跟蹤結果；14個反光標記點安裝在外骨骼機器人袖帶的線纜布線點上，以捕捉跟蹤任務中外骨骼線纜長度的變化（以線纜長度評估手臂運動）；1個安裝在受試者肩關節上的標記點記錄關節中心的運動。由于 NOKOV度量動作捕捉系統的捕捉精度可以達到亞毫米級，因此將測量結果視為實驗的真實結果。將動作捕捉結果與識別的結果進行比較，以驗證運動學模型的準確性。

下圖顯示了實驗中線纜長度的變化。如圖所示，有參數識別的運動學模型計算的結果（紅色實線）比沒有識別的計算結果（藍色實線）獲得的結果更接近NOKOV度量動作捕捉系統獲取的真實值（虛線）。通過計算動作捕捉結果與已識別/未識別結果之間的 RMS 誤差，證明識別不確定參數的方法可以有效地改進運動學模型。

下圖人體肩關節中心位置隨肢體運動的變化示意圖；綠色實線表示NOKOV度量動作捕捉系統測得肩關節中心運動軌跡的結果，藍色曲線表示肩關節中心參數識別結果。 如圖所示，識別結果與運動捕捉系統測得的結果基本一致，證明該方法對人體肩關節運動的良好預測能力。

參考文獻：

[1]??? Chen, W.; Li, Z.; Cui, X.; Zhang, J.; Bai, S. Mechanical Design and Kinematic Modeling of a Cable-Driven Arm Exoskeleton Incorporating Inaccurate Human Limb Anthropomorphic Parameters.?Sensors?2019,?19, 4461. https://doi.org/10.3390/s19204461