8月8日东京奥运会刚刚落幕。本届奥运会上，除了激烈的运动赛事，各类高新科技的应用也格外亮眼。比如奥运会工作人员身着动力外骨骼机器人搬运重物，有效降低工作人员在搬运重物时受到的重力压迫伤害。
近年来上肢外骨骼机器人得到广泛关注。除了可以提高工人的搬运能力和效率，外骨骼康复机器人还可以穿戴在运动障碍患者的肢体上并向关节提供辅助力。利用外骨骼实现辅助运动训练，可以代替理疗师为患者提供运动康复训练服务，并记录康复治疗参数，提高康复训练的效率和针对性。用于上肢康复训练的外骨骼机器人可以佩戴在人的手臂上，为人的手臂关节提供运动训练所需的扭矩。
为了提高肢外骨骼机器人运动控制的鲁棒性和准确性，同时保证穿戴适应性和舒适性，北京航空航天大学的研究人员开发了一种绳驱动外骨骼康复机器人，该外骨骼具有特制的穿戴机械设计，利用特制的袖环装置可以提高外骨骼与人体手臂之间的适应性。研究人员建立了外骨骼的运动学模型，通过迭代识别不确定参数，通过减少人体手臂骨骼运动学和外骨骼与上肢附着的不确定性来提高模型的准确性。
为了验证具有识别不确定参数的方法的准确性，研究人员开发了外骨骼样机，并使用了 NOKOV度量动作捕捉系统进行运动轨迹跟踪实验，不确定参数包括肩关节和肘关节中心、上臂和前臂袖环附着误差。实验中，受试者被要求佩戴外骨骼并坐在椅子上，任务是移动他们的右上肢以跟踪一条直线路径四次（延T型杆做直线运动）。
将1个反光标记点安装在受试者的手上，以获取其在实验中的跟踪结果；14个反光标记点安装在外骨骼机器人袖带的线缆布线点上，以捕捉跟踪任务中外骨骼线缆长度的变化（以线缆长度评估手臂运动）；1个安装在受试者肩关节上的标记点记录关节中心的运动。由于 NOKOV度量动作捕捉系统的捕捉精度可以达到亚毫米级，因此将测量结果视为实验的真实结果。将动作捕捉结果与识别的结果进行比较，以验证运动学模型的准确性。
下图显示了实验中线缆长度的变化。如图所示，有参数识别的运动学模型计算的结果（红色实线）比没有识别的计算结果（蓝色实线）获得的结果更接近NOKOV度量动作捕捉系统获取的真实值（虚线）。通过计算动作捕捉结果与已识别/未识别结果之间的 RMS 误差，证明识别不确定参数的方法可以有效地改进运动学模型。
下图人体肩关节中心位置随肢体运动的变化示意图；绿色实线表示NOKOV度量动作捕捉系统测得肩关节中心运动轨迹的结果，蓝色曲线表示肩关节中心参数识别结果。 如图所示，识别结果与运动捕捉系统测得的结果基本一致，证明该方法对人体肩关节运动的良好预测能力。
参考文献：
[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