穿过一个房间本不该感觉像一场马拉松。但对于许多中风幸存者来说，即使是最小的步数也承载着巨大的负担。每个动作都成为失去协调能力、肌肉无力和身体脆弱的提醒。
佐治亚理工学院研究团队希望缓解这种困难，而机器人外骨骼提供了一条有前景的路径。他们的发现指向一个简单却强大的转变：外骨骼应当适应人类，而非强迫人类适应机器。
该团队运用人工智能实时学习患者步幅节奏，展示了这些设备如何减轻身体负担并提升行走效率。他们还证实了该技术如何帮助中风幸存者重拾行走信心。
机器人找到节奏
机器人外骨骼是一种可穿戴设备，通过机械支撑辅助人体运动。传统外骨骼需要无休止的手动调整——旋转旋钮、校准设置和微调控制。
"为每个人精准调校可能令人沮丧，甚至几乎不可能，"乔治·W·伍德拉夫机械工程学院副教授亚伦·杨表示，"借助人工智能，外骨骼能自主建立映射关系。它通过神经网络学习某人的步态时序，无需工程师手动调试所有参数。"
该软件监控每一步动作，即时更新并精细调整支持力度。随着时间推移，外骨骼的运动逐渐与穿戴者的独特步态同步。本研究中，研究团队采用髋关节外骨骼，该设备在髋关节处提供扭矩——换言之，通过增加动力帮助中风幸存者更轻松地行走或移动腿部。
聪明行走新方式
中风后的行走往往艰难且难以预测。患者的步幅可能日日不同，甚至步与步之间都在变化。多数外骨骼并未针对此类波动设计，它们围绕健康年轻人稳定均匀的步态构建，反而让中风幸存者感觉更不稳当而非获得支撑。
杨团队的突破发表在《IEEE机器人学汇刊》上，其核心是一种神经网络——这类人工智能的学习模式与人脑类似。髋部传感器捕捉人体运动方式，神经网络将这些信号转化为恰到好处的动力支持以辅助每一步。它能快速识别个人独特的行走模式。
但首席临床医师金西·赫林指出，人工智能的学习并未止步于此。它会随患者行走持续调整，使外骨骼即使在步幅变化时也能保持同步。
"调整速度令我们惊讶，"杨表示，"行走仅需1-2分钟，系统就能高精度掌握个人步态模式。如此快速适应并持续动态调整，意义重大。"
测试显示该系统远超标准外骨骼的精度，将中风患者步态跟踪错误率降低了70%。
杨强调这项研究远不止于数据指标："当你看到某人能行走更远而不至于精疲力竭时，就会意识到这不仅关乎机器人技术——更是将一定程度的独立性归还给人类。"
无处不在的适应性
每台外骨骼都配备专属传感器，导致不同设备采集的数据差异巨大。在单一设备上训练的神经网络移植到其他设备时常会失效。为此，杨团队设计了类似通用转换插头的软件——无论连接何种设备，它都能将信号转化为人工智能可识别的形式。仅需10步校准，系统便将错误率降低了75%以上。
"目标是让使用者系上设备后，一分钟内就能感觉它专为自己打造，"杨表示。
迈向未来的步伐
尽管本研究聚焦中风幸存者，其影响范围更为广阔。相同的自适应方法可支持应对年龄相关肌肉无力的老年人、帕金森病或骨关节炎患者，甚至神经发育障碍儿童。
杨及其团队正开展临床试验，评估人工智能外骨骼在各类日常活动中的支持效果。
"不存在'普通用户'，"杨表示，"真正的挑战在于设计能适应人类行动全谱系的技术。"
若佐治亚理工学院的外骨骼能应对这一挑战，其前景将远超实验室。这意味着一个技术不仅能助人行走——更能学会与人同行的世界。
拥有佐治亚理工学院学士、硕士及博士学位的尹成康是论文第一作者，现任卡内基梅隆大学机械工程助理教授。他解释道，真正的潜力在于后续发展：
"我们已开发出能在几分钟内适应个人行走风格的系统，但潜力更为深远。试想一种能终身伴随你学习的外骨骼，随身体和行动能力变化持续调整。将其视为理解你行走方式的机器人伙伴，每一步都提供恰如其分的辅助。"
【全文结束】
