北卡罗莱那大学Hao Su研究团队开发了一种加速外骨骼机器人控制系统开发的模拟框架，其有助于推动外骨骼装置在现实世界的广泛应用。相关研究已发表于Nature。
外骨骼机器人能显著提升人类运动，恢复残疾人士的运动能力。不过，当前的控制器在匹配不同个体需求和复杂的人体运动时仍面临挑战。它们通常需要开展大量的人体测试，依赖手工制作的规则，这限制了它们的广泛应用。
Hao Su研究团队通过模拟肌肉骨骼人体模型与基于物理的外骨骼模型相结合来解决这些问题。研究团队使用三个相互连接的神经网络来生成人体运动、肌肉协调和外骨骼控制。这些神经网络从通过涉及人类行走、跑步和爬楼梯的实验收集的运动轨迹数据中学习。利用神经网络和强化学习算法，通过在仿真中对控制器进行8小时的训练，然后直接将学习到的控制器部署到无线联动的外骨骼上，无需进一步的现实世界训练。结果显示，这种自适应学习控制器能够显著降低步行、奔跑和爬楼时的代谢率。
图10：加速外骨骼机器人控制系统开发的仿真学习框架
