面向外骨骼机器人的人机紧耦合协同运动建模与在线学习

Due to the limited adaptive performance and online learning ability of traditional closed physical human-robot interaction method, which realize human-robot interactive movement by pre-demonstration. It cannot fulfill the requirement of an exoskeleton which need to provide online learning and motion prediction when interacting with different wearers. This project proposal will study on on-line coupled cooperative learning and motion control for an exoskeleton robot. Toward the end, we will study on the following issues: (1) Online modeling of coupled cooperative primitives which include the STATE-INTERACTIVE-FORCE transfer feature of human-exoskeleton interactive cooperation. (2) Due to the highly real-time requirement of coupled cooperative movement, we will propose a new algorithm that can generate partial-global motion planning for the robot based on local sensory data observation. (3) Validating and demonstration on a real exoskeleton robot. This research will provide the theoretical framework of modeling and methodology for coupled cooperative motion control of human-exoskeleton system, improving the adaptive and online learning ability when an exoskeleton robot is worn by different wearers with different gait. Finally, the research results will supposed to be applied on variable coupled physical human-robot interactive cooperation system.

外骨骼机器人与人体运动行为的紧耦合特点使其无法脱离人体进行离线示教训练，而传统的外骨骼机器人控制方法无法满足人机紧耦合系统对多样化动态人体行为建模和在线学习的需求。针对该问题，本项目重点开展外骨骼人机紧耦合系统协同运动建模、在线学习与控制方法研究，主要研究以下内容：（1）针对外骨骼与人协同运动中的“状态-交互力”转移特征，建立紧耦合协同运动基元的在线表达模型；（2）针对紧耦合协同运动高实时性需求，拟提出基于小样本局部特征观测的全局预测，实现局部运动增量学习及控制；（3）搭建实验演示和验证平台。本项目拟建立外骨骼人机紧耦合协同运动建模与在线学习的理论、模型以及控制方法，提高外骨骼机器人与人的协同运动中对不同运动行为的在线学习能力。实现以在线局部学习和分段控制及全局可收敛预测为特点的人机协同运动控制。该项目研究成果可广泛应用于各种物理人机交互系统的协同运动控制，具有重要的理论意义和应用价值。

1. 研究背景及主要研究内容.外骨骼机器人与人体运动行为的紧耦合特点使其无法脱离人体进行离线示教训练，而传统 的外骨骼机器人控制方法无法满足人机紧耦合系统对多样化动态人体行为建模和在线学习的需 求。针对该问题，本项目重点开展外骨骼人机紧耦合系统协同运动建模、在线学习与控制方法 研究，主要研究以下内容:(1)针对外骨骼与人协同运动中的“状态-交互力”转移特征，建 立紧耦合协同运动基元的在线表达模型;(2)针对紧耦合协同运动高实时性需求，拟提出基 于小样本局部特征观测的全局预测，实现局部运动增量学习及控制;(3)搭建实验演示和验 证平台。本项目拟建立外骨骼人机紧耦合协同运动建模与在线学习的理论、模型以及控制方法 ，提高外骨骼机器人与人的协同运动中对不同运动行为的在线学习能力。实现以在线局部学习 和分段控制及全局可收敛预测为特点的人机协同运动控制。该项目研究成果可广泛应用于各种 物理人机交互系统的协同运动控制，具有重要的理论意义和应用价值。.2.重要结果.建立了CCP数学模型，并且验证了提出的CCP-HIL控制算法的控制效果。完成了CCP-HIL模型的在线参数学习算法，算法弥补了HIL控制算法无法应对穿戴者频繁变化步态运动的问题，通过在线学习的方法提高了控制器对不同穿戴者和穿戴者不同运动状态的适应性。