用于髋部外骨骼最优自适应个性化的数据驱动强化学习解决方案框架

机器人外骨骼是增强人类移动能力的令人振奋的技术。然而，设计这样一种设备以与人类用户无缝集成并辅助人类运动仍是一项重大挑战。本文旨在开发一种基于强化学习（RL）的新型数据驱动解决方案框架，无需先建模人机动力学，即可提供最优且自适应的个性化扭矩辅助，以减少行走时的人力。我们的自动个性化解决方案框架包括带有两个控制时序参数（峰值与偏移时序）的辅助扭矩曲线、用于学习参数调节策略的最小二乘策略迭代（LSPI），以及基于转移功比的成本函数。所提出的控制器在一名健康人类受试者上成功验证，用于辅助行走中的单侧髋伸展。结果表明，作为一种新方法的最优自适应 RL 控制器可用于调节与人体动作协调并降低人体髋伸肌激活水平的髋部外骨骼辅助扭矩曲线。