SMAT：面向共适应式外骨骼控制的分阶段多智能体训练
偏微分方程分析
2026-03-24 v2 最优化与控制
摘要
有效的外骨骼辅助需要共适应：设备改变关节动力学，用户重新组织神经肌肉协调，形成非平稳学习问题。大多数基于学习的方法未明确考虑人类运动适应的序列性质，导致训练不稳定和辅助时机不当。我们提出分阶段多智能体训练（SMAT），一种四阶段课程式训练方式，模拟用户自然适应佩戴设备的过程。在 SMAT 中，肌肉生理学人类演员和双侧髋部外骨骼演员逐步训练：人类首先学习未受辅助的步态，然后适应新增的设备质量；随后外骨骼在人类策略稳定后学习正向辅助模式，最终两者在完全扭矩能力和双向反馈下共同适应。我们在 MyoAssist 模拟环境中实现 SMAT，采用 26 肌群下半身模型及附加髋部外骨骼。我们的肌肉生理学仿真显示，学习到的外骨骼控制策略相对于无辅助条件可减少平均 10.1% 的髋部肌肉激活。我们使用开源步态数据在离线环境中验证了所学控制器，然后将其部署到实际髋部外骨骼进行 5 名受试者的跑步实验。所得策略在所有受试者中均提供一致的辅助，主要产生正向机械功率（在 6 Nm RMS 扭矩下平均为 13.6 W，提升至 9.3 Nm RMS 扭矩下 23.8 W，负向功率最小），无需任何显式时序偏移移。
引用
@article{arxiv.2603.07617,
title = {Existence, Sharp Boundary Asymptotics, and Stochastic Optimal Control for Semilinear Elliptic Equations with Gradient-Dependent Terms and Singular Weights: Theory, Economic Applications, and Numerical Simulations},
author = {Dragos-Patru Covei},
journal= {arXiv preprint arXiv:2603.07617},
year = {2026}
}
备注
46 pages