用于学习受损步态个性化外骨骼控制策略的肌肉骨骼运动模仿

为下肢外骨骼设计可泛化的控制策略从根本上受到详尽数据收集或迭代优化程序的限制，这限制了对临床人群的可及性。为了应对这一挑战，我们引入了一个与设备无关的框架，该框架结合了生理上合理的肌肉骨骼模拟与强化学习，以实现对健全和临床人群的可扩展个性化外骨骼辅助。我们的控制策略不仅生成生理上合理的运动动力学，而且捕捉了在目标肌肉缺陷下临床观察到的代偿策略，提供了健康和病理步态的统一计算模型。无需特定任务调整，所得的外骨骼控制策略在髋关节和踝关节产生辅助扭矩曲线，与在人体实验中验证的最先进曲线一致，同时在不同步行速度下持续降低代谢成本。对于模拟的受损步态模型，学习到的控制策略产生不对称的、缺陷特定的外骨骼辅助，提高了能量效率和双侧运动学对称性，而无需明确指定目标步态模式。这些结果表明，通过强化学习进行生理上合理的肌肉骨骼模拟可以作为个性化外骨骼控制的可扩展基础，适用于健全和临床人群，无需进行大量的物理试验。