基于强化学习的辅助机制降低深蹲 effort：模块化髋膝外骨骼
机器人学
2026-02-23 v1
摘要
深蹲是最具挑战性的下肢动作之一，需要 substantial 肌肉 effort 和协调。通过智能和个性化的辅助机制降低此任务的物理需求具有重要意义，尤其是在涉及重复低水平装配活动的行业。本研究评估了用于辅助深蹲任务的神经网络控制器的有效性，该控制器为模块化髋膝外骨骼设计。神经网络控制器在基于物理的人-外骨骼交互仿真环境中通过强化学习训练。控制器根据最近的关节角度和速度历史记录生成实时髋关节和膝关节 assistance torque。五名健康成年者在三个条件下进行三分钟节拍指导的深蹲训练：(1) 无外骨骼(No-Exo)、(2) 外骨骼为零扭矩(Zero-Torque)、(3) 外骨骼为 active assistance(Assistance)。通过间接卡路里测量和心率监测评估生理 effort，并同步收集运动学数据。结果表明，基于强化学习的控制器能够针对每个受试者的运动学和时序特征生成量身定制的扭矩轮廓。与Zero-Torque和No-Exo条件相比，active assistance将净代谢率降低约10%，心率亦见证 minor 降低。然而，辅助试验也表现出较小的深蹲幅度，即髋关节和膝关节屈曲度较小。尽管如此，这些初步发现表明，所提出的控制器能够有效降低重复深蹲期间的生理 effort，激励进一步改进硬件设计和控制策略。
引用
@article{arxiv.2602.17794,
title = {Reinforcement-Learning-Based Assistance Reduces Squat Effort with a Modular Hip--Knee Exoskeleton},
author = {Neethan Ratnakumar and Mariya Huzaifa Tohfafarosh and Saanya Jauhri and Xianlian Zhou},
journal= {arXiv preprint arXiv:2602.17794},
year = {2026}
}