在虚拟人体上学会本领的髋关节外骨骼

腿部动力外骨骼的研发既面向康复，也面向帮助健康人行走。髋部设备尤其有吸引力：在平地上行走时，髋部肌肉承担了很大一部分正功，因此帮助它们可以减轻承担大部分工作的肌肉的负担。

难点在于穿戴者。一旦电机推动某个关节，步态就会改变，肌肉也会重新组织。通常的解决办法是“人在回路”（human-in-the-loop）优化，直接在每个人身上调校设备——这类漫长的实验必须针对每位新用户、每种条件重复进行。

虚拟步行者作训练搭档

新泽西理工学院的 Yifei Yuan、Xianlian Zhou 及其同事与凯斯勒基金会合作，把训练搬进了计算机。他们的虚拟人拥有一个完整的身体，由304个肌肉驱动器驱动。它的身高、体重、肌肉力量、步幅和步行速度都是随机抽取的，从约1.55米、54千克到1.94米、97千克不等，因此控制器学习的是面向整个人群、而非某一个人的控制。

两个学习智能体共享同一个模拟世界：一个控制身体，另一个控制外骨骼。身体先独自学会行走；然后绑上设备，双方相互适应。外骨骼只能看到髋关节的角度和速度，而且有40毫秒的延迟——要求足够低，一台小小的树莓派5（Raspberry Pi 5）计算机和廉价的运动传感器就能运行它。

奖励正确的消耗

设备应该以什么为目标？以前的控制器会因为减少肌肉激活或机械功而获得奖励，这些都是体力消耗的替代指标。在这里，外骨骼的奖励包含髋部肌肉的代谢功率，它由一个描述肌肉能量消耗的生理模型计算得出。

团队训练了两个版本。一个版本还会因为电机输出正的机械功率而获得奖励。另一个版本没有这一附加项，在模拟中表现更好：与不穿设备行走相比，所分析的腿部肌肉的能量消耗下降了13.8%，而带功率项的版本为8.8%。降幅最大的是髋部肌肉：接近30%。

八名步行者，无需调校

表现更好的版本被原封不动地加载到一台重5.94千克的真实髋关节外骨骼上。八名年龄在18到44岁之间的健康成年人以每秒1.25米的速度在跑步机上行走，每种条件约六分钟，同时一台便携式分析仪对他们的呼吸进行采样，测量他们消耗的氧气和呼出的二氧化碳。

• 仅仅穿着关闭状态的设备，就使步行的能量消耗上升了13.1%。
• 控制器运行时，与关闭状态的设备相比，消耗下降了18.3%——八名参与者无一例外，降幅在7.2%到27.7%之间。
• 与不穿任何设备行走相比，平均节省7.4%，但八个人之间差异太大，在统计上并不明确。八人中有六人比不穿设备时走得更省力，最多节省24.2%；另外两人的消耗仍略高。

换句话说，助力减少了约每千克体重0.63瓦的消耗，大约是穿戴设备所增加的每千克0.41瓦的一倍半。

髋部摆动幅度更大

穿戴者的髋关节活动范围从44度增加到60度，几乎全部来自屈曲，而他们的步频几乎没有变化。助力的时机把握得很好：电机输出的功率中有98.5%与髋关节的运动方向一致，尽管部署的版本从未因此直接获得奖励。它的节省效果与该团队此前的控制器相当，后者在同一次实验中以相同的扭矩进行了测试。

下一步：更轻的硬件

作者把问题指向硬件。他们的设备重量约为另外两款在模拟中训练的设备（3.2千克和2.9千克）的两倍，而且为了保证舒适，它在12牛·米下运行，低于训练时使用的18牛·米。更轻、更贴合的框架，更大规模的步行者群体，其他速度和坡度，以及有行走障碍的人群，是接下来的测试方向。