瘫痪父亲穿机械骨骼接女儿放学引热议!清华新研究助力无拐杖行走-阿里云开发者社区

开发者社区> 大数据文摘> 正文
登录阅读全文

瘫痪父亲穿机械骨骼接女儿放学引热议!清华新研究助力无拐杖行走

简介: 瘫痪父亲穿机械骨骼接女儿放学引热议!清华新研究助力无拐杖行走

最近,一则视频在微博上引发热议。一位瘫痪多年的父亲借助外骨骼机甲重新站了起来,并且久违地亲自接到了放学的女儿。

视频中爸爸所穿戴的外骨骼,很好的帮助了爸爸独自站立支撑以及独自行走。

机械外骨骼不是个新话题。前段时间,文摘菌曾经报道过现身上海的“机甲战士”外卖小哥!负重一百斤一口气爬五楼,给了大家不少未来世界畅想。

当时就有读者提到:“这种技术要是能运用到医疗方向就更好了。”

这款外骨骼机器人的原理是使用外骨骼支架来支持行走困难的人进行康复训练,在康复训练当中,会使原本萎缩无力的肌肉和神经得到激活,能使行走困难的人的运动神经和行走肌肉得到有效地锻炼。

其实,辅助复健只是机械外骨骼进行的一个步骤,这类产品的最终的目的是需要从行走不便变成行走自由,看似从0-1,只用迈一步,实际上这个步子迈得相当艰难。这也是很多下肢残障的病人恢复正常生活中最大的障碍,消耗了自己和家人大量心力,稍微照顾不周,还很容易导致二次伤害。

不过,通过外骨骼有效的外部支撑,减少行走不便中存在的重心不稳,尤其是脊椎、骨盆这种非常关键的部位,避免康复中的伤害。

相关如果能实现大量的量产应用的话,绝对是能给许多行走不便的患者带来重获新生的机会。

全球竞相落地,机械外骨骼辅助下肢残疾人士重新行走

机械外骨骼的出现无疑给了下肢残障人士重新站起来的希望。全球范围内,相关产品也已经有不少商业化落地。比如Ekso Bionics公司生产的Ekso GT,可以帮助患者重新站立行走,成为了美国食品和药物管理局(FDA)批准用于中风患者的第一个外骨骼。

德国人工智能研究中心已经开发出两种遥控的通用动力外骨骼设备,CAPIO和VI-Bot,其外骨骼技术也正在开发中,以提高手术期间的精确度,并帮助护士移动和运送重病人。

此外,被动式外骨骼技术正越来越多地应用于汽车工业,其目标是减少工人受伤(特别是在肩膀和脊椎)和减少由于疲劳造成的误差。

这样的“黑科技”当然也不能少了日本的参与。去年12月,日本企业INNOPHYS正式发售可穿戴肌肉辅助外骨骼设备“Muscle Suit”,根据人造肌肉原理,能够为身体减轻25.5公斤的负重,举起50斤重量的物体不是问题,而且使用方法也十分简便,只需为设备打气30次后穿上即可。

文摘菌也出去好奇去了解了一下,文章开头提到帮父亲站起来的外骨骼机器人来自一家中国本土的专业康复机器人公司-大艾机器人,该机器人主要应用在脊髓损伤,脊髓炎,脑损伤, 脑瘫,中风, 偏瘫、骨关节术后运动恢复、肌无力等行走困难的用户场景里。

除了接女儿放学的父亲,大艾机器人之前也有过其他成功的案例。一位东北小伙海子由于从高空坠落导致下肢瘫痪,医生告诉他,可能终生需要与轮椅为伴。后来开始使用外骨骼机器人,从刚开始的不适,到自己独自借助外骨骼机器人走到天安门。在长期不停止的康复训练下,下肢肌肉与神经逐渐恢复,已经可以不用借助外力,便可以像正常人一样自己站起来。目前,海子已经可以解除外骨骼机器人,使用助力杖独立行走。从终生轮椅到独立行走这一步,足足用了3153万秒。

清华步态优化算法获ICRA最佳论文:专注让无拐杖外骨骼行走更稳

这些可落地的商业产品离不开相关科研成果的进展,最近,康复训练机器人的科研结果又有更新!

本月初,全球机器人自动化的顶级研讨会议ICRA评出最佳会议论文:基于偏好的学习外骨骼步态优化算法。

该项研究是由清华大学与加州理工共同提出的,由于当下的研究基本都是介于使用拐杖和速度在0.05m/s左右的慢速静态行走之间,而该论文团队是想证明在无拐杖外骨骼行走时,能否产生动态稳定的步态。

此外,基于偏好的交互式学习中的工作,这一项目还提出了CoSpar算法。CoSpar提示用户在两次试验之间给出步行偏好并提出改进建议;由于外骨骼行走是一种非直觉的行为,因此与数字反馈相比,用户可以更轻松,更可靠地培养、感知行走习惯。

     论文链接:https://arxiv.org/abs/1909.12316

作者在文中开头就强调了,这个研究是为了给行走不便的用户打造的,如果只算美国市场,至少是有600万人迫切急需的。

除了做算法研究以外,还要考虑到来自地面的冲击,所以需要参考混合零动力学。

而且外骨骼的期望前髋速度是恒定的,在实际行走速度中是会涉及到跳跃的。

研究中所采用的外骨骼支撑Atalante,戴口罩是为了模拟正常人体的代谢支出,并进行测量研究。(工作做得很细致)

不同颜色的线代表着,从左到右分别是左脚踝,左矢状踝关节,左矢状膝关节,左矢状髋关节,左横髋关节,左前关节,根据步行10秒以上的左腿关节图,左矢髋部位范围比较大,步态表明该用户喜欢更长的步态。

将用户舒适性作为首要目标,通过对用户的行走轨迹特征进行优化计算,构建了一套步态优化框架-Cosper,而且该优化框架建立在交互学习的基础上。

通过对用户的步态数据收集,可以得出用户的步态偏好,还能确定用户的行走轨迹。

并在模拟测试中,结合外骨骼支架,使用Copsar算法可以模拟出用户偏好。

知乎上经常有人会问,科研的初心是什么,

文摘菌想,如果能够通过科技来改变命运,这也就不枉费科研人员的一番苦心。

将大家日常生活中遇到的不便,使用科技手段来解决,尤其是像通过外骨骼支架顺利行走的瘫痪人群,重新燃起了生的希望,也就重新拥有了世界。

众所周知,中国社会老龄化趋势越来越严重,很多老年人生活都无法自理,而这个设备能够缓解老年人在日常生活中的种种不便。

这或许也正是在知乎关于机械外骨骼送外卖的提问中,这个让人心酸又暖心的答案获得了近5000赞的原因。

参考报道:
https://www.ai-robotics.cn/case/5c9c8a456b9d6b182eda3cea
https://www.ai-robotics.cn/

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
大数据文摘
使用钉钉扫一扫加入圈子
+ 订阅

官方博客
最新文章
相关文章
官网链接