第1章 人类移动和步态康复的辅助设备
移动能力是人类最重要的能力之一,可定义为个体在多种环境中自由移动并轻松完成日常个人任务的能力[1]。神经性和与年龄相关的疾病会在不同程度上影响人类移动能力,导致该能力部分或完全丧失。此外,移动能力会随着年龄增长而逐渐下降。研究表明,活动受限还与认知和心理社会障碍相关,这进一步损害了个人的生活质量[2]。在此背景下,新技术不断涌现,以改善运动障碍者的生活条件。本章将介绍有关人类运动系统、运动功能障碍、增强移动能力的辅助设备、行走过程中的功能补偿以及步态康复设备的相关内容。
1.1 运动系统
运动系统由骨骼及其周围组织构成,例如软骨、肌肉、韧带、控制运动功能的神经系统以及结缔组织。运动功能通过子系统进行研究[3]:骨骼子系统支撑整个身体,骨骼肌系统作为主动力发生器以实现运动。因此,主动肌力与外力(重力、地面反作用力)、弹性肌力以及由于身体质量运动而产生的其他惯性力共同决定了在时间和空间中表现出来的人体运动学。最后,由神经系统执行的控制子系统对整体运动活动进行协调和控制。
作为实现运动的主动力发生器,骨骼肌在执行特定运动结构时会在时间和空间上协调,并通过收缩强度进行调控。根据[4]:“运动的过程不过是发生在内部的兴奋模式向外的一种投影”。“在中枢神经系统中存在相应的设定”。通过这种方式,典型的运动活动(如行走)在很大程度上表现出兴奋与抑制模式的自动化特征,并且与此相一致的是相应肌肉系统收缩的既定顺序和强度。
中枢模式发生器(CPGs)是一类位于多种动物大脑末端和脊髓起始部分的神经回路,负责在其身体不同部位产生节律性和周期性运动模式[5]。尽管这些模式生成器仅使用来自感觉系统的非常简单的感官输入,但它们能够产生用于行走、游泳、跳跃、转向及其他类型移动的高维度且复杂的模式[6]。
由于疾病或损伤导致运动器官功能受损时,刻板运动活动的自然自动性会被破坏。康复的目标则是恢复受损的功能;或者在存在永久性解剖或功能性改变或缺陷的情况下,调整神经‐肌肉‐骨骼系统的功能,使剩余的(健康的)肌肉系统承担起功能不足或丧失的肌肉的作用[7]。
1.2 影响移动能力的状况
不同的病症,如中风、脊髓损伤和脑瘫,会影响人类移动能力,导致部分或完全丧失移动能力。此外,已知由于神经系统、肌肉和/或骨关节退化,移动能力会随着年龄增长而逐渐下降。接下来的段落将介绍这些病症的一般定义和统计数据。
中风是由于脑内出血或两条主要供血动脉之一发生阻塞而导致脑细胞死亡的结果。目前,它在临床医学中是一个重大问题,是发达国家致残的主要原因[8]。中风后的神经系统损伤往往会导致偏瘫或部分瘫痪,使患者无法进行行走等日常生活活动(ADL)。
中风幸存者通常表现出显著降低的步速、缩短的步长以及步态模式中的平衡障碍,并且经常发生跌倒[9]。鉴于重复持续刺激已被证实能够恢复和重组由神经系统疾病引起的受损运动功能,因此迫切需要新的治疗干预手段[10]。
脊髓损伤(SCI)是指脊髓的任何改变,影响损伤水平以下的感觉运动和自主系统。根据西方和发展中国家每年每百万人中22人的保守平均发病率,估计每年有超过130,000人幸存于创伤性脊髓损伤,并开始一种“崭新而不同的人生”,依赖轮椅生活40年或更长时间[11]。
脊髓损伤是一种毁灭性的临床状况,因其导致的功能丧失对个体的功能独立性产生重大影响,并波及生活质量、预期寿命,并造成重要的经济问题,考虑到与初级护理和收入损失相关的成本。脊髓损伤(SCI)的康复旨在最大限度地提高用户独立性,并妥善管理继发性病变相关疾病。对于受伤个体而言,最大化移动能力已被确定为主要目标之一[12]。
脑瘫(CP)是由于未成熟大脑的缺陷或损伤引起的姿势和运动障碍[13]。这些功能障碍是永久性的,但并非一成不变,会导致活动受限和参与限制。脑瘫是儿童期永久性严重身体残疾最常见的原因,总体患病率约为每1000名活产婴儿中有2例。据估计,欧洲有650,000个家庭要么养育着一名脑瘫患儿,要么在照顾一名脑瘫成人[14]。
近年来,重度功能障碍儿童的生存前景有所提高。因此,需要新的策略来帮助促进、维持和恢复其功能能力,从而减少患者、照护者及社会在此状况下面临的投入、所需援助以及经济负担[15]。
最后,需要强调的是,全球60岁以上人口将在2000年至2050年间增长两倍以上(从6亿增至20亿)[16]。这种增长的大部分发生在欠发达国家,该群体将从2000年的4亿增长到2050[16]年的17亿。
步态紊乱,定义为行走速度减慢、外观异常或两者兼有,并不一定是衰老的必然结果,而是反映了相关疾病患病率增加和病情加重的表现[17]。
60岁以上人群常见的诊断还包括心血管疾病、痴呆、糖尿病、关节炎、骨质疏松症和中风[18]。这些疾病均可能影响人类移动能力。因此,迫切需要提高老年人安全高效的行走能力,这有助于减少跌倒和骨折的发生。一些研究表明,每周至少进行3–5次的步行计划可提高步行耐力和行走距离[19]。
1.3 辅助设备的新兴设计方法
在现代,由于电子技术的引入,使得传感器和控制得以集成,以及人机界面不断发展,机器也随之发生了变化。这催生了机电一体化,成为机械设计的现代范式,并为机器人技术的发展奠定了基础[20]。
新的完整方案可以类比于生物系统,将肌肉骨骼系统与神经系统和循环系统相结合。当机械设计从生物学中汲取灵感时,例如在此类比中,便可称之为生物机电一体化。尤其是机器人技术,如今正沿着这一方向发展,在生物机器人技术和生物医学应用方面更加突出[20]。
生物机电一体化系统集成了机构、传感器、控制策略、人机交互和信号处理技术。这些组件的设计灵感来源于生物模型。本书重点阐述机器人助行器的生物机电一体化概念。
根据庞斯[21]的观点,生物机电一体化在三个不同方面具有更广泛的范围:首先,生物机电一体化在机电系统开发中本质上包含了仿生学,例如仿生机电组件(控制架构、执行器等)的开发;其次,生物机电一体化涉及与生物系统密切交互的机电系统,例如与人体相互作用的可穿戴机器人;最后,生物机电一体化通常在机电系统的开发中采用受生物启发的设计和优化方法,例如在机电组件优化中采用自适应算法。
另一种设计方法是神经机器人范式,其主要目标是融合神经科学与机器人技术的专业知识和方法,以设计出能够更紧密地与人类互动的机器人。该范式通过“混合仿生系统”应用于“人类增强”研究领域。根据这一学科的先驱E. 冯·吉尔克的观点,仿生学的主要目标是“以最广泛意义上的假肢装置扩展人类的体力和智力,并以自动装置和智能机器替代人类”[22]。
混合仿生系统(HBS)通常被定义为包含技术(人工)和生物成分的系统。近年来,大量的科学技术工作致力于通过神经接口将人类神经系统与电子和/或机器人装置相连接,从而创建混合仿生系统(HBS)。总体而言,这项研究的目标多样:一方面是为了开发用于恢复受伤和残疾人士运动及感觉功能的系统;另一方面则是探索增强一般人群(不仅限于残疾人)感觉运动能力的可能性[23]。
未来,来自大脑的脑电图(EEG)信号或来自身体肌肉的肌电图(EMG)信号可能会被转换为电子指令,从而实现对机器人的控制。通过使用脑机接口(BCI)——一种记录脑信号并解码用户意图以操作和控制先进设备,同时向用户提供有关脑活动反馈的混合系统——即可实现由穿戴者思维驱动的可用机器人。
1.4 移动能力辅助设备
尽管大多数步态/移动障碍已被充分认识,但其中只有一小部分可以通过手术或康复方法完全逆转。在这种情况下,治疗选择包括选用和配置辅助设备,以提供适当的功能补偿,阻止残疾的进展,并提高受影响个体的整体生活质量[24]。
选择最合适的辅助设备需要仔细分析和解读与患者残余运动能力相关的临床特征,包括认知功能、视力、前庭功能、肌力(躯干和四肢)、上下肢关节的退行性状态、患者的整体身体状况,以及患者生活和活动环境的其他特性。其中一项或多项特征的严重功能障碍可能影响设备的安全使用,增加跌倒风险,或因能量消耗[25]而影响运动性能。
根据活动受限的程度,患者可分为两大功能组:(i)完全丧失活动能力的个体;(ii)部分活动能力丧失但具有不同程度残余运动能力的个体。
属于第一组的个体可能已完全丧失自主移动能力,有较高的卧床风险,并因此遭受长期不动的影响。该功能组中的个体示例包括完全性脊髓损伤、晚期神经退行性疾病、严重的下肢骨关节炎以及脊柱/下肢骨骨折的患者。
然而,在这种情况下,运动可以通过被称为替代设备的辅助技术来实现。如果不使用此类技术,对于这些个体而言,移动可能会成为一项不可能完成的任务[26]。一些替代设备的例子包括(机器人)轮椅和特种车辆,如改装滑板车。
替代设备提供的移动能力可以帮助患者在日常任务中获得一定程度的独立性,并可能对自尊和社交互动产生积极影响。然而,长期使用此类设备并不能防止脊柱和下肢出现与不动相关的适应性变化,这些变化表现为骨量流失、循环系统紊乱、压疮以及其他生理损害[27]。
第二类功能群体由具有一定残余运动能力的个体组成,这些个体可通过辅助设备得到增强。换句话说,此类增强型设备的使用旨在强化用户自身的自然运动方式,并充分利用其剩余运动能力。近十年来,智能增强设备领域的研究不断增加,重点在于为残疾人士开发先进的机器人解决方案,以及应用机器人辅助康复治疗以促进神经系统损伤后的运动功能恢复。增强型设备可进一步分为两类:(i)自携式或可穿戴设备;(ii)外部设备。
可穿戴设备主要以矫形器和假体为代表。矫形器是一种与人体肢体解剖结构相匹配的机械结构,其目的是恢复丧失或减弱的功能。假体是一种在截肢后替代缺失肢体的机电设备。
外部设备由手杖、拐杖和助行器表示。鉴于这些设备是本书的重点,将在下一节中更详细地讨论。
1.5 步态功能补偿装置
人类步态始于中枢神经系统的神经冲动,并以地面反作用力[28]的产生结束。传统上,使用足跟触地来划分步态周期。步态周期分为两个阶段:支撑相和摆动相。支撑相的开始和结束都涉及一段双足接触地面的时期(双支撑)。而在摆动相期间,足部处于空中,腿部摆动并为下一次足部触地做准备[29]。
存在运动功能障碍的患者表现出显著的功能受限,包括无法通过下肢支撑身体重量、产生推进力、快速移动肢体以完成适当时间控制的运动轨迹,以及控制侧向稳定性。他们采用代偿策略以维持向前推进并保持稳定的支撑基础。内在的代偿策略包括降低步速、延长支撑相和双支撑时间、支撑相中膝关节过伸,以及摆动相中的髋关节划圈[30]。外部设备可在行走过程中提供负重支持,并实现功能性代偿策略,从而改善患者的移动能力。以下将讨论这些设备的优点和局限性。
手杖更常用于提高步态稳定性,而非提供部分负重支持。简单的单点手杖可预防或减少平衡障碍患者的跌倒。拐杖能够直接支撑身体,从而在行走时提供更大的稳定性和平衡性,并且相比手杖能提供更强的负重支持。然而,拐杖较为笨重,其使用可能导致不自然的步态模式。因此,负重支持的程度既不恒定也不可量化的,因为它取决于患者自身的力量以及其上肢和躯干的控制程度[31]。
其他外部设备是助行器,其特点是结构简单、低成本且具有巨大的康复潜力。助行器通常用于需要步态辅助的患者,以提高静态和动态稳定性,并在功能性任务中提供部分负重支持[32]。这类设备能够增强使用者的残余运动能力,实现自然的移动方式,从而预防与不动相关的改变。此外,有证据表明,助行器辅助步态与重要的心理益处相关,包括在行走过程中增强信心和安全感知[33]。
标准框架(图1.1a)是被动式助行器最常见的构型。它基于一个带有四根刚性支腿的金属框架,要求在每一步中四个支腿必须同时接触地面。该型号被视为最稳定的型号,但由于使用者必须将装置完全抬离地面并向前移动后才能迈出一步,因此需要缓慢且受控的步态模式[25]。
关于使用标准框架的批评源于在移动过程中上肢施加力增加的证据[34]。与非辅助或轮式助行器辅助步态相比,该设备所导致的步态模式还会使用户在平地行走时的能量消耗增加217%(已呈现)。这些发现限制了标准助行架对患有严重代谢性、心脏性或呼吸系统功能障碍患者的使用[35]。认知障碍患者也不属于标准框架的潜在使用者范围。这一建议主要基于[36]中报告的结果,该结果指出,与手杖或其他助行器模型相比,使用标准助行架行走需要更高的注意力水平,以避免跌倒风险。
双轮助行架(图1.1b)是传统助行器的另一种变体。尽管在许多方面与标准框架相似,但这类助行器的特点是在前腿(前轮式助行架)上装有两个轮子。这种型号推荐给活动能力较强的个体或难以将装置从地面抬起的患者。轮子有助于实现更自然的步态模式,但有证据表明其动态稳定性在行走时的能量消耗比标准框架援助低,且与正常行走进相比高出84%[24, 25]。
助行轮椅(图1.1c)可被视为两轮型号的改进。它们在助行器的支腿上装有四个轮子。这些型号允许更快的移动,并在行走过程中更好地实现自然步态模式,同时相比其他助行器型号具有更低的能量消耗。然而,助行轮椅被认为是最不稳定的助行器类型,在需要使用者完全依靠设备支撑体重的情况下,由于设备的不受控位移,跌倒风险显著增加。在临床环境中,助行轮椅可能推荐给那些需要较宽步行支撑面但无需持续体重支撑的患者。此类型号的设计允许多种适应性改装,例如在手柄上安装制动系统(以提高静态稳定性)、不同轮子尺寸、坚固框架、座椅垫的适配等[24, 35]。
另一种辅助设备是免手持助行器(图1.1d)。它包含一些改进,旨在减少上肢的负重,同时提供持续的体重支撑。免手持助行器在与使用者连接的位置、允许的运动自由度数量以及驱动/转向/致动方式上各有不同。复杂性和成本也是需要注意的因素。一些设备能够辅助坐站转移、在行走过程中完成转向,或实现自动驱动和操控[37]。这些助行器确保了行走者的安全,这对于偏瘫个体而言尤为必要,因为他们大多在站立时需要姿势辅助,同时也需要对偏瘫腿的摆动相进行辅助[38]。在脑瘫儿童使用的设备中,也常见将免手持助行器与可穿戴矫形器集成在一起的情况[39]。
在步态辅助的机器人技术领域,目前有许多关于机器人助行器及其他引导装置的研究项目正在进行。在此背景下,一种新型的助行器应运而生,它集成了机器人技术、电子技术和机械技术。这类设备被称为“机器人助行器”、“智能助行器”或“智能助行器”[40]。智能助行器具备大量功能,能够在不同的功能水平上提供移动能力援助,并更好地适应用户的个体需求[40, 41]。
机器人助行器通常安装在助行轮椅框架上。这种配置利用了四个轮子的灵活性以及保持近似自然行走模式的能力。通过特殊的安全机制来解决稳定性问题,以防止跌倒和用户的非预期运动意图[41]。人机界面(HMI)的发展使得能够解读用户指令,从而实现不同的控制策略,这可能有助于更安全的人‐助行器移动能力。因此,下一章将广泛讨论智能助行器中的人机界面(HMI)。
1.6 步态康复的发展趋势
尽管大多数使用增强型设备的运动功能障碍患者能够实现一定程度的行走,但仍迫切需要治疗干预措施来减少长期对身体援助的需求,并形成一种生物力学上高效且稳定的步态模式,且这种模式不会随着时间推移而减弱。然而,传统的康复程序要求治疗师在协助严重受损患者行走时付出大量体力劳动,包括摆放偏瘫肢体和控制躯干运动。在这种情况下,康复过程常常难以完全成功,原因包括:每次治疗会话中行走空间有限、疲劳、跌倒、受伤以及患者对跌倒的恐惧。
在此背景下,减重支持系统(BWS)在步态康复中发挥着重要作用。部分减轻体重负荷可使肌肉力量较弱的神经功能障碍患者更高效地进行步态训练。此外,机器人辅助康复治疗已成为神经损伤后运动功能恢复的一种新兴康复治疗方式。机器人设备可帮助患者实现激发神经恢复所需的高强度、重复性训练,减少对人工监护的需求,并改善成本效益[42]。
基于跑步机的设备是最常见的机器人康复方法,其中Lokomat(Hocoma,瑞士)[43]是经过最多临床研究验证的系统,也是同类设备中最早出现的之一。在这类设备中,骨盆垂直运动以及髋关节和膝关节由连接到跑步机框架的矫形器驱动。其他类似的设备也已问世:AutoAmbulator(HealthSouth,美国)[44]、Lopes[45]、ALEX[46]、PAM & POGO[47]。
然而,这类系统仅提供沿预设路径的前向运动,以确保生理运动学的精确再现。因此,患者被限制在固定平台和预设步态模式中,这种方式不够自然,并导致功能恢复效果不尽理想。相比之下,越来越多的临床研究表明,在神经康复训练中,有效的方法应允许患者积极参与并进行无阻碍的运动,采用诸如“按需辅助”[48]或“挑战点”概念[49]等策略。
此外,关于在跑步机上行走是否能在身体质量转移、身体质量加速度和感觉运动反馈(如本体感觉输入)方面代表实际的地面行走,仍存在争议。与地面行走相比,跑步机行走表现出显著更高的步频、更短的步幅和步时,以及大多数关节角度、力矩、功率和骨盆旋转幅度的降低[50, 51]。
最后,事实上,地面行走被认为是最具自然步态模式且具有实际足部接触的行走方式。因此,建议使用地面行走康复设备来提高步态表现以及形成自然步态模式。在这方面,结合移动平台(智能助行器)与减重支持系统的移动式步态康复设备可实现自由的地面行走,在不同环境(如户外或家中)中提供更加真实、灵活且具有激励性的训练条件。
1.7 背景
这项工作基于我们团队内部或合作项目执行过程中开展的先前研究。ASAS项目[26](西班牙语“用于增强用户安全性的伪机器人助行器”的翻译)提出了基本智能助行器物理结构的开发。在该项目中,一些重要特性被应用于商用助行器,如图1.2a所示。机械结构经过改造,配备了前臂支撑平台,相比传统把手更加舒适和稳定。这些平台在助行器辅助步态过程中还能稳定躯干和上肢。此外,还安装了两个电动轮,以实现对设备运动的更好控制。系统还包括一个基本的人机界面来控制助行器的运动。该界面由位于每个把手上的两个按钮组成,位置与使用者拇指高度对齐。
然而,这种方法在用户界面方面存在一些缺点。每个按钮控制相应的电动轮:当按下右侧按钮时,右侧电机向前移动。因此,当用户同时按下两个按钮时,助行器便向前移动。用户需要经过前期训练并具备良好的运动协调能力,才能正确操控机器人助行器。
SIMBIOSIS 是对 ASAS 助行器的改进,是一个连续性项目,旨在开发一种多模态接口,该接口结合了上肢反作用力和利用超声波传感器进行的下肢步频估计[52]。该接口实现了自然交互,因为用户的引导意图被检测并传输至助行器的控制系统。SIMBIOSIS 助行器如图1.2b 所示。该项目提出针对不同滤波策略的完整研究,以提取通过安装在前臂支撑平台上的力传感器获取上肢反作用力,从而引导上肢运动意图。作为本研究的结论,开发了一种估测上肢运动意图的方法。该工作依赖于此类估计算法来提取控制输入,如第4.3.2节所述。
然而,SIMBIOSIS项目仅提出了一种基本控制策略,以验证估计算法的有效性。尽管实验结果表明该方法能够实现与设备的自然交互,但并未考虑人‐助行器交互的鲁棒控制以及用户的依赖性。因此,本书所呈现的工作重点在于开发基于新型多模态接口的自然且鲁棒的人‐助行器控制策略。
1.8 本书的范围
本书重点介绍了一种用于人类移动辅助的人机交互(HRI)策略。通过将 HRI概念融入智能助行器领域,以实现助行器与人之间的自然通信渠道。此外,本书还提出了一种多模态人机接口,可用于测试和验证机器人助行器的控制策略,以辅助人类移动能力和步态康复。
这项工作的主要目标是设计新控制策略,以实现更自然、更安全、更适应的人‐助行器交互。除这一总体目标外,还包括以下若干具体目标。
- 研究助行器辅助步态过程中的人体运动意图,以提取人‐助行器交互参数。
- 集成促进自然人‐助行器交互的HRI感知模式。
- 设计用于测试和验证机器人助行器控制策略的多模态接口。
- 设计并验证一种用于助行器辅助步态的认知HRI控制策略。
- 开发一种基于认知与物理人机交互的助行器辅助步态控制策略。
后续章节中介绍的工作将描述如何实现这些目标。此外,本工作的主要贡献是开发了一种新型多模态HRI控制策略以及两种新的传感器融合方法来估计控制输入。客观而言,本研究中提出的技术与科学贡献如下所列。
- 行走过程中认知型人机交互控制策略的制定。该控制器使用移动机器人和机器人助行器进行了评估。
- 提出并验证一种获取与步态周期同步的人‐机器人交互参数的新方法,该方法利用激光测距仪(LRF)和惯性测量单元(IMU)进行数据采集。
- 提出并验证一种基于自适应估计和滤波技术,利用LRF和IMU传感器连续估计人‐助行器交互参数的新方法。
- 设计并验证一种基于LRF、IMU和三维力传感器组合的助行器辅助步态多模态接口。
- 开发一种基于认知型和物理型人机交互的助行器辅助步态控制策略。
本书分为五个主题章节(第2–6章),探讨了与助行器辅助移动相关的各个方面以及该过程中涉及的重要交互因素。
第2章论述了关于人机交互的文献综述,特别关注已实施或可能对人‐助行器交互有用的接口。该章还介绍了在辅助移动中双人人机交互的概念。
第3章首先提出了应用于移动机器人的认知人机交互控制策略以实现人体追踪。随后,提出并验证了一种控制输入估计方法。引入LRF和IMU传感器作为人体追踪的传感器接口。最后,通过实验研究验证了交互参数估计以及基于移动机器人的控制实现。
第4章论述了第3章提出的控制策略在机器人助行器上的集成。关于人机物理连接的一些考虑需要一种新的人‐助行器参数检测方法,该方法已被提出并得到验证。该章还介绍了一个新的机器人助行器平台,以满足传感器和交互需求。最后,通过一项实验研究对控制参数检测和控制实现进行了验证。
第5章介绍了上肢反作用力作为一种物理人机交互接口。提出了一种用于人类移动辅助的多模态接口。该接口被评估为理解助行器辅助步态过程中人体运动意图的工具。最后,提出并验证了一种基于物理和认知人机交互的控制策略,以总结本书的范围。
最后,第6章提出了康复机器人这一具有挑战性领域的结论以及对未来工作的一些建议。
53

被折叠的 条评论
为什么被折叠?



