科研学术

　　近日，机器人研究中心博士生黄瑞被2016年国际机器人顶级会议IEEE International Conference on Robotics and Automation (ICRA)录用了题为“Hierarchical Interactive Learning for a Human-Powered Lower Exoskeleton”（下肢助力外骨骼机器人层级交互学习算法）的学术论文，展示了其所在团队在下肢助力外骨骼机器人这一多学科交叉领域研究的最新成果。论文第一作者为黄瑞，通讯作者为我校机器人研究中心程洪教授，林西川博士、博士生陈启明和南洋理工大学的郭宏亮博士为共同作者，电子科技大学机器人研究中心和自动化工程学院为通讯作者单位。

　　2016年国际机器人顶级会议ICRA将于2016年5月在瑞典首都斯德哥尔摩举行。本次会议共收到论文2357篇，接收率34.7%，为历年最低。我校机器人研究中心博士生黄瑞和程洪教授去年9月底参加了在德国汉堡举行的国际机器人顶级会议IROS，作了题为“助力外骨骼机器人灵敏度因子的交互学习算法研究”的口头报告，该报告是本次会议上中国唯一一篇关于下肢外骨骼机器人研究的学术论文。IROS论文主要研究灵敏度控制器参数的在线学习，通过增强学习提高了外骨骼对不同穿戴者在不同步态下的自适应能力，然而步态模型需要大量数据离线训练而成，而ICRA论文明确提出层级交互学习架构，将前述灵敏度控制器作为底层控制器，增加了在线的上层步态规划控制器，并将其实时输出作为下层控制器的目标值。这种层级交互学习算法弥补了之前算法需要大量数据离线训练模型的缺陷。

　　外骨骼机器人是复杂生机电液一体化的人机智能协作系统，横跨人机工程学、智能控制、人工智能、机器人学、现代机械结构优化设计等学科。该论文针对下肢助力外骨骼机器人，提出了一种层级交互学习控制策略，将外骨骼的学习控制分为上层的步态模型学习和底层的控制器参数学习。在上层的步态模型学习中，采用动态运动基元（Dynamic Movement Primitives，DMP）对穿戴者运动步态进行建模，利用穿戴者与外骨骼的物理人机交互，通过局部加权回归（Locally Weighted Regression，LWR）的方法对步态模型进行在线学习，并作为底层控制器的学习目标值。在底层的控制器参数学习中，利用增强学习（Reinforcement Learning，RL）的方法对灵敏度放大控制器的参数进行在线学习。该论文提出的层级交互式学习控制算法在下肢助力外骨骼机器人系统HUALEX上进行了验证，通过每个步态周期对穿戴者的步态运动模型进行更新，其控制精度相比于传统基于模型的灵敏度放大控制算法提高了两倍。实验结果表明该算法不仅能够大大提高外骨骼控制器在穿戴者不同运动状态下的自适应学习能力，同时通过在线的步态模型学习解决了控制器参数学习需要大量数据进行离线训练的问题。

　　目前，机器人研究中心已经完成个人助行外骨骼机器人系统（AssItive DEvice for paRalyzed patient, AIDER）的工程样机，以及个人助行外骨骼机器人系统(HUman-powered Augmentation Lower EXoskeleton, HUALEX)的样机雏形。机器人研究中心外骨骼机器人方向是程洪教授领衔的研究团队通过5年的时间，已经在我校完全自主开发出2种应用的人机智能协作系统，正在自主基础研究成果和技术上进行外骨骼机器人的产业化。在该领域已经完成发表20篇具有国际影响力的学术论文,申请国家发明专利30项。中心研制的个人助行外骨骼机器人系统代表电子科技大学参加第九届残运会帮助截瘫患者林寒站起来成功传递火炬，体现了我校科技助残服务社会的实际行动。

相关链接：

　　ICRA是由IEEE机器人与自动化协会发起的最大的机器人相关研究的国际会议，覆盖机器人设计、系统集成、分布式云端机器人、生机电系统、服务机器人、工业机器人、自主无人车、机器人感知、微型机器人、传感融合以及人机交互等产业和学术界人士，每年参加人数超过1000人，是机器人领域的三大顶级会议(IROS、ICRA和RoBio)之一。

　　ICRA2016大会主页：http://www.icra2016.org/