Science最新封面:超人运动服问世,走路省力9%,跑步省力4%

科学
Science最新封面:超人运动服问世,走路省力9%,跑步省力4%
麻省理工科技评论 2019-08-16

2019-08-16

这是一款机器助力服装,可以让人在运动时减少代谢,节省能量。
生物
这是一款机器助力服装,可以让人在运动时减少代谢,节省能量。

这是一款机器助力服装,可以让人在运动时减少代谢,节省能量。

这款特殊服装更像是一套自行车运动衣,由内布拉斯加大学奥马哈分校(UNO)和哈佛大学的研究人员合作研发。这套衣服可以让人在行走时节省 9.3% 的能量,在跑步时节约 4% 的能量,这个效果相当于佩戴者减重了 7.4 公斤和 5.7 公斤。

8 月 16 日,这项研究登上了 Science 封面。

(来源:Science)

机械助力衣

走路和跑步并不简单,两种步态中肌肉和关节的生物力学有着根本的区别,生物力学家常常把行走比作钟摆,而跑步则是一种重心上下波动的弹簧运动。另外,行走时人体重心在站立状态最高,而跑步时则是站立状态重心最低。这些就让发明同时协助走路和跑步的助力衣服有了很大挑战。

图 | “超人”运动服的外观与构成。图 C 表示装备在人体各个部位的重量分布,腰部占据重量的 90%,而该部位恰恰是运动中最为节能的。(来源:Science)

共同通讯作者、内布拉斯加大学奥马哈分校助理教授 Philippe Malcolm 称,他们正是在利用这些生物力学原理来开发步态分类算法,通过依附身上的传感器来跟踪人体重心的加速度,从而准确检测佩戴者运动状态的变化。一旦检测到步态切换,装备会自动调整其动作程序。

走路和跑步还是有共同点的,两者都具有髋关节的延伸,前脚在落地之后都需要发力来驱动身体前行。这也是这套装备的核心理念。

这套重达 5 公斤的装备由织物包裹,在腰背和大腿处与腰带连结,其在大腿处的装置会产生拉伸作用,以协助髋部伸展。同时躯干部的传感器在检测佩戴者是在走路还是运动,大腿处的传感器检测腿部位置的变化,这时候装备后面的马达(驱动器)就会在佩戴者前脚落地之前拉伸装备,这就可以帮助臀部伸肌,节约相同运动力度所消耗的能量。

运动节能衣服并非首创,但这次的创新在于,这是首款能同时用于走路和跑步的机器助力衣服,这需要一套算法来同时适应走路和跑步的步态。装备的功能由人工智能算法控制,后者可以检测从步行到跑步的步态无缝切换,步态不同就需要不同的动作。

而后腿在移动时,装备是松弛的,没有任何限制。研究人员对 9 名受试者在跑步机上进行了测试,分别在 5 分钟内走路 450 米(每秒 1.5 米)和跑步 750 米(每秒 2.5 米)。他们还准备验证这套装备是否能帮助人们跑得更快,更持久。

100% 准确的算法

在研究人员的跑步机试验中,6 名男性参与者进行了 0.5 米/秒到 4 米/秒的运动试验,在所有速度梯度以及两种步态下,算法对步态的区分达到了 100% 准确,算法还能对上坡、下坡有准确适应。

8 名男性参与了户外路面试验,步态分类的准确率是 99.98%,试验中有 2 步被错误分类,研究人员分析认为可能是步态切换后第一步的质心能量扰动结果。

有猜测认为户外不规则的路面可能会影响佩戴者步态的规律,然而户外泥雪路面的单人测试显示,步态区分准确率仍然高达 100%。

此前,同样是来自这支研究团队的成果,他们在 2017 年就开发出一款能助力行走的装备,可以让人走路节省 23% 能量。这样的装备对于中风患者或老年人会是好消息。

之前已经有更为庞大笨重的商业产品为残疾人和仓库工人使用,那么,最新的助力衣服会大受消防员、救援人士和军队系统青睐。《麻省理工科技评论》发表文章认为,是材料学、驱动器和机器学习的进展促进实现了今天这种更轻、更强大、更具适应性的可穿戴系统。

这个装备是美国国防高级研究计划局(DARPA)的资助项目,研究团队此前与医疗机器人公司 ReWalk 合作,推出了协助佩戴者髋关节和踝关节来行走的产品。

与此前的产品相比,最新的助力衣服设计上更简单,也更轻,其 91% 的重量接近人体重心,这会极大程度减少佩戴者的负重负担和运动限制,也就更便于行走和跑步。

未来,研究人员会进一步减轻装备重量,提供个性化帮助以及提高使用的便捷性。

未来挑战在于脑机接口

(来源:Science)

芝加哥康复研究所 Shirley Ryan AbilityLab的 José L. Pons 教授在同期 Science 发表评论《见证可穿戴设备过渡》称,这种可穿戴机器人可以增强正常人的身体机能,也可以辅助残疾人活动。

José L. Pons 认为,新的可穿戴设备展示了一种优雅且强大的步态区分算法,这是一种基于势能和动能过渡的算法,不过他也指出,要在实际中检测佩戴者移动以及移动意图是有挑战性的。当遇到多个自由度控制问题时,就需要更精细的机器人指令。

这时候需要分类算法来解码神经和生物电信号,这就需要考虑包括侵入式和非侵入式在内的神经电极信号和肌肉电极等输入信号。理想状态下,神经接口需要与人类神经元建立简单连接、无校准的多功能操作、高的时空分辨率、神经细胞群采样以关联相关活动机能,还需要实现神经接口的长期稳定连接。而目前的接口技术并不能满足这些要求。

José L. Pons 认为,因为周围神经系统比中枢神经系统的复杂性要低很多,在肌肉神经信号解码进展迅速的背景下,人们还是有可能在数年内开发出解码人体运动神经信号的可穿戴机器人。

麻省理工科技评论

From Tech to Deeptech