勇于冒险 甘于艰苦 乐于和谐

       在机器人辅助的下肢运动康复训练中，如何使外骨骼实时识别地形的变化并实现精准步态辅助？近日, 由南方科技大学生物医学工程系张明明副教授指导的本科生与硕士生，以共同第一作者身份在国际TOP期刊IEEE Journal of Biomedical and Health Informatics发表了研究论文 “Predicting Continuous Locomotion Modes via Multidimensional Feature Learning from sEMG”。该研究提出一个针对人体步态意图预测的算法框架，获得了连续步态预测与生活化地形迁移能力。该论文共同第一的两位作者（本科生、研究生）分别获得美国马里兰大学帕克分校和英国爱丁堡大学的全额奖学金博士项目资助。

       为实现对人体下肢的运动意图预测，提高下肢外骨骼在不同地形下的步态辅助控制策略的适应性。本团队提出了一种基于表面肌电（sEMG）信号的多维特征学习模型，通过端对端自动提取并学习时-空-频三个维度的sEMG信号特征，建立与下肢动作的映射关系，实现了连续步态意图预测。此外，研究提出的Adaptive Voting方法，在连续数据窗的预测结果中捕捉步态变化趋势，有效减少了预测结果中的扰动。本研究通过步态预测精度与提前预测时间进行了模型性能评估。

       本研究探究了9种连续步态的预测（站立，跨越障碍，平地行走，上楼梯，下楼梯，上坡，下坡，侧跨步，后退步），其中涉及15个步态切换。通过12位被试者的研究数据验证表明，本方法有效提升了步态预测的准确率与鲁棒性。提前250ms预测时，Deep-STF+Adaptive Voting 方法获得95.58%准确率，显著高于SVM等机器学习方法和CNN等深度学习方法。其中，研究提出的Adaptive Voting方法，结构简单，易于与各种深度网络结合，提高了深度学习网络的预测结果鲁棒性。此外，通过不同的数据滑窗策略，本方法实现最优分类精度为96.6%，预测时间为31.47ms；当预测时间延长到371.58ms时，预测精度仍有93.22%。除了实验室场景的步态实验，通过小实验样本校准，本模型在4个生活化场景的新地形中得到很好的步态预测效果，达到96.27%准确率。

       本项目获得国家重点研发计划项目支持，与天津大学孟琳老师和中科院深圳先进院邰艳龙老师团队展开项目合作交流。此外，本项目在国家级“大创计划”中获准立项。课题小组成员分别为本科生付沛文、张昱阳，熊雯萱以及硕士研究生钟文娟。经张明明老师与林雨洲博士的指导，不断探索，团结合作，克服困难，不断打磨完成研究论文的书写与发表。

       在项目末期，团队成员均获得了丰富的科研经历与成果。其中，付沛文和钟文娟同学分别被马里兰大学帕克分校和爱丁堡大学的全奖博士项目录取，张昱阳同学获得保研名额并继续留在本团队深造，熊雯萱同学已前往新加坡国立大学进行为期两年的本硕“1+1”课程学习。

南方科技大学脑-机器人康复技术实验室PI简介：

张明明，IEEE Senior Member，南方科技大学生物医学工程系长聘副教授/博士生导师，脑-机器人康复技术实验室PI。主要研究方向包括康复机器人及力反馈触觉控制技术、人机物理与神经交互，和基于肌电/脑电信号的智能识别算法等。相关成果以第一或通讯作者身份发表在TFS、TII、TIE、T-Mech、TASE、TIM、TNSRE、RAL、JBHI、TBME、JNE、J NEUROENG REHABIL、J BIOMECH、ICRA/IROS等国际知名期刊或学术会议上，共计100余篇；已申请海内外专利40余项（授权20余项），出版英文专著1本。2019年起，担任高水平学术期刊IEEE TASE、IEEE TNSRE、IEEE RAL、IEEE TMRB编委等。国际学术报告10余次，包括在2021 IEEE RCAR做题为“任务导向性机器人辅助康复技术”的Keynote Talk等。近5年先后主持国家自然科学基金2项、科技部重点研发计划青年科学家项目、广东省杰青等重要课题。