Multi-Skill Learning-Based Variable Stiffness Control for Upper-Limb Rehabilitation Robot

Ye Li

doi:10.1109/lra.2026.3732914

Multi-Skill Learning-Based Variable Stiffness Control for Upper-Limb Rehabilitation Robot

2026-09-10

0

PRE

AI

DOI：10.1109/lra.2026.3732914

原文链接

原文求助

摘要

En 中文

基于示教学习（LfD）是一种将治疗师技能转移到康复机器人的有前景的方法，能够生成日常生活活动（ADL）任务中的人体运动轨迹。然而，现有的基于LfD的康复方法主要关注运动复制，很少考虑治疗师在物理交互过程中的自适应刚度调节行为，限制了其实现按需辅助（AAN）康复的能力。为解决此局限性，本文提出了一种基于核化运动基元（KMP）的可变刚度学习框架，该框架能够从治疗师示范中联合学习运动和末端刚度。通过将刚度矩阵映射到欧几里得空间，实现了多技能特征的统一概率学习。此外，开发了一种基于性能的可变刚度阻抗控制器，以根据患者表现调整机器人辅助，从而促进主动参与。该框架在5名卒中后患者的3D饮水任务中进行了验证。实验结果表明，所提出的方法能够实现有效的多技能学习和泛化，同时促进患者的主动参与。

Keyword:

Rehabilitation robotics

kernelized movement primitives

human-robot skill transfer

assist-as-needed

variable stiffness control

Multi-Skill Learning-Based Variable Stiffness Control for Upper-Limb Rehabilitation Robot

摘要

期刊

机构

引用论文