外骨骼机器人技术概述

前言

把外骨骼想象成"穿在身上、会主动帮你使劲的钢铁外骨骼"——它套在人的胳膊腿外面，当你想动却没力气时，电机替你把那一下补上。从帮瘫痪病人重新走路，到让搬运工扛一天也不累，它正从实验室走进真实生活。

本文是一张外骨骼技术的"全景地图"：先按用途和部位给它分分类，再看国内外（中科院、华中科大、OpenExo 等）最新做到哪了，最后落到它最硬核的部分——怎么"读懂人的意图、又柔顺地帮上忙"。读完你会对"外骨骼到底是什么、靠什么活起来"有一个完整而直观的认识。

外骨骼机器人定义与分类

按用途分类

按穿戴部位分类

     ┌──────────┐
     │  手指外骨骼 │  ← 精细操作辅助
     └──────────┘
     ┌──────────┐
     │  上肢外骨骼 │  ← 肩/肘/腕关节驱动
     └──────────┘
┌────────────────┐
│   全身外骨骼     │  ← 上下肢一体化
└────────────────┘
     ┌──────────┐
     │  下肢外骨骼 │  ← 髋/膝/踝关节驱动
     └──────────┘
     ┌──────────┐
     │  踝足外骨骼 │  ← 步态辅助
     └──────────┘

国内外研究最新进展

1. 中科院沈阳自动化所 — 全柔顺驱动康复外骨骼（2025.04）

中国科学院沈阳自动化研究所研发了一款双侧髋-膝-踝全柔顺驱动康复外骨骼机器人，面向偏瘫患者下肢康复。

核心技术突破：

• 提出了人机多维度适配与共融交互控制方法
• 全柔顺驱动器设计，降低人机交互冲击力
• 双侧协调控制，改善偏瘫患者步态对称性
• 来源：中科院沈自所官网

2. 华中科技大学 + 武汉理工 — 上下肢通用外肢体机器人（2025.10）

黄剑教授与左洁副教授团队围绕外肢体机器人（Supernumerary Robotic Limb, SRL）展开系统攻关。

研究方向：

• 通用设计优化（上下肢共用架构）
• 动态控制（适应不同运动模式）
• 人机交互与运动安全监测
• 来源：腾讯新闻

3. 北亚利桑那大学 — OpenExo 开源模块化外骨骼（2025）

2025 年发表于《Science Robotics》，这是外骨骼领域最重磅的开源项目之一。

项目亮点：

• 完全开源：硬件设计、软件代码、电子方案全部公开
• 模块化设计：各关节模块可独立更换和配置
• 双 Teensy 微控制器架构
• 配套 Python GUI 和 iOS App
• GitHub: naubiomech/OpenExo（288 Stars）
• 动力模组由 CubeMars（AK 系列电机）提供

4. 康复外骨骼控制技术综述（2026.04）

发表在 MDPI Actuators 上的系统综述，分析了各类控制方法在提升康复效果方面的作用：

• 对比了阻抗控制、导纳控制、自适应控制等策略的康复效果
• 指出未来趋势：个性化康复 + AI 驱动的自适应控制
• 来源：ScienceNet

核心控制技术

控制架构总览

┌─────────────────────────────────────────────────┐
│                  意图感知层                        │
│  sEMG 信号 → 特征提取 → 深度学习 → 运动意图识别    │
│  IMU 数据 → 步态相位检测 → 意图推断               │
├─────────────────────────────────────────────────┤
│                  运动控制层                        │
│  阻抗/导纳控制 → 力矩计算 → 关节轨迹生成           │
│  预测控制 → 模型预测 → 前馈+反馈                  │
├─────────────────────────────────────────────────┤
│                  驱动执行层                        │
│  电机驱动器 → BLDC/PMSM 电机 → 谐波减速器 → 关节  │
└─────────────────────────────────────────────────┘

1. sEMG（表面肌电信号）意图识别

sEMG 是从皮肤表面采集的肌肉电信号，反映了人体运动意图：把它想成肌肉在"小声嘟囔"——你一想"握拳"，相关肌肉就会发出微弱电信号，贴片接住这声嘟囔，就能猜你在想什么动作。 下面的代码就是接住这声嘟囔、再翻译成"意图"的典型流程。

# sEMG 信号处理典型流程
raw_emg = acquire_signal()          # 采集原始 sEMG 信号
filtered = bandpass_filter(raw_emg, 20, 500)  # 带通滤波（20-500Hz）
rectified = abs(filtered)           # 全波整流
envelope = lowpass_filter(rectified, 5)  # 提取包络线
features = extract_features(envelope)    # 特征提取（MAV、RMS、VAR 等）
intent = classifier.predict(features)    # 分类器预测运动意图

常用特征：

分类方法：传统机器学习（SVM、LDA、随机森林）和深度学习（CNN、LSTM、TCN）。

最新进展：2025 年的综述表明，基于 CNN-LSTM 混合模型 的意图识别准确率已达到 95% 以上，显著优于传统方法。

2. 阻抗控制 / 导纳控制

阻抗控制是外骨骼人机交互的核心控制策略：核心思想就一句话——别硬顶人，要像橡皮筋一样跟人互动。 你推它，它顺着退；你不推，它稳住。公式里的 K / D / M 就是这根橡皮筋的刚度、阻尼和惯性——调软了像棉花，调硬了像铁棍。两种控制的差别只在"谁主动"：阻抗控制是你给定位置、它回你力，导纳控制是你施加力、它回你位置。

阻抗控制（位置输入 → 力输出）：

τ = K(x_d - x) + D(ẋ_d - ẋ) + M(ẍ_d - ẍ)

导纳控制（力输入 → 位置输出）：

M(ẍ) + D(ẋ) + K(x) = F_human - F_env

3. 自适应控制

针对不同用户的体型、步态特征差异，自适应控制可以在线调整参数：

• 模型参考自适应控制（MRAC）：让外骨骼跟随参考模型
• 迭代学习控制（ILC）：从重复运动中学习最优轨迹
• 强化学习（RL）：通过试错学习最优控制策略

4. 人机交互与安全

外骨骼与人体紧密接触，安全是首要考虑：

• 紧急停止：物理急停按钮 + 软件 E-Stop
• 力矩限制：关节最大输出力矩受限
• 碰撞检测：基于力传感器/电流反馈的异常检测
• 柔顺控制：通过弹性驱动器（SEA）实现本质安全

关键硬件组件

传感器

执行器

CubeMars AK 系列电机是当前外骨骼领域广泛使用的动力模组，集成了 BLDC 电机、谐波减速器和编码器，已用于 OpenExo 等多个开源项目。

开源项目推荐

1. OpenExo

2. 其他推荐项目

• ros2_control：ROS 2 官方控制框架
• ros-drivers：各种硬件驱动的 ROS 2 适配
• ExoSim：外骨骼仿真框架（MATLAB/Simulink）
• JMAR-1：中科院沈自所外骨骼平台

发展趋势

1. AI 融合：深度学习驱动意图识别 + 强化学习优化控制策略
2. 轻量化：碳纤维机身、准直驱电机减少减速器依赖
3. 模块化：即插即用关节模块，适应不同用户和场景
4. 开源生态：OpenExo 等项目降低研究门槛
5. 标准化：ROS 2 + ros2_control 成为统一的开发框架

下一步

在最后一篇 基于 ROS 2 的外骨骼控制系统实战 中，我们将把理论与 ROS 2 开发结合，搭建完整的外骨骼控制系统。

参考资料

• OpenExo GitHub
• 中科院沈自所 - 康复外骨骼进展
• 康复外骨骼控制技术综述（MDPI Actuators, 2026）
• sEMG 用于外骨骼的意图识别综述（2025）
• CubeMars OpenExo 动力方案
• 面向下肢外骨骼的运动意图识别算法研究

许可协议

本文采用 署名-非商业性使用-相同方式共享 4.0 国际 许可协议，转载请注明出处。

分享文章