當前，機器人已經可以完成多種多樣的任務，如精准地搬運貨物、裝配復雜零件，然而想使其“絲滑”完成既定軌跡的周期運動，仍是一大難題。

中國科學院自動化研究所多模態人工智能系統重點實驗室的研究團隊近日提出了一種全新的軌道穩定學習框架，為節律運動的復制帶來了新突破，在機器人輔助的康復訓練等場景具有應用前景。相關研究於9月18日發表在機器人領域期刊《國際機器人研究雜志》。

周期運動是許多場景中的核心需求，如康復訓練時的手臂往復練習、流水線上機械有節奏的協作以及機器人穩定行走等。這類周期運動看似平常，卻要求機器人在長時間重復中保持高度一致，這對控制系統、機械結構和環境適應性都提出了更高要求。

中國科學院自動化研究所研究員、醫療機器人團隊負責人侯增廣介紹，傳統的機器人技能學習方法，需預先編程動作序列，不僅耗時耗力，還限制了機器人在復雜環境中的適應能力。近年來，基於動態系統的示教學習成為熱點，機器人通過記錄和模仿人類動作來習得技能。

在此基礎上，研究團隊引入橫向收縮理論，為學習到的動力學系統提供軌道穩定性的理論保障。侯增廣說：“這相當於在機器人運動的‘軌道’周圍加上一個‘護欄’，無論起始狀態如何，機器人都會被‘拉回’到穩定的周期軌道上，從而持續、准確完成周期任務。”

為將理論落地到機器人模仿學習中，團隊通過努力，既保証動力學模型的表達能力，又方便引入穩定性約束。

模擬測試証明，該方法在平均誤差、軌跡偏差程度、形狀穩定性等多個衡量機器人“軌跡是否標准”的指標上均取得最佳表現，尤其在長時間運動中能夠保持穩定的節律性。

“機器人周期運動更具潛力的應用場景是在康復訓練中。”侯增廣說，其穩定、精確的重復運動可以幫助患者進行節律性上肢或步態訓練，恢復運動功能和肌肉控制能力。

在與康復科醫生合作的實驗中，團隊利用光學動作捕捉系統記錄了醫生引導患者手臂完成的周期康復動作。通過學習這些軌道穩定的動力學模型，機器人可以在執行康復任務時，克服患者動作偏差或外界碰撞等擾動影響，保持標准的康復軌跡。

“患者需要每天反復完成‘手臂畫圈’或‘抬腿擺動’的訓練，機器人像一位耐心的康復教練，確保訓練效果。”中國科學院自動化研究所研究員程龍說，這將為個性化、可重復的康復治療提供有效技術支撐。

策劃：陳芳

記者：宋晨

統籌：吳晶、孫聞

分享讓更多人看到