Science最新封面：超人運動服問世，走路省力9％，跑步省力4％

新聞 08-16

這是一款機器助力服裝，可以讓人在運動時減少代謝，節省能量。

這款特殊服裝更像是一套自行車運動衣，由內布拉斯加大學奧馬哈分校（UNO）和哈佛大學的研究人員合作研發。這套衣服可以讓人在行走時節省 9.3% 的能量，在跑步時節約 4% 的能量，這個效果相當於佩戴者減重了 7.4 公斤和 5.7 公斤。

8 月 16 日，這項研究登上了Science封面。

（來源：Science）

機械助力衣

走路和跑步並不簡單，兩種步態中肌肉和關節的生物力學有著根本的區別，生物力學家常常把行走比作鐘擺，而跑步則是一種重心上下波動的彈簧運動。另外，行走時人體重心在站立狀態最高，而跑步時則是站立狀態重心最低。這些就讓發明同時協助走路和跑步的助力衣服有了很大挑戰。

圖 | 「超人」運動服的外觀與構成。圖 C 表示裝備在人體各個部位的重量分布，腰部佔據重量的 90%，而該部位恰恰是運動中最為節能的。（來源：Science）

視頻 | 「超人」運動服在現實中的穿戴與使用。（來源：Science）

視頻 | 如何測試穿戴裝備後的運動代謝。（來源：Science）

視頻 | 「超人」運動服的穿戴。穿衣需要 1 分 46 秒，脫衣需要 31 秒。（來源：Science）

共同通訊作者、內布拉斯加大學奧馬哈分校助理教授 Philippe Malcolm 稱，他們正是在利用這些生物力學原理來開發步態分類演算法，通過依附身上的感測器來跟蹤人體重心的加速度，從而準確檢測佩戴者運動狀態的變化。一旦檢測到步態切換，裝備會自動調整其動作程序。

走路和跑步還是有共同點的，兩者都具有髖關節的延伸，前腳在落地之後都需要發力來驅動身體前行。這也是這套裝備的核心理念。

這套重達 5 公斤的裝備由織物包裹，在腰背和大腿處與腰帶連結，其在大腿處的裝置會產生拉伸作用，以協助髖部伸展。同時軀幹部的感測器在檢測佩戴者是在走路還是運動，大腿處的感測器檢測腿部位置的變化，這時候裝備後面的馬達（驅動器）就會在佩戴者前腳落地之前拉伸裝備，這就可以幫助臀部伸肌，節約相同運動力度所消耗的能量。

運動節能衣服並非首創，但這次的創新在於，這是首款能同時用於走路和跑步的機器助力衣服，這需要一套演算法來同時適應走路和跑步的步態。裝備的功能由人工智慧演算法控制，後者可以檢測從步行到跑步的步態無縫切換，步態不同就需要不同的動作。

而後腿在移動時，裝備是鬆弛的，沒有任何限制。研究人員對 9 名受試者在跑步機上進行了測試，分別在 5 分鐘內走路 450 米（每秒 1.5 米）和跑步 750 米（每秒 2.5 米）。他們還準備驗證這套裝備是否能幫助人們跑得更快，更持久。

100% 準確的演算法

在研究人員的跑步機試驗中，6 名男性參與者進行了 0.5 米/秒到 4 米/秒的運動試驗，在所有速度梯度以及兩種步態下，演算法對步態的區分達到了 100% 準確，演算法還能對上坡、下坡有準確適應。

8 名男性參與了戶外路面試驗，步態分類的準確率是 99.98%，試驗中有 2 步被錯誤分類，研究人員分析認為可能是步態切換後第一步的質心能量擾動結果。

有猜測認為戶外不規則的路面可能會影響佩戴者步態的規律，然而戶外泥雪路面的單人測試顯示，步態區分準確率仍然高達 100%。

此前，同樣是來自這支研究團隊的成果，他們在 2017 年就開發出一款能助力行走的裝備，可以讓人走路節省 23% 能量。這樣的裝備對於中風患者或老年人會是好消息。

之前已經有更為龐大笨重的商業產品為殘疾人和倉庫工人使用，那麼，最新的助力衣服會大受消防員、救援人士和軍隊系統青睞。《麻省理工科技評論》發表文章認為，是材料學、驅動器和機器學習的進展促進實現了今天這種更輕、更強大、更具適應性的可穿戴系統。

這個裝備是美國國防高級研究計劃局（DARPA）的資助項目，研究團隊此前與醫療機器人公司 ReWalk 合作，推出了協助佩戴者髖關節和踝關節來行走的產品。

與此前的產品相比，最新的助力衣服設計上更簡單，也更輕，其 91% 的重量接近人體重心，這會極大程度減少佩戴者的負重負擔和運動限制，也就更便於行走和跑步。

未來，研究人員會進一步減輕裝備重量，提供個性化幫助以及提高使用的便捷性。

未來挑戰在於腦機介面

（來源：Science）

芝加哥康復研究所 Shirley Ryan AbilityLab的 José L. Pons 教授在同期Science發表評論《見證可穿戴設備過渡》稱，這種可穿戴機器人可以增強正常人的身體機能，也可以輔助殘疾人活動。

José L. Pons 認為，新的可穿戴設備展示了一種優雅且強大的步態區分演算法，這是一種基於勢能和動能過渡的演算法，不過他也指出，要在實際中檢測佩戴者移動以及移動意圖是有挑戰性的。當遇到多個自由度控制問題時，就需要更精細的機器人指令。

這時候需要分類演算法來解碼神經和生物電信號，這就需要考慮包括侵入式和非侵入式在內的神經電極信號和肌肉電極等輸入信號。理想狀態下，神經介面需要與人類神經元建立簡單連接、無校準的多功能操作、高的時空解析度、神經細胞群採樣以關聯相關活動機能，還需要實現神經介面的長期穩定連接。而目前的介面技術並不能滿足這些要求。

José L. Pons 認為，因為周圍神經系統比中樞神經系統的複雜性要低很多，在肌肉神經信號解碼進展迅速的背景下，人們還是有可能在數年內開發出解碼人體運動神經信號的可穿戴機器人。

-End-

參考：

https://www.technologyreview.com/f/614178/these-bionic-shorts-help-turn-an-epic-hike-into-a-leisurely-stroll/

https://www.newscientist.com/article/2213626-robotic-shorts-could-help-you-run-and-walk-more-efficiently/

https://www.sciencedaily.com/releases/2019/08/190815140828.htm

https://science.sciencemag.org/content/365/6454/668

https://science.sciencemag.org/content/365/6454/636

關注 DeepTech

發現改變世界的新興科技

（微信號:deeptechchina)