本报告首先分析了多模物理与认知双向人机交互技术在外骨骼机器人系统技术发展中的重要作用。然后，着重介绍了本课题组的研究成果：建立了基于表面肌电信号预测关节角度的预测模型，进而实现了基于表面肌电信号的跨越障碍物步态实时切换和变步长步态实时切换。建立了基于长短时记忆&＃40;LSTM&＃41;的深度运动模式识别模型&＃40;DLMIM&＃41;，对下、起立、水平面行走、上楼梯和下楼梯五个运动模式进行了较为准确的判断。建立了基于脑电的人体跨越障碍物意图预测模型，实现了穿戴者利用脑电信号控制下肢外骨骼机器人跨越障碍物的在线实验验证。研究了两种用于控制下肢外骨骼的脑机接口&＃40;BCI&＃41;类型：一种是基于稳态视觉诱发电位（SSVEP）的脑机接口，使用典型相关分析来提取受试者关注的频率。另一种是基于运动图像（MI）的脑机接口，采用常用的空间模式方法从脑电图信号中提取特征。然后，利用支持向量机对特征进行分类，识别目标的意图。本课题组邀请了4名健康的受试者参与实验，包括线下和线上。通过离线实验对分类器进行训练，并在线测试BCI控制外骨骼系统的性能。结果表明，两种算法在运动意向分类任务中的准确率都很高，都能够通过脑控系统控制外骨骼实现站起、坐下和向前走的动作模式。结合脑电、肌电、足底压力以及机器视觉，进行多模融合实现了对外骨骼穿戴者运动意图的准确估计和不同运动模式的准确判断。最后，对下一阶段的工作进行了计划安排。
NSTRS
