从模拟人体与外骨骼的数字孪生开始
第一道防线是模拟人体肌肉骨骼系统与外骨骼协同工作的仿真模型。2024年《自然》杂志的一项研究采用“仿真中学习”框架，结合肌肉骨骼模型和强化学习，在无需任何人体实验的情况下训练髋部外骨骼控制器[1]。该方法使步行代谢率降低24.3%，跑步降低13.1%，爬楼梯降低15.4%——这意味着控制器在人体穿戴之前就已具备有效性。关键在于仿真必须具有“动力学感知”能力，即不仅要考虑外骨骼本身，还要考虑肌肉与设备之间的相互作用。
类似地，2022年一项关于膝关节外骨骼的研究利用可微分的肌肉骨骼模型，从肌电信号中预测关节力矩和角度，实现了精确的轨迹预测，并在运动过程中提供了良好的辅助效果[4]。这表明，在硬件测试之前，可以利用仿真来优化控制算法，从而降低意外行为发生的风险。
然后在假人或复制品上测试物理硬件，而非真人身上
一旦控制器在仿真中运行正常，下一步就是在实际的外骨骼硬件上进行验证，但此时不涉及真人参与。2022年一项关于手指外骨骼的研究构建了人类手指的复制品，以测试辅助和抓握控制[2]。该控制器在仿真和实验测试中均将力维持在目标值的3%以内，表明硬件在环测试能够发现仿真与现实之间的差异。这是一种安全的方式，可以在真人参与之前验证执行器、传感器和控制算法是否协同工作。
这种方法尤为重要，因为仿真永远无法完美还原现实世界中的摩擦、传感器噪声或机械磨损。在假人或复制品上进行测试，可以让你在不冒受伤风险的情况下调整控制器并发现机械问题。
最后，在人体试验中严格遵守安全准则
当你进入人体测试阶段时，安全必须是最优先考虑的事项。2024年的一份指南文件列出了全面的风险清单——包括关节过度伸展、突然运动、对位不准、传感器故障以及控制算法失灵——并建议进行操作前检查、用户培训、应急响应和实时监控[3]。这些指南并非可有可无，而是防止从模拟过渡到现实过程中发生伤害的关键所在。
该指南还强调了紧急停止机制和跌倒风险评估的必要性，尤其是针对下肢外骨骼。即使控制器训练有素，仍可能出现意外的人机交互情况，因此配备人工监督员和物理紧急停止装置至关重要。
对于脑控外骨骼，先用模拟器测试接口
如果外骨骼由脑信号（BCI）控制，那么模拟器就更有价值。2023年的一项研究使用下肢外骨骼的数字孪生来测试基于脑电图的脑机接口（BCI），该接口可解码预期的行走方向[5]。六名健康参与者佩戴脑电帽，以平均0.75（75%）的准确率和较低的错误率控制模拟器。这使得研究人员能够在任何实体外骨骼介入之前，安全地评估BCI系统。该研究还揭示了实时控制中因信号处理导致的5分钟延迟，凸显了在人体试验前通过模拟测试此类系统以识别并解决延迟问题的必要性。
关于这些来源
本回答基于5项同行评审研究——发表于2022年至2024年间，其中2项为2024年或之后发表，2项发表于Q1期刊，合计被引用138次——这些研究是从5项通过质量筛选的研究中选出的最具相关性的成果，而这些研究又源自从超过5亿篇论文数据库中检索到的54篇文献。
本文引用的文献
无需实验的外骨骼辅助：通过仿真学习实现
一个基于肌肉骨骼模型的仿真学习框架，在无需人体实验的情况下训练了髋部外骨骼控制器，部署后使代谢率降低了24.3%（行走）、13.1%（跑步）和15.4%（爬楼梯）。
手指外骨骼机构的控制设计与测试
一款手指外骨骼控制器在复制的人体手指上进行了验证，在模拟和实验抓取测试中，其施加的力均保持在目标值的3%以内。
可穿戴机器人外骨骼的安全性：设计、控制与测试指南
一份安全指南文件列举了相关风险（如关节过度伸展、传感器故障、控制失灵），并建议在仿生外骨骼测试中开展操作前检查、用户培训、应急响应和实时监控。
用于肌肉骨骼仿真与外骨骼控制的可微动力学模型
将可微分的肌肉骨骼模型与肌电信号融合，能够准确预测膝关节力矩和角度，在外骨骼控制中，其收敛速度和执行时间均优于其他模型。
基于脑机接口控制的下肢外骨骼模拟器的开发
基于脑电图的脑机接口在下肢外骨骼上的应用，已在数字孪生体上进行了测试，在六名健康参与者中实现了75%的步态方向解码准确率，但实时控制存在5分钟的延迟。