外骨骼轻量化与任务感知：NUS余浩泳教授ICRA 2026

封面：

ICRA 2026医疗机器人主题keynote环节，新加坡国立大学（NUS）Haoyong Yu教授奉献了一场极具分量的演讲。他用近一小时时间，向与会者系统梳理了过去十年中，其团队在可穿戴机器人与外骨骼领域积累的探索经验与反思成果。

演讲开场便抛出一个直击要害的问题：外骨骼需求如此旺盛，为何至今仍无法大规模普及？

他没有将责任推给“市场尚未成熟”，而是引导与会者审视技术自身——当前外骨骼依然过重、不够贴合人体、穿戴复杂、控制困难，且成本居高不下。归根结底，问题出在产品本身。

在他看来，真正具备产业化潜质的可穿戴机器人，必须在结构设计、感知系统与控制系统三个维度上同步做减法。他通过三个具体应用案例——背部支撑、肩部支撑与髋部行走辅助——反复强调一个核心工程取舍原则：能用一台电机解决的问题，绝不要用两台电机来制造同步控制的额外负担；能用简洁、鲁棒的传感方式完成动作识别，就别将系统设计成穿戴繁琐、维护困难的复杂传感器阵列。

这场演讲的核心洞察因此变得极为清晰：可穿戴机器人的真正难点，从来不只是“单纯施加更大的辅助力”，而是要让辅助力在正确的时间、作用于正确的身体部位，并且以不干扰人体自然运动的方式呈现。要想让外骨骼成为日常工具，它必须先做到像衣物一样轻便、像机械传动一样可靠、像人的动作意图一样自然。

以下是他演讲稿中的几个关键判断，以及AI科技评论基于现场参会记录和原始英文内容整理的精编。译文在保持原意基础上进行了编辑与本地化处理。

从老龄化挑战到可穿戴机器人需求

我在新加坡国立大学建立了Biorobotics Lab，核心关注老龄化人口带来的严峻挑战。过去几年中，研究重心逐步向面向现有劳动者和患者的可穿戴机器人倾斜。

今天我将重点介绍几个工业应用场景中的外骨骼案例。它们体现了我们如何尝试应对可穿戴机器人技术所面临的一系列难题。大家能清晰看到，实际需求极为庞大：老龄化劳动力需要有效防护，建筑行业与物流行业的工人正遭受大量肌肉骨骼损伤的困扰；同时，许多老年人依然希望维持活跃的生活方式，市面上也确实已有多款现成设备。

但问题在于：为什么外骨骼至今仍未得到广泛采用？

我们认为，整个科研共同体也需要反过来审视自身，不能一味责怪市场。我们做得是否还不够好？很多我们研发出来的外骨骼依然笨重、体验欠佳、穿戴不舒适，且成本偏高。

因此，我们需要退后一步，思考如何将系统设计得更出色——包括更优的感知方案、更精准的控制算法、以及更合理的结构设计。接下来，我将用几款设备作为例子，说明我们如何在实践中解决这些问题。当然，我们无法应对所有挑战，但至少会尽力直面其中一些关键痛点。

先从背部支撑外骨骼说起。腰背损伤在工伤类别中排名第一，造成的经济损失也极为严重。这只是美国的数据，我相信欧洲、中国、日本等地区同样面临类似问题。

背部支撑外骨骼的工作原理是什么？简而言之，就是将负载绕过脊柱直接传递到腿部，从而显著减轻腰背负担。

这里展示的是大约30年前日本的一款设备。可以看到，它动力强劲，设计也相当直观：在两侧关节各放置一台电机，即能提供强有力的支撑。但问题在于，它过于沉重，难以在真实工作场景中实际使用，因此从未得到广泛推广。

我们早期也曾开发过类似的多执行器外骨骼，但后来发现，无论是机械结构还是控制算法都面临诸多麻烦。最终，这类设备转向了单电机方案。仔细想想，外骨骼实际需要完成的任务是为躯干运动提供辅助，而这一被辅助的动作本质上只有一个自由度。既然如此，为什么一定要用两台电机？

使用两台电机会大大增加两侧同步运动的难度。人在弯腰、移动、行走时，两侧动作并非完全一致，两台电机的控制变得异常复杂。作为机械工程师，我们联想到传统燃油车仅有一台发动机，但却能驱动两个轮子，有时甚至能驱动四个轮子。既然如此，为何不能将同样的原理应用于外骨骼，用一台电机来驱动两侧？

这种做法的优势十分明显：电机数量减少，重量和成本随之降低，控制也大幅简化，因为无需让左右两侧设备精确同步。我们还加入了串联弹性元件，将内在柔顺性引入系统，使设备佩戴时更加舒适。这个原型内部设计其实相当简洁：通过线缆，一台电机就能向两条腿输出相等的力，同时允许两侧在速度和角度上自由变化。

这样一来，我们得到的系统更轻，两侧可获得等量的辅助力，同时在运动频率上具备更高的灵活性。当然，我们仍需进行生物力学测试来验证实际效果。实验结果表明，该系统能够提供约30%到45%的辅助。设备演示也进一步证明，采用单电机后，整体运动控制更加容易。

肩部支撑与髋部辅助：同一思路的延伸

第二个设备关注的是另一个高发损伤部位——肩关节。建筑与物流行业的工人经常需要长时间举着工具过头作业，或反复执行抬举动作，这会给肩部带来极大负担。

我们开发的这款设备，基本采用类似的工作原理，用于支撑上臂，帮助工人完成过头作业。设计原则非常相似：使用一台电机，通过相同大小的力，为两侧提供不同角度与不同速度下的辅助，从而在手臂运动中保留更大的灵活性。

设备内部基本是一台电机驱动一个机构，串联弹性元件也被集成其中，再通过线缆路径形成差速机构，驱动两侧手臂。这样一来，我们希望设备更轻，同时在双手运动上赋予更多自由度。

髋部外骨骼目前已十分常见，尤其是在中国市场。许多人希望用它来爬山、徒步。当我们将这类设备用于行走辅助时，发现如果使用两台电机，很难实现良好的同步，也很难达成理想的人机协同。特别是老年人在不同步态和地形下行走时，这一问题会更加突出。

因此，我们为这个应用重新设计了一个差速机构，同样尽量保持结构简单。通过减少机械组件并采用单电机，就能满足实际需求。

任务感知：让外骨骼“读懂”你的动作

我们还发现，任务感知与环境感知是另一项关键挑战。

设备必须真正与人的动作同步，就必须准确感知人在做什么。为此，我们开发了FMT传感器及其配套的感知机制，使设备能够更好地检测任务类型，并提供自适应控制。

以背部支撑外骨骼为例，如果你实际测试过这类设备，会发现一个问题：如果将辅助力调得过高，而用户实际上并没有搬运重物，可能会因突然施加的巨大辅助力而面临危险。因此，准确检测你正在搬运的重量至关重要。

肩部支撑外骨骼也是如此。对于髋部外骨骼来说，检测你是在平地行走、上楼、下楼，还是走在不规则地形上，同样非常重要。否则，你可能只能依赖开关手动切换不同的工作模式。

传统上，你可以使用EMG传感器，也可以使用IMU，并将多种传感器组合使用。但EMG传感器需要直接贴在皮肤上，而IMU往往需要布置在身体多个节段上，才能实现较好的控制与动作分割。

我们的做法是将FMT传感器做成阵列。它可以绑在衣服外面，无需直接接触皮肤。标定阶段加入了振动电机，再配合简单的感知算法，就实现了不错的自适应控制。

简单来说，FMT是一种力敏传感方式，通过肌肉体积变化来感知肌肉运动。做成阵列后，再配合简单的分类机制，即可检测工作负载、工作模式与任务类别。它不一定像EMG那样精确，但对于控制外骨骼而言已经足够——而且硬件易于使用，穿戴也很简便。

当然，第一步是进行分类，并训练系统使其适应不同用户。如果每个用户、每个任务都需要重新训练和标定，那效率就太低了。我们采用一些简单的网络来训练分类器。

为什么不是连续输出，而是几个等级？因为为了保持简单，同时让响应时间满足实时要求，几个等级已经足够。最初只是想检测用户是否正在搬东西，后来扩展到四个等级，也已经比较有效。我们不需要把它做得过于复杂。

这里是我们方法与现有方法的一些对比。准确率更高，延迟也小得多，这对实时通信至关重要。这里展示的只是一个简单的实验室测试，用于判断用户是否在搬5公斤、10公斤或其他重量的物体。系统目前仍处于实验室测试阶段。

现在，整个系统已经被优化并集成到这样一个设备中。这个外骨骼有两个主要部分：一部分是躯干部分，像夹克一样穿在身上；另一部分是腿部结构，连接在大腿位置。这两个部分会在你弯腰抬起物体时一起工作。

你们现在看到的是绑在手臂上的传感带，它利用FMT传感器感知你拿了多重的物体。如果你手中拿的是很重的物体，外骨骼就会检测到，并按负载比例增加辅助。如果你并没有拿多少重量，它就会减少辅助，避免妨碍你的动作。

对于这个应用，你只需要一个传感器。穿上外骨骼之后，只需打开开关，等待标定完成，设备就会自动初始化。

我们的外骨骼很容易穿戴，并使用智能算法来自动调节辅助力。因为时间有限，我不会展开所有细节。对于肩部应用，我们也可以使用这种传感带，实现任务识别与自适应控制。下面我再花几分钟讲行走辅助，也就是髋部外骨骼。如前所述，在不同地形和不同速度下行走，确实很有挑战。

我们意识到，对于这类应用，你只需要为摆动腿提供辅助力；对另一条腿，则可以提供一定支撑或保持在后方。因此真正需要检测的是：哪条腿正在摆动。

这就是我们将传感带集成到单电机髋部外骨骼中的方式。我们做了一些分类与控制，能够实现一定程度的地形适应。可以看到信号从平地行走开始，再到其他地形；系统不需要手动切换模式，就能检测任务并自适应地提供辅助力。

我的梦想是，即使以后退休，我依然可以和年轻学生一起竞争、一起走到任何想去的地方。最后，感谢资助机构多年来的慷慨支持，也感谢我的团队在过去至少十年里和我一起完成这些有趣的工作。谢谢大家。

Q&A 问答环节

听众提问：谢谢您的演讲。EMG通常用于评估可穿戴机器人，但我使用时发现它噪声很大，也很难复现。有没有其他方法来评估可穿戴机器人？

余浩泳：在另一条线上，我们会使用EMG作为测量手段，以证明肌肉激活程度或肌肉刚度变化的效果。但在实时控制中，我们使用的是FMT传感器。它没有那么精确，但好处是可以放在衣服上，不需要直接贴在皮肤上。

听众提问：那您的指标是否仍然依赖EMG？

余浩泳：是的。在实验室评估中，我们使用商用医用级EMG传感器，可以得到很好的测量结果。这也是评估这类设备时比较常用的方法。

听众提问：我想问任务意图检测的问题，这对可穿戴设备非常重要。您的方法是使用传感器检测任务。如果寻找其他替代方式，比如利用可穿戴设备内部的执行器或其他信息，您怎么看？

余浩泳：执行器或者内部传感器不一定能够检测负载。检测用户到底背了多重、拿了多重，有很多方式。有人会把传感器放在抓握位置，我们也尝试过EMG，也尝试过视觉。方法很多。但到目前为止，在我们实验室里，FMT是我们发现的一种非常鲁棒、也很容易使用的方法。

听众提问：进一步的问题是：如果系统已经适应并知道了任务，下一步系统如何响应任务？是改变控制器，还是采取其他方式？

余浩泳：大多数时候，你只需要提供不同等级的辅助。但对于行走来说，平地行走、上楼、下楼需要不同的控制器。因此在内部，一旦你对任务有足够好的感知和置信度，系统当然可以在没有外部干预、也不需要按按钮的情况下进行切换。

来源：互联网