動力外骨骼(Powered exoskeleton)是由鋼鐵框架構成的可穿戴機器裝置，可為人們提供額外能量，供四肢運動。

縱觀動力外骨骼領域，工業裝備、物流、建築、醫療、軍事等行業都曾有過商業化嘗試，如中國運用於軍事偵查和巡邏的星雲 L70 單兵外骨骼機器人、美國公司 Ekso Bionics 和 suitX 的工業外骨骼機器人、日本公司 Cyber​​dyne 的醫療和工業領域外骨骼機器人。

不過正如業界人士所說：「動力外骨骼發展尚處在早期階段。」

為進一步改良動力外骨骼，來自加拿大滑鐵盧大學的研究人員正在結合電腦視覺和深度學習，希望動力外骨骼也能像人類根據環境變化自己適應調整。

外骨骼將「自主思考」

相關研究成果發表於學術期刊《Frontiers in Robotics and AI》，題為《ExoNet Database: Wearable Camera Images of Human Locomotion Environments（ExoNet 資料庫：人體運動環境的可穿戴相機圖像）》。

論文作者來自滑鐵盧大學系統設計工程系、滑鐵盧人工智慧研究所（Waterloo.ai），介紹動力外骨骼的一般運作模式：

• 首先，高階控制器透過機器學習演算法分析可穿戴式感測器的即時測量值，辨識使用者的運動模式（或示意圖）。

• 然後，中階控制器將運動意圖轉換為特定軌跡。

• 最後，低階控制器通過使用前饋反饋控制迴路來調製設備致動器，跟蹤參考軌跡並將訊號誤差降至最低。

值得關注的是，動力外骨骼在不同運動模式間進行準確的轉換非常重要，因即便小錯誤也可能導致失衡甚至傷害。動力外骨骼大多需要使用者透過手機應用程序或操縱桿手動控制，意味使用動力外骨骼時會有很多不必要的麻煩。

研究團隊看來，傳統要手動操縱動力外骨骼的方式很不方便，且對認知要求很高。不難想像，使用者每次想做新運動時，都必須先停下來，拿出手機選擇想要的模式。當然這不意味著如今動力外骨骼的控制方式還是原地踏步。

論文顯示，自 2015 年起，已有一些研究團隊嘗試。如開發「自動運動模式辨識系統」，使用可穿戴感測器（例如慣性測量單元 IMU 和肌電圖 EMG）在不同運動模式之間自動切換──不過比起傳統，這種神經肌肉─機械數據融合的方式提高運動模式辨識的準確性。這種測量仍取決於患者，且 EMG 容易造成疲勞、電極皮膚電導率變化及鄰近肌肉串擾。

在此背景下，研究人員為動力外骨骼使用者安裝可穿戴攝影鏡頭，目前正在改良 AI 電腦軟體處理影像，準確辨識樓梯、門等周圍環境特徵，以調整自身動作模仿體格健全的人走路。

具體來講，研究人員幫使用者安裝 iPhone XS Max，也就是所謂的可穿戴智慧手機鏡頭系統。

設計確保使用者直立時，手機距地面約 1.3 公尺，這套系統支援機器學習，進行即時環境分類。照論文說法，可穿戴式相機系統相對輕巧、不引人注目，人類行走生物力學不受影響。

手機錄製超過 52 小時的 30Hz、1,280×720 解析度影片，總計約 560 萬張圖像，分為 12 類，即大規模分層資料庫 ExoNet。ExoNet 含約 923,000 個單獨標記的圖像。相比之下，之前最大資料庫只約 402,000 張圖像。可見 ExoNet 規模和多樣性，與以前的環境辨識系統明顯不同。

關於作者

上述成果來自 ExoNet 計畫，由該校系統設計工程專業博士生、滑鐵盧人工智慧研究所成員 Brokoslaw Laschowski領導。Brokoslaw Laschowski 曾獲多倫多大學運動機能學（生物力學）理學學士、西安大略大學運動機能學（生物力學）理學碩士、滑鐵盧大學機械工程碩士。

Brokoslaw Laschowski 表示：「在我們的控制方法下，動力外骨骼的運作不一定需要人類思考。我們正在設計的外骨骼和義肢就像自駕車。」

外媒 TechCrunch 報導，ExoNet 下一階段的目標是：向電機發送指令，分析使用者目前運動和未來接觸的地形，使動力外骨骼順利爬上樓梯、避開障礙等。

未來，研究人員還希望做到動力外骨骼「自動充電」，提高能量效率。

(科技新報)