“你的手臂僵硬度是多少？”…机器人实现僵硬度定量诊断

Published 30 Apr.2025 09:51(KST)

Updated 31 Jul.2025 12:54(KST)

open/close

UNIST Kang Sanghun教授团队揭示测量可靠性下降原因并提出校正技术

有望用于工伤和脑卒中患者康复，刊登于康复领域前3%的IEEE TNSRE

过去主要依赖医生手感来判断手臂僵硬程度的上肢痉挛诊断方式，正迎来变革。

这是因为韩国本土研究团队开发出了能够将痉挛程度以更精确数值表达并用于诊断的机器人技术。

UNIST机械工程系的 Kang Sanghun 教授团队，为患者手臂施加微小外力，并测量由此产生的运动反应，将痉挛状态数值化的技术成功研发出来。该技术的设计使非专业人员也能在数分钟内给出定量诊断，有望为制定个性化康复治疗方案和工伤补偿标准提供帮助。

UNIST 姜相勋教授。UNIST提供

研究团队利用具有两个自由度的直接驱动机器人对该技术进行了验证。研究结果显示，即便在直接驱动结构中，仍然存在虽小但具有统计学意义的关节摩擦，对测量结果产生影响。这表明，即使是在被认为摩擦极小的康复机器人代表型号——麻省理工学院的 Manus 等类似结构中，也可能存在导致测量可靠性下降的因素。

研究团队还通过实验首次确认，这类残余摩擦是使人类手臂看上去呈现非线性反应的主要原因。既往研究中，低线性度会导致低可靠性，人们一直认为这是由于人类手臂本身具有非线性特性所致。

研究团队采用基于内部模型的阻抗控制（Internal Model Based Impedance Control, IMBIC）控制策略，对机器人系统的残余非线性摩擦进行了近乎100%的补偿，并通过实验证明，当手臂运动呈线性行为时，可以获得较高的测量可靠性。

研究员 Hwang Seongil 表示：“以往基于机器人技术的痉挛度测量方法，由于可靠性不足和非线性问题难以得到广泛应用。本次研究明确了问题根源并非在于人类手臂，而是在于机器人系统内部的残余摩擦。通过对其进行校正，我们得以大幅提升痉挛度测量的可靠性和精确度。”

黄成日研究员。UNIST提供

肌肉痉挛（spasticity）是脑卒中、工伤导致的神经损伤等引起的典型上肢运动障碍。此前，医疗人员一直通过用手直接活动患者手臂、依靠触觉感受来评估痉挛程度。然而，这种方式的结果因操作者熟练程度而差异较大，而且难以区分不同关节之间或不同方向上的运动特性差异，存在明显局限。

上肢痉挛度的测量方法及基于本研究的信度提升结果。

Kang Sanghun 教授表示：“通过将患者状态定量化并进行追踪，可为康复治疗方案设计、工伤补偿标准制定等提供帮助。我们还计划与预计于2026年开业的蔚山工伤专门公立医院开展合作，以进一步提高在真实医疗现场的应用可能性。”Kang 教授目前还在美国马里兰大学医学院担任兼任教授。

本次研究由研究员 Hwang Seongil 担任第一作者，Kang Hyuna 博士作为共同作者参与。

研究工作得到了科学技术信息通信部韩国研究财团“未来有望融合技术先导者”项目、跨部门全周期医疗器械开发事业团、国立康复院康复机器人转化研究委托项目等的支持。

研究成果已于3月26日发表在康复医学领域排名前3%的学术期刊《IEEE神经系统与康复工程汇刊》（IEEE Transactions on Neural Systems and Rehabilitation Engineering）。

本报道由人工智能(AI)翻译技术生成。