IEEE TRO 南方科大张明明和北工大董明杰联合在康复机器人领域取得系列研究成果
近期，南方科技大学生物医学工程系张明明副教授和北京工业大学董明杰副教授联合，在康复机器人领域取得系列研究进展，相关成果接连发表在机器人领域国际学术期刊IEEE Transactions on Robotics。
创建多人协作交互方法与创新康复系统
为相关领域发展奠定理论基础
图1. 多用户协作创新康复系统
当前的多用户人机交互研究主要关注机器人控制系统自身的稳定性，往往忽视了真实协作情境中“人与人”之间的相互影响。与此不同的是，本研究并未将操作者视为独立的无源终端，而是在系统设计核心层面纳入并建模这一事实：在多人触觉交互中，每位操作者本身就是彼此交互环境的一部分，其行为会直接并持续地影响他人的感知与系统稳定性。然而，随着交互用户数量的增加，尤其在操作者具有主动行为时，传统控制方法难以有效应对人际间的交互耦合与系统规模的扩大引起的稳定性条件复杂化，导致系统扩展能力受到制约。因此，如何在承认并融入操作者主动交互行为的前提下，维持系统稳定性并实现控制架构的可扩展性，成为一项关键挑战。
为应对这一挑战，研究人员创新性地提出了“个人交互环境”（Individual Interaction Environment, IIE）框架。该框架通过隔离可能破坏系统无源性的交互因素，使每个人机交互子系统的控制设计能独立进行，从而在根本上提升系统的可扩展性。在IIE的架构内，研究人员进一步识别出由合作者主动行为所引发的无源性破坏因素，并提出一种新型“增强能量储备控制器”（Augmented tank-based controller, ATBC）。该控制器具备功率调节与时变增益机制，在确保每个IIE单元满足无源性约束的同时，能有效抑制对触觉渲染精度的负面影响，从而在系统稳定性与交互真实感之间实现了更优平衡。
图2. 问题描述与控制方法示意图
实验证明，在存在操作者主动行为的多人触觉交互场景中，该系统不仅能保持稳定可靠的触觉渲染，相较于现有方法还展现出更优的任务可重复性与渲染精度，成功实现了“人际交互耦合影响下的无源性保持”与“高精度触觉渲染”两者的协同推进。
图3. ATBC（Case #5）与现有方法对比
本研究不仅为多用户触觉协作系统提供了可扩展、鲁棒的控制解决方案，更进一步推动了多用户人机交互研究范式向“以人与人互动为中心”方向的发展，为未来远程协作、联合训练等领域的发展奠定了理论与技术基础。
该研究联合香港城市大学Lu Liu教授团队，以“Augmented Tank-Based Control Guarantees Passive Individual Interaction Environment for Multi-User Haptic-Enabled Robotic Systems”为题，发表于机器人领域国际学术期刊 IEEE Transactions on Robotics 上。论文第一作者为南方科技大学与香港城市大学2022级联培博士生王翠，张明明为论文通讯作者，南科大为论文第一单位。参与作者包括香港城市大学Lu Liu教授、北京工业大学董明杰副教授和曼彻斯特大学Zhenhong Li教授。本研究工作得到了国家重点研发计划、国家自然科学基金、深圳市医学研究基金等多个项目支持。
创建机器人辅助类人康复方法与系统
推动智能康复设备在临床中的精准应用
踝关节损伤及神经系统疾病导致的运动功能障碍是临床康复中的常见问题。目前，机器人辅助康复已被广泛应用，但多数系统依赖预设轨迹，难以体现康复医生的临床经验，也无法根据患者状态进行实时调整，限制了个体化康复效果。针对这一瓶颈，研究团队提出了一种面向踝关节康复的“医生级”模仿学习与自适应控制新方法，使康复机器人不仅能“模仿医生动作”，还具备“像医生一样调整策略”的能力。
该研究创新性地提出了双层核化运动基元（2-level KMP）模仿学习框架：首先，通过模仿学习精准重建康复医生的复杂操作轨迹；随后，引入患者在环优化机制，利用患者实时力/力矩反馈对训练轨迹进行动态调整，在保证轨迹平顺性和安全性的同时，实现康复过程的经验适应与时间自适应。这一设计有效解决了传统模仿学习在轨迹调整过程中易产生抖动、变形和过拟合的问题，使机器人训练过程更加自然、连续和贴近真实临床操作。该研究为康复机器人从“固定程序执行”迈向“融合医生经验与患者反馈的智能决策”提供了新的技术范式，对推动智能康复设备在临床中的精准应用和规模化推广具有重要意义。
该研究联合北京工业大学李剑锋教授团队，以“Toward physician-level performance in robot-assisted ankle rehabilitation via imitation learning with empirical and temporal adaptation”为题，发表于机器人领域国际学术期刊 IEEE Transactions on Robotics 上。论文第一作者为北京工业大学董明杰副教授，通讯作者为李剑锋教授和张明明副教授。本研究工作得到了国家自然科学基金项目资助。
成果一论文链接：
https://ieeexplore.ieee.org/document/11342379
成果二论文链接：
https://ieeexplore.ieee.org/document/11130441
