走向日常：下肢外骨骼机器人的技术趋势与应用拓展

机器人辅助疗法以康复医学为基础，将医学训练与机器人技术结合，在过去二十年间逐渐走向临床应用。研究表明，在相同训练强度下，该疗法至少能达到与人工训练相当的效果。其发展融合了康复医学、生物力学和机电一体化等多学科知识，其中最具代表性的应用就是下肢外骨骼机器人。

随着人口老龄化带来康复需求激增，医用下肢外骨骼机器人迎来了前所未有的关注。国内外临床科研机构和企业在轻量化设计、运动控制和AI融合等方面不断突破，使设备从实验室走向临床和家庭。预计2025年中国二级以上医院配备率达30%，外骨骼正逐步成为康复科的标配。

本文将梳理下肢外骨骼机器人常见的产品形态，拆解其核心技术和研究趋势，探讨如何从医院延伸至家庭，帮助更多有需要的人群。

针对当前的临床应用需求，下肢外骨骼机器人有三类常见形态：外骨骼+支架，外骨骼+手杖，以及自平衡式外骨骼。每一类形态的设计都基于对功能性、安全性、便捷性和场景适配性的权衡。

常用于医院或康复机构，一般由动力外骨骼式步行器、平衡支架或悬挂装置组成，旨在减少摔倒风险，强调训练时的稳定性与安全性。此类设备通常是国内医院康复科的首选，用于在安全可控的环境下做高强度、重复性的步态训练，适合早期康复。以傅利叶ExoMotus™ M4下肢外骨骼机器人为例，通过绑带将患者全身固定在设备上，由步态机械腿带动患者进行站立或行走，治疗师在后方手扶支架控制行走路线。

▲ 傅利叶ExoMotus™ M4下肢外骨骼机器人

形态更接近可穿戴式个人设备，手杖起到平衡辅助作用。这类形态的设备把可穿戴性与日常使用作为优先目标，可用于后期康复或长期障碍患者实现独立行走。用户使用手杖支撑起上半身，通过身体倾角或手杖触地信号触发步态，实现站立、行走、坐下等基本动作。目前，以色列、日本、美国、英国的企业在研发该类产品，且已实现商用。

▲ 配备手杖的下肢外骨骼机器人

面向家庭或长期独立行走需求的方案。这类形态设计更强调便捷性和独立性，依靠动力学与控制算法维持平衡，做到无需手杖辅助也能安全行走，把康复训练延伸到家庭乃至小范围户外场景，更适合作为日常辅具使用。

▲ 自平衡式下肢外骨骼机器人

近几年，国内越来越多的科研院校开展对下肢外骨骼机器人的研究，并取得了一系列研究成果。例如，清华大学与北京协和医院联合研发的NeuroWalk（2024），结合数字孪生技术，可模拟患者个性化步态并优化训练方案。在临床应用方面，下肢外骨骼机器人已经逐渐成为康复科步行训练的必备产品。

下肢外骨骼机器人的研究最早起源于工业负重等场景。例如，加州大学伯克利分校的BLEEX（Berkeley Lower Extremity Exoskeleton）项目，旨在创造一种符合人体工程学、高度机动性、坚固、轻便且耐用的自供电外骨骼，帮助救援人员等在复杂地形环境中轻松携带大量物资。

BLEEX外骨骼系统由两条动力腿、一个动力单元和背包式框架组成，双脚与装置刚性相连，其他部位则采用柔性连接以避免磨损。在实验中，测试者在大量负载的情况下仍能轻松完成行走、下蹲、转身、爬坡、跨越障碍等动作，大幅提升了身体效率和耐力。

▲ 加州大学伯克利分校BLEEX项目

这些早期探索不仅推动了可穿戴动力学、能量供给以及人机力耦合的基础研究，也为后来的康复外骨骼与助行装置奠定了技术基础。在这些研究的启发下，工程师们逐渐意识到，只有将动力系统、控制策略与人体安全设计相结合，才能让外骨骼机器人应用于医疗康复领域。

在人体运动中，大脑会先规划动作，通过肌肉骨骼系统产生关节力矩，驱动身体执行动作，并基于动作反馈调整运动。而外骨骼机器人的运动控制原理与之相似：将参考步态输入到控制器，控制器生成动作指令，传递给执行器，再由执行器产生关节力矩，驱动外骨骼实现运动，并在运动过程中采集力、位置、速度等反馈信号，传回控制器进行调整，实现动态人机协同。因此，传感、控制、驱动几大模块及相关技术联合优化，实现外骨骼机器人“帮人走路”。

▲ 下肢外骨骼机器人控制框图

●  力学仿真和步态建模：通过动作捕捉、多维加速度仪和陀螺仪，对人在步行过程中的摆动相和支撑相进行动态力学模拟，建立三维步态模型并优化基准步态曲线。系统能够识别髋、膝、踝关节及骨盆的角度变化，以及步行过程中的时间和空间参数，再结合使用者的步幅、步频等习惯，对步态曲线进行个性化调整。

●  多模态传感与力反馈：力/扭矩传感器、IMU、表面肌电等装置可实时监测下肢关节受力状态及运动学参数，为运动意图识别提供多维信息支撑。在此基础上，力反馈技术能够动态调整步行速度和步态运动轨迹，突破传统的被动训练模式，实现主动感知与个性化干预，适配从软瘫期到恢复期的不同阶段需求。

●  自适应控制技术：根据外部力学环境动态调整步态轨迹，并结合前馈机制，使机器人在受扰动时能在较少步行周期内回归设定轨迹。硬件上通过嵌入式微控制单元与高精度编码器，实现全闭环控制以提升响应性能和定位精度。

●  驱动与执行器：执行器决定输出力量与响应速度。传统刚性伺服电机+减速器方案以精度著称，适合高扭矩需求；线驱和柔性执行器以重量轻、柔顺性好见长，越来越多用于下肢大幅度动作或柔性外骨骼中。线驱方案能把大功率电机置于躯干或地面，通过柔性线缆把力远距离传递到腿端，减轻佩戴质感。

●  安全冗余策略：包括软限幅、力限值、跌倒检测及自动补偿模块，保证在意外情况下设备能迅速切换到安全模式，或提供额外的支撑以防坠落。这些安全机制是临床应用的前提。

目前为止，国内外同类产品主要有助力训练和被动训练两种模式。其中，被动训练通过预先设定的轨迹跟踪控制，但由于缺乏患者的主动参与，无法充分刺激神经回路，训练效果不如助力训练。但助力训练的实现存在难点，主要包括如何准确可靠地提取人的主动运动意图，以及如何根据人的运动意图控制机器人的力或运动，即机器人的辅助控制策略。

为了解决以上问题，当前研究路径之一是脑机接口（BCI）+功能性电刺激（FES）+外骨骼深度融合，以提升意图识别的准确性和稳定性。BCI通过脑电（EEG）、功能性近红外光谱（fNIRS）等非侵入方式解码使用者的运动意图；FES作为肌肉接口，让运动意图能够传导至真实的肌肉收缩；外骨骼则作为执行器完成动作。三者构建起“意图→控制→执行→反馈”的脑-肌-机闭环，实现从脑信号到动作的稳定通路。

例如，2023年《Nature Biomedical Engineering》报道的一项研究，通过EEG辨识脊髓损伤患者的行走意图，同时联合FES刺激胫骨前肌和腓肠肌，配合外骨骼实现更接近自然的步态。

更进一步地融合多模态传感技术，外骨骼可根据用户的步幅、步频、肌力水平及疲劳状态，实时调整助力强度、运动轨迹和FES模式。例如，2024年IEEE TNSRE的一项研究提出多模态适配控制器，融合EEG、EMG、压力与视觉传感器数据，并利用长短期记忆网络（LSTM）预测患者状态，实时优化外骨骼的控制策略。这种自适应反馈机制使训练过程更自然、更安全，未来可演化为神经增强设备，从辅助转向增能，更适用于家庭场景。

此外，外骨骼机器人的研究热点还聚焦于轻量化和柔性系统、先进传感系统与混合控制策略、边缘计算与实时控制等。例如，采用碳纤维、铝合金、柔性材料等组合设计，着眼于降低重量、提升舒适性和服帖性。Marinou等（2024）提出集成于手杖与鞋垫的模块化传感系统，用于识别实时步态相位并精准控制外骨骼助力。Orhan 等（2023）提出基于踏步恢复策略的控制框架，在外力干扰下实时规划恢复步伐，显著提高用户对跌倒风险的应对能力。Shi & Zhao（2023）提出边缘计算+在线对抗学习架构，将AI算法嵌入本地计算，在毫秒级延迟下实现实时高层控制与个体自适应。

不同使用场景决定了外骨骼的设计：医院侧重治疗强度、模块化训练与科研验证，强调可控性和强约束；家用侧重便捷、续航与自适应性，强调独立性与舒适度。未来的理想路径是：在医院内进行高强度、短周期的治疗训练，出院后在家用设备上保持日常功能维护或强化，从而实现从医用到生活的闭环，真正把康复效果落到长期生活质量上。

随着执行器轻量化、续航与控制算法进步，以及更成熟的安全策略，下肢外骨骼机器人正经历从医疗机构专用向家庭/社区适配的转型。自平衡与自动模式、手杖/无手杖多模式切换，以及对日常场景（上楼梯、起坐、转弯）的更好支持，使得长时间穿戴与自主训练成为可能。

研究机构和企业都在致力于探索居家康复与外骨骼机器人技术的结合，以降低成本、提高训练强度与频率，让患者在回归家庭后能够持续开展专业的康复训练，最大限度地恢复功能，更好地适应生活和社会环境。目前，已有企业正在尝试将自平衡式外骨骼与家用服务、养老和长期照护模式结合。还有企业另辟蹊径，针对更多生活场景需求，研发用于增强人体功能的外骨骼机器人，辅助体弱的老年人完成步行、搬运等日常生活任务。

下肢外骨骼从早期的工业用途到今天的医疗康复场景，已经形成一条清晰的技术生态：驱动与执行器日益轻量化，传感与意图识别依靠多模态融合实现更高精度，控制算法也从刚性轨迹控制向柔顺、自适应转变。与此同时，应用场景正由专业机构延展到家庭与社区，逐步融入日常生活。

未来，随着医学、材料、控制与人工智能多学科的持续融合，科技与市场的双轮驱动，以及临床验证的不断积累，下肢外骨骼机器人有望从康复中心走向家庭养老、社区照护，成为连接医学与生活的新型智能装备。