本书主要介绍医疗机器人的基础知识、研究挑战、关键成果、应用以及未来发展趋势，包含辅助、康复和服务等机器人类别。每章都由该领域的专家撰写，涵盖解剖造型、肌肉骨骼、神经和认知系统，以及运动能力、自适应性、集成性和安全问题等。其中关于机械和控制方面的大规模尖端应用对于学术界和工业界有很高的参考价值。本书适合机器人领域的研究者、学生和技术人员巩固理论基础、了解业界前沿，也适合生物医学领域的读者了解相关工程实践。

前　　言Human Modeling for Bio-Inspired Robotics: Mechanical Engineering in Assistive Technologies缘起未来的医疗与辅助技术的发展，需要对人因工程进行很好的研究和理解，因为医疗与辅助系统的设计、控制和分析流程是严重依赖人类交互行为的。这些包含医疗与辅助机器人在内的新兴领域的出现，归因于人们为提高生活质量而不断增长的对新技术的需求。例如，美国政府在2011年宣布的“全国机器人行动倡议”，就是鼓励和支持在“人类参与交互循环”机器人系统或“人机协作机器人”领域中开展科学研究。
除了需要理解传统机器人学中的关键内容，诸如力学和编程，这项新兴的研究还需要从工程的角度分析人类运动学、生理学和心理学，也就是本书中所谓的“人类建模”。要掌握该领域复杂和跨学科的内容，并将理论知识应用到实际中，必须对该领域进行系统级的研究。
与人机协作机器人相关的研究成果倾向于发表在主题非常宽泛的期刊和会议论文集中，宽泛的主题使得新进的研究人员难以有效地找到研究材料。本书旨在为学术界和工业界的研究人员提供该领域的基础知识，并且展示了趋向于宏观（人类实际尺寸）应用的人类功能的力学和控制中的最新研究结果。这些内容由相关领域的高级专家组织和编写。虽然视觉与听觉系统的建模也很重要，但是这些内容超出了本书作者的专业知识范围，因此不包括在内。
本书中收集的工作提供了对人体机构的系统级的讨论，讨论的主题包括解剖学、肌肉骨骼、神经与认知系统的建模，以及运动的功能、自适应性和整合性。本书的目标读者是机器人等相关方向的研究生，以及新加入这个研究领域、需要尽快提高机械设计与控制能力的专业工程师。本书假设读者在工程学上具有基本的本科知识水平，例如机械、生物医学或电气工程。本书每章强调并总结了一项主题研究的背景、挑战、关键成果、应用和未来趋势，同时最大限度地减少高等数学的知识。本书的这种设置方法还旨在向具有生理学和生物医学背景的读者介绍工程方面的知识。虽然每章都是一篇独立的、完整的论文，但是这些论文是围绕着一个一致的主题组织的。
本书的作者们已经在IEEE国际机器人与自动化大会、IEEE先进智能机电一体化大会和ASME动力学与控制大会上组织了多个研讨会和专题报告会。这项工作得到了ASME动力学系统和控制部门的机械电子学、机器人和生物系统技术委员会的支持。我们要感谢所有组织者、主题演讲者和提供帮助的工作人员。
内容组织本书涵盖了人类建模的两大主题：
1）人类肌肉骨骼系统的建模及应用，人类运动的计算分析、建模及应用。
2）人类认知和肌肉技能的建模及应用。
本书中有6个关注人类肌肉骨骼系统和人类运动的计算分析的主题。在第1章中，Deshpande等人提出了一种人类掌指关节的被动刚性的建模方法，以及肌腱单元和囊状韧带复合体弹性的建模方法；他们对10个人类受试者进行实验，并收集关节角度和指尖力度的数据。在第2章中，Alamdari和Krovi主要关注如何更好地理解人类下肢与肢体环境的物理相互作用，并对这类计算建模方法进行了综述，还讨论了人–机器人交互的应用设置。在第3章，Bu等人阐述了基于肌电（EMG）信号的人–机器人接口的混合运动与任务的建模框架，并且介绍了使用任务建模的EMG控制的人–机器人接口的案例研究。在第4章中，Hayashibe等人概述了基于家庭的康复系统以及该系统的最先进产品，并且提出了考虑特定主题变量平衡的个性化测量方案。在第5章中，sharma和kirsch讨论了使用正向动态优化方法与三连杆动态行走模型来进行关节角度轨迹的计算，该计算需要获得最小电刺激或电机转矩输入。在第6章中，Park概述了主要依赖于身体运动的柔性可穿戴技术，并用辅助和康复技术的多个示例讨论了集成有各种柔性可穿戴传感器和致动器的机器人系统。
本书还包含关注人类认知和肌肉技能建模方法的5个主题。在第7章中，Lisi和Morimoto概述了可行的非侵入性技术，随后详细描述了基于感觉运动节律（SMR）的脑机接口（BMI）技术，并描述了在实现基于SMR的解码器及其主要组件中的重要挑战。在第8章中，Ravichandar和Dani概述了人类意图估计算法，并介绍了一种推断人类操作者手臂运动意图的算法，该算法根据微软 Kinect传感器的观察结果进行推断。在第9章中，Bai和Christensen概述了外骨骼设计的主要挑战，并介绍了基于人–机器人交互的生物机构模拟器的设计方法，该方法旨在有效地设计外骨骼结构和运动控制器以根据需要实现运动辅助。在第10章中，Wagner和Briscoe研究了众望所归的下一代机器人系统，这些机器人将能与患者进行社交互动，对患者的情绪、个性和喜恶进行建模，并使用这些交互信息来指导机器人进行相应协助的决策。最后，在第11章中，Ueda等人针对人–机器人身体相互作用中的神经运动适应机制，探讨了相关的理论、方法和工具。

Jun Ueda，佐治亚理工学院机械工程学院副教授，研究领域为电子工程、控制系统工程和机械工程，是机器人领域系统动力学和鲁棒控制方面的专家，并为工业和医疗应用开发传感和驱动设备。
Yuichi Kurita，广岛大学工程部副教授，是机器人领域人机工程分析和生理测量方面的专家，曾参与的项目包括研发可提高人类感知和运动能力的辅助设备以及医疗应用中的触觉建模等。

目　　录
Human Modeling for Bio-Inspired Robotics: Mechanical Engineering in Assistive Technologies
译者序
前言
第一部分　人类肌肉骨骼系统的建模及应用，人类运动的计算分析、建模及应用
第1章　在机器人手掌中为提升操作性而实现的类人关节刚性 2
1.1　引言 2
1.2　关节刚性的建模 2
1.2.1　方法 2
1.2.2　实验结果 7
1.2.3　关节刚性建模的总结 12
1.2.4　对具有并行柔性的机器人关节的分析 13
1.2.5　时间延迟作用 13
1.2.6　加入并行柔性的作用 14
1.2.7　系统并行柔性的设计指南 16
1.3　被动关节刚性的多指操纵 16
1.3.1　系统模型 16
1.3.2　抓握稳定性分析 17
1.3.3　操作控制器的设计 17
1.3.4　实验与结果 18
1.4　讨论 21
参考文献 22
第2章　人类下肢肌肉骨骼的计算分析综述 24
2.1　引言 24
2.2　人类行走的步态周期 25
2.3　正常人类行走的生物力学 27
2.4　人类行走的量化模型 27
2.4.1　人类行走的运动学 28
2.4.2　人类行走的动力学 29
2.5　肌肉骨骼与铰接系统交互的计算分析 37
2.6　结论 40
参考文献 41
第3章　肌电控制的人–机器人接口：一种混合运动和任务的建模方法 47
3.1　引言 47
3.2　EMG动作分类 48
3.2.1　EMG采集与分析 48
3.2.2　动作分类 51
3.3　人类接口的任务建模 53
3.3.1　人类任务建模 53
3.3.2　结合肌电建模与任务建模 55
3.4　使用任务建模的肌电控制人–机器人接口 56
3.4.1　系统描述 56
3.4.2　动作分类实验 58
3.4.3　机器人操作实验 60
3.5　讨论与总结 62
3.5.1　分类准确率的增加 62
3.5.2　BN任务模型对分类结果的影响 63
参考文献 64
第4章　基于家庭的姿势平衡康复的个性化建模 68
4.1　引言 68
4.2　基于家庭的姿势平衡康复 68
4.3　身体肢体的参数 70
4.4　人类受试者的质心位置估计 70
4.5　方法 72
4.5.1　SESC计算 72
4.5.2　使用卡尔曼滤波器的SESC参数识别和视觉反馈 73
4.5.3　角动量的零速率 74
4.5.4　实验 75
4.6　实验结果 76
4.6.1　高成本传感器对比便携式传感器 76
4.6.2　收敛–骨架着色反馈与无视觉反馈 78
4.6.3　使用新运动集进行交叉验证 78
4.6.4　姿势稳定指数 80
4.7　讨论 81
4.8　结论 81
参考文献 81
第5章　步态恢复的混合神经假体的建模和动态优化 85
5.1　引言 85
5.2　动态模型 86
5.2.1　初始双重支撑阶段 86
5.2.2　单一支撑阶段 87
5.2.3　冲击和最终双重支撑阶段 89
5.3　动态优化 90
5.4　仿真与结果 91
5.4.1　在对抗肌肉副之间切换 91
5.4.2　对抗肌肉副的共激活作用 91
5.4.3　混合关节致动器 91
5.4.4　模拟结果 92
5.5　结论与未来的工作 94
附录 95
参考文献 96
第6章　身体运动感测的柔性可穿戴机器人技术 98
6.1　身体运动感测 98
6.2　嵌入导电液的柔性人造皮肤 101
6.3　应变敏感的导电聚合物 106
6.4　用于运动感测的光纤可穿戴传感器 110
6.5　结论与未来的发展 112
参考文献 112
第二部分　人类认知和肌肉技能的建模及应用
第7章　辅助和康复机器人的非侵入性脑机接口技术综述 118
7.1　引言 118
7.2　脑机接口 118
7.2.1　脑电图 118
7.2.2　大脑活动的类型 119
7.2.3　BMI的类别 119
7.2.4　伪迹信号 119
7.2.5　基于感觉运动节律的BMI 120
7.2.6　性能评估 123
7.3　辅助机器人的BMI 123
7.3.1　共享控制 123
7.3.2　BMI与非穿戴式机器人 124
7.3.3　BMI与可穿戴式机器人 124
7.4　康复机器人的BMI 127
7.4.1　上肢运动恢复 127
7.4.2　下肢与步态恢复 128
7.5　结论 129
致谢 130
参考文献 130
第8章　辅助机器人中人–机器人协作的意图推理 139
8.1　背景技术 139
8.2　研究挑战和解决方法 141
8.2.1　系统建模 141
8.2.2　意图推理 142
8.2.3　在线模型学习 146
8.3　应用 147
8.3.1　人–机器人协作 148
8.3.2　辅助机器人 150
8.4　讨论 153
8.5　结论 153
附录 153
参考文献 157
第9章　生物力学的HRI建模和外骨骼辅助应用的机电一体化设计 160
9.1　引言 160
9.2　外骨骼设计的挑战 161
9.2.1　人–外骨骼系统的生物力学建模 161
9.2.2　运动结构 162
9.2.3　致动器 162
9.2.4　感测 163
9.3　生物力学建模 163
9.4　HRI模型的开发 164
9.5　设计实例 165
9.5.1　实例一：用于重力补偿的弹簧加载的外骨骼 165
9.5.2　实例二：2自由度主动辅助外骨骼 168
9.6　结论 171
致谢 172
参考文献 172
第10章　辅助机器人的人类心理建模 174
10.1　引言 174
10.2　人类特征的维度 175
10.2.1　性格 176
10.2.2　情感和心情 176
10.2.3　智力 177
10.2.4　社交智力 177
10.3　构建HRI的行为模型 178
10.4　经济决策模型 179
10.4.1　神经经济学 181
10.4.2　认知架构 183
10.5　心理推理模型 183
10.5.1　心理特征的检测和建模 184
10.5.2　利用情景 185
10.6　结论 185