全面覆盖人类下肢运动：连续变化步态数据库重塑外骨骼与假肢控制基础
2026-01-05 来源:本站 点击次数:82全面覆盖人类下肢运动：连续变化步态数据库重塑外骨骼与假肢控制基础
引言/背景介绍
传统人类步态研究，多聚焦于固定速度、恒定坡度、独立任务（如平地行走、爬楼、跑步）下的稳态运动。然而，真实生活远非如此，我们频繁地切换运动状态：坐下、起立、快走、慢跑、上下楼梯等, 这些非稳态与连续变化行为才是人类日常运动的常态。为了支撑下一代自适应外骨骼与智能假肢控制策略的开发，来自密歇根大学与德克萨斯大学的团队构建了一个高度多样化、连续参数化的下肢运动数据集，发表在 《Scientific Data》上，为真实人机交互控制提供了坚实的数据基础。（文章题为：Lower-limb kinematics and kinetics during continuously varying human locomotion）
引言/背景介绍
传统人类步态研究，多聚焦于固定速度、恒定坡度、独立任务（如平地行走、爬楼、跑步）下的稳态运动。然而，真实生活远非如此，我们频繁地切换运动状态：坐下、起立、快走、慢跑、上下楼梯等, 这些非稳态与连续变化行为才是人类日常运动的常态。为了支撑下一代自适应外骨骼与智能假肢控制策略的开发，来自密歇根大学与德克萨斯大学的团队构建了一个高度多样化、连续参数化的下肢运动数据集，发表在 《Scientific Data》上，为真实人机交互控制提供了坚实的数据基础。（文章题为：Lower-limb kinematics and kinetics during continuously varying human locomotion）
图1.文章信息
方法：全面采集连续变化的自然步态
实验共设计了四种基础步态模式：坐（Sit）、行走（Walk）、奔跑（Run）、上下楼梯（Stairs），并重点采集了三类过渡过程：站立-坐下（T₁）、行走-楼梯（T₂）、行走-跑步（T₃），如图1所示。除静坐外，行走、奔跑的速度及楼梯坡度均设计为连续可调参数，以采集丰富的动态变化数据；其中坐 - 站过程被视为行走速度为零的特例，保障了数据集结构的统一性。
图2. 本研究中所定义的基本步态模式（Sit、Walk、Run、Stairs）及其之间的三种关键过渡关系（T₁、T₂、T₃）
本研究共招募了10名健康成年被试者，年龄覆盖成年阶段，确保采集数据具有人体运动的广泛代表性。实验在一个高精度的步态采集平台上进行，如图2所示，整个系统集成了10台Vicon红外光学运动捕捉相机，用于高频记录三维标记点轨迹；Bertec双皮带测力跑台，可实现不同速度与坡度（±10°）下的连续步态模拟，并同步记录地面反作用力；以及一组模块化可调角度楼梯平台，支持四种楼梯坡度（20°、25°、30°、35°）下的上下楼任务，且采用随机化任务顺序以减少疲劳，每个任务采集足够步幅（如跑步每速度采集 30 秒）。在楼梯任务中，参与者从 6 英尺外 approach 楼梯，完成上下楼及过渡动作，每个坡度至少 采集5 次 trial。跑步机任务基于力板数据自动检测 heel strike（脚跟撞击），楼梯任务手动标记，步幅定义为 “脚跟撞击 - 下一次脚跟撞击”。
图3. 光学标记点设置
数据集描述
最终采集的原始数据数据集核心内容包括：
1. 标记点：全球坐标系 3D 位置（x/y/z/e）；
2. 关节参数：骨盆倾斜角、髋 / 膝 / 踝关节角度（度）、力矩（N・m/kg）、功率（W/kg）；
3. 力板数据：力（N）、力矩（N・m）、压力中心（COP，m）；
4. 事件标记： heel strike（脚跟撞击）、步幅时间、速度曲线等
原始数据按帧保存，数据集结构信息见表1。
表1. 以连续帧的形式存储的原始数据格式说明
（保存为Streaming.mat文件）
最终采集的原始数据数据集核心内容包括：
1. 标记点：全球坐标系 3D 位置（x/y/z/e）；
2. 关节参数：骨盆倾斜角、髋 / 膝 / 踝关节角度（度）、力矩（N・m/kg）、功率（W/kg）；
3. 力板数据：力（N）、力矩（N・m）、压力中心（COP，m）；
4. 事件标记： heel strike（脚跟撞击）、步幅时间、速度曲线等
原始数据按帧保存，数据集结构信息见表1。
表1. 以连续帧的形式存储的原始数据格式说明
（保存为Streaming.mat文件）
这些按连续帧数的形式存储数据经过标准化处理并存储为结构化格式，支持 MATLAB、CSV 等多种输出接口。按步幅/周期解析并归一化的数据通过以下流程获得：首先利用定制化 MATLAB 流程扫描运动学轨迹，先将测试数据拆分为单个任务，再依据步幅或动作周期特征完成进一步拆分(其中，跑步机相关任务通过测力板数据自动检测脚跟撞击，楼梯任务则手动标注脚跟撞击，以此明确步幅/周期的起止节点)；剔除数据缺口、导数异常、非周期性、均值异常的步幅，最终保留 91.7% 跑步机数据和 92.8% 楼梯数据，每人步幅数的中位数为2006 ；接着假设每个步幅或动作周期的持续时间不超过 1.5 秒，则将其线性插值为 150 个数据点，实现从 100Hz 采样率原始数据的标准化处理；最后，考虑到参与者均为健康人群且运动学特征具有对称性，合并左右腿数据，最终整理为统一的 MATLAB 数据结构（Normalized.mat）。处理后的数据集详细结构见表 2。
表2. 按步态周期进行归一化后的数据格式说明
（保存为Normalized.mat文件）
数据价值与应用
1. 支持人体运动学建模：可通过傅里叶级数等基函数建模，实现速度、坡度连续变化下的运动学插值；
2. 助力假肢 / 外骨骼控制：为动力假肢和外骨骼提供基线控制策略，支持非稳态运动（如过渡动作、连续加减速）的自然控制；
3. 数据兼容性：与该团队此前发布的数据集参数一致，便于对比分析；
4. 开放性：提供完整数据和处理代码，支持研究复用与扩展。
以下为研究团队对预处理后的数据做可视化的结果，可以根据需要阅读：
图4. 不同坡度下所有记录坡度的参与者间平均步行运动学和动力学结果
图4展示了在不同坡度（±0°, 5°, 10°）下以恒定速度1.0 m/s行走时参与者的下肢运动学与动力学的变化结果，包含踝、膝、髋三个关节的角度、力矩（moment）以及功率（power）的平均轨迹和标准差区间（阴影区域）。在运动学方面，图中上排的角度变化曲线揭示了随着地面坡度的增加，三个关节的运动模式均出现明显变化。例如，踝关节在更大坡度下表现出更大的背屈（dorsiflexion）角度；膝关节和髋关节在支撑期表现出更大的屈曲角度，这种调整可能有助于维持稳定性与推进力。
在动力学方面，中排展示了关节力矩的变化。随着坡度的增加，踝关节的力矩显著增加，说明在上坡行走中需要更大的推蹬力；而膝与髋关节也呈现出相应的力矩适应，可能是为了应对负重增加和身体前倾等动态需求。
在功率输出方面（最下排），图中展示了各关节的机械功率随步态周期的变化趋势。其中，功率为正值表示能量的产生（肌肉发力），负值表示能量的吸收（例如关节缓冲）。结果显示，随着坡度的增加，髋关节在支撑初期的能量输出显著增强，说明其在坡面推进中的作用更加重要。
图5. 不同速度下所有记录坡度的参与者间平均步行运动学和动力学结果
图5系统展示了本数据集在跑步任务条件下记录的典型下肢运动学与动力学特征，进一步验证了该平台在高速度运动模式中的稳定性与解析能力。该图对比了受试者在不同跑步速度（1.8 m/s、2.0 m/s、2.2 m/s、2.4 m/s）下的下肢三大关节 —— 踝关节、膝关节与髋关节的角度变化、力矩输出与关节功率，每项指标均以标准化步态周期（从足跟接触到下一次足跟接触）为横轴，展示平均趋势线及标准差阴影。在关节角度方面，随着跑步速度提升，所有关节的活动幅度普遍增大，尤其是膝关节的屈伸角度增加最为明显，反映出更剧烈的步态摆动；髋关节的伸展相位也随速度提升而延长，说明身体需要更大的后驱动作来完成推进。
在关节力矩（Moment）方面，三大关节在整个步态周期中的力矩响应均随着速度增加而增强。特别是踝关节在蹬地后期的跖屈力矩显著提升，表明其在高速跑步中的推进作用增强；髋关节在支撑早期的伸展力矩也逐步加大，有助于抬腿并控制姿态。
在关节功率（Power）方面，随着速度加快，踝关节和髋关节的正功（能量输出）区域明显扩大，显示出更高的机械能输出需求；而膝关节则在支撑期表现出更强的负功（能量吸收），提示其在冲击吸收与缓冲控制中的关键作用。
图6. 不同参与者间平均“坐”-“站”运动学
图6展示了受试者在完成坐-站（Sit-to-Stand）与站-坐（Stand-to-Sit）过渡任务中的下肢关节角度变化轨迹，涵盖踝、膝、髋三个关节的平均角度曲线与标准差范围。结果显示，这两个动作过程中关节活动具有明确的协同性与方向性：从坐到站立时，膝关节和髋关节逐步伸展，踝关节由背屈趋于中立；而站立到坐下时则呈现反向趋势。各关节曲线变化平滑，跨受试者一致性高，反映出坐站过渡中下肢控制的规律性与稳定性。
图7. 不同参与者上楼梯稳态和过渡运动学
图7展示了不同参与者在楼梯上行任务中，稳态步态与过渡步态（如平地转楼梯）条件下的下肢关节角度轨迹，涵盖髋、膝、踝三大关节。从图中可以看出，在过渡步态中，参与者普遍表现出更大的关节屈曲幅度，尤其在髋和膝关节处，表明身体需要更积极地调整步态以完成从平地到楼梯的连续动作。而在稳态上楼过程中，关节角度变化则更加规律、幅度较小，反映出已适应楼梯节律的运动控制策略。该图体现了个体在面对复杂地形变化时所表现出的关节运动学适应性。
图8. 不同参与者下楼梯稳态和过渡运动学
图8展示了楼梯下行过程中不同参与者在稳态步态和过渡步态（走向楼梯、从楼梯返回地面）中的下肢运动学变化。图中包含踝关节、膝关节和髋关节在三个情境下的平均角度轨迹，包括稳态下行（stride 3，代表性周期）、行走到下楼的过渡（walk-to-stair）以及下楼到行走的过渡（stair-to-walk）。从图中可以看出，踝、膝、髋三个关节在过渡状态下的运动模式均显示出不同程度的偏移与非周期性变化，尤其是在初始接触阶段，表明在下楼的起始与终止过程中，人体需要进行较强的运动调整，以应对地形变化带来的挑战。
结论与展望：构建现实世界下肢运动研究的新基础
本研究构建了一个高质量、结构化、跨任务的人体下肢运动数据集，系统采集了来自10名健康成人在多种真实生活情境下的步态数据，包括行走、跑步、上下楼梯、坐站转换以及任务间的自然过渡。该数据集的显著特点在于：参数连续性强（如速度、坡度变化），任务覆盖全面，同时包含了稳态与非稳态步态的对比信息，真实反映了人类下肢在动态环境下的运动适应机制。
实验平台采用Vicon光学运动捕捉系统、Bertec测力跑台与模块化楼梯平台，高精度地记录了包括三维关节角度、力矩、功率、地面反作用力、身体质心轨迹与标记点坐标在内的多模态数据，全部经过标准化处理，并以结构化格式（MATLAB API、CSV等）提供给研究社区使用。
数据与代码开放获取
该数据集与处理代码已全部开源，任何研究者均可自由访问、下载与复现，促进跨领域研究合作与算法验证，访问链接：
https://springernature.figshare.com/articles/dataset/Metadata_record_for_Lower-limb_kinematics_and_kinetics_during_continuously_varying_human_locomotion/16611523
原文信息及链接
Reznick E, Embry K R, Neuman R, et al. Lower-limb kinematics and kinetics during continuously varying human locomotion[J]. Scientific Data, 2021, 8(1): 282.
https://www.nature.com/articles/s41597-021-01057-9
作者及单位介绍
论文通讯作者Robert D. Gregg任职于密歇根大学。Robert D. Gregg最为人熟知的成就体现在双足运动控制和可穿戴机器人领域，他的研究重点是将人体生物力学原理融入机器人控制算法，从而提高自然运动的效率。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
相关文章
更多 >