读懂人体运动意图：高密度表面肌电支撑康复机器人人机协同研究
2026-06-25 来源:本站 点击次数:18
随着外骨骼、智能假肢、康复机器人和辅助移动操作机器人不断发展，人机交互系统正在从“机械执行”走向“意图理解”。对于一台外骨骼或假肢而言，真正的难点并不只是电机能否输出足够扭矩、结构能否完成复杂动作，而是系统能否尽可能准确地理解使用者想要做什么，并以自然、稳定、低负担的方式完成动作响应。
在这一过程中，表面肌电信号逐渐成为外骨骼和假肢控制研究中的重要生物信号来源。尤其是高密度表面肌电（High-density surface electromyography, HD-sEMG），由于能够在皮肤表面以阵列方式采集更丰富的肌肉电活动空间信息，正在被越来越多地用于手势识别、运动意图解码、多自由度控制和康复训练反馈等研究场景。
一、外骨骼和假肢控制，核心是“读懂运动意图”
传统假肢或外骨骼的控制方式可以基于按钮、开关、力传感器、惯性传感器或预设运动模式。这些方式在特定任务中具有实际价值，但在更复杂、更自然的人机交互场景中，往往会遇到一个共同问题：设备执行动作的逻辑，未必能够及时、准确地反映使用者的真实运动意图。
例如，智能假肢手不仅需要完成“张开”和“闭合”，还可能涉及不同抓握方式、手腕旋转、手指协同和力量调节；上肢外骨骼不仅要辅助抬臂，还需要判断使用者是主动发力、被动训练，还是出现代偿动作；康复机器人不仅要完成重复训练动作，还需要评估患者在训练过程中的肌肉参与程度和神经肌肉控制变化。
因此，控制系统需要一种能够反映人体主动运动意图的信号。表面肌电正好位于神经控制链条的外周执行端：大脑和脊髓发出的运动指令最终会表现为运动神经元放电、肌纤维兴奋和肌肉收缩，而表面肌电记录的正是这些肌肉电活动在皮肤表面的综合表现。它并不是“直接读取大脑想法”，但可以反映神经肌肉系统输出端的活动状态，是连接人体运动意图与外部设备控制的重要非侵入式接口。
二、为什么少通道肌电还不够？
在假肢和外骨骼控制研究中，少通道表面肌电已经被广泛使用。例如，通过在屈肌和伸肌附近放置少量电极，可以实现较基础的开合控制、单自由度动作控制或简单模式识别。这类方案结构相对简单、数据量较小、系统实现成本较低，在某些应用中仍然具有重要价值。
但随着控制任务变得更加复杂，少通道肌电的信息维度会逐渐成为限制因素。人体前臂、上臂或下肢肌肉并不是简单地以单一肌肉对应单一动作的方式工作。一个手势可能涉及多块肌肉协同激活；一个抓握动作可能包含手指、手腕和前臂肌群的联合控制；一个康复动作中也可能同时存在目标肌肉激活不足和代偿肌群过度参与。
如果只从少数几个采样点观察肌电信号，研究人员能够看到局部肌肉活动的时间变化，却较难系统分析肌肉激活在空间上的分布差异。对于复杂手势识别、多自由度假肢控制、外骨骼人机协同和康复训练反馈而言，仅有时间波形往往还不够，研究者还需要知道：哪些区域被激活、激活范围如何变化、不同肌群之间如何协同、同一动作在不同个体和不同日期下是否保持稳定。
这正是 HD-sEMG 的价值所在。
三、HD-sEMG 的优势：从时间波形走向空间激活图谱
HD-sEMG 通常采用二维高密度电极阵列，在目标肌肉或肌群表面进行多通道采集。与传统单点或少通道采集相比，它不仅能够记录肌电信号随时间变化的波形，还能够进一步呈现肌肉活动在空间上的分布特征。
近年来关于上肢假肢控制的综述指出，HD-EMG 接口可以捕获更丰富的时空肌肉激活信息，机器学习算法则可以利用这些空间信息来改善运动意图检测和动作控制研究[1]。换句话说，HD-sEMG 的关键并不只是“通道数更多”，而是让肌电信号从单一波形扩展为可分析的空间图谱。
在实际研究中，HD-sEMG 可以支持研究人员观察肌肉激活区域、激活强度分布、肌电地形图、局部肌肉募集变化和不同手势之间的空间模式差异。这些信息对于人机交互控制尤其重要。因为外骨骼或假肢系统并不只需要判断“有没有肌肉活动”，更需要判断“这类肌肉活动对应什么动作意图”。
例如，不同抓握方式可能在前臂肌群上形成不同的激活分布；手腕屈伸、旋前旋后、手指伸展等动作可能产生不同的时空特征；同一动作在疲劳前后也可能出现肌肉募集策略变化。HD-sEMG 为这些问题提供了更高维度的观测窗口。
四、HD-sEMG 如何服务外骨骼和假肢控制研究
在外骨骼和假肢控制研究中，HD-sEMG 主要可以从以下几个方向发挥作用。
首先是手势识别。对于智能假肢手、机械臂控制和人机交互系统，识别不同手势、抓握方式和手腕动作是重要基础。2025 年发表在 npj Robotics 的一项研究展示了可穿戴 HDEMG 系统用于实时手势识别，并将识别结果映射到 8 自由度移动操作机器人控制中，使受试者能够完成部分家庭和辅助任务[2]。这类研究说明，HD-sEMG 不只是实验室中的生理信号记录工具，也可以作为复杂机器人控制的人机接口进行探索。
其次是多自由度控制。假肢和外骨骼的自由度越多，对输入信号的要求越高。简单的开关式控制难以满足复杂动作需求，而 HD-sEMG 提供的多通道时空特征，有助于算法区分更细致的动作模式。结合机器学习、深度学习、模式识别和连续变量回归方法，研究人员可以探索从肌电信号中估计关节角度、手指运动、抓握模式或力量输出的可能性。
第三是康复训练反馈。对于神经损伤、脑卒中、脊髓损伤或术后康复人群，训练动作是否真正激活目标肌肉、是否存在异常代偿、肌肉募集模式是否随训练发生变化，都是重要问题。HD-sEMG 可以帮助研究人员从空间维度观察肌肉参与情况，为康复机器人和外骨骼训练提供更细致的评估依据。
第四是人机协同控制。未来的外骨骼和假肢系统并不应只是“人发出命令、机器执行动作”，而应逐渐走向双向协同：系统根据肌肉信号判断使用者意图，同时结合运动状态、负载变化和训练目标调整辅助策略。在这一框架下，HD-sEMG 可以作为主动运动意图和肌肉状态监测的重要输入信号之一。
五、面向科研场景的 HD-sEMG 产品方案
对于高校、科研院所、康复工程实验室和人机交互课题组而言，开展外骨骼和假肢控制研究时，设备平台需要兼顾信号采集、实验质量控制、实时预览、多模态同步和后续算法分析。
由上海左体右智科技有限公司自主研发的高密度表面肌电相关系统面向神经肌肉控制、运动科学、康复工程、人机交互和生物机器人研究场景，可为外骨骼、假肢控制和康复机器人研究提供实验平台支持。
系统支持高密度表面肌电采集，可用于肌肉激活模式分析、手势识别、运动意图识别、疲劳评估和康复训练反馈等研究。配套柔性可拉伸电极，适合上肢、下肢、躯干等不同肌群贴附，也更适用于涉及关节运动、皮肤形变和动态任务的实验场景。
在实验质量控制方面，系统支持阻抗检测、通道状态判断和多通道实时预览，帮助实验人员在采集前和采集过程中及时评估电极接触状态与信号质量。在数据分析方面，系统支持肌电地形图、肌肉激活空间分布和相关特征分析，便于研究人员从“时间波形”进一步拓展到“空间图谱”。
同时，系统可与脑电、无线肌电、心电、皮肤电、皮肤温度、呼吸、IMU 等多模态数据在统一平台中同步采集与分析，并支持数据导出及后续 MATLAB/Python 分析，便于课题组开展算法研究、模型训练和二次开发。
对于外骨骼和假肢控制研究而言，这类系统的意义不只是采集更多肌电通道，而是帮助研究人员构建一个更完整的人机交互实验平台：既能观察肌肉活动，又能结合动作、姿态、生理状态和同步事件进行综合分析。
结语
HD-sEMG 之所以适合外骨骼和假肢控制研究，并不是因为它可以简单地“读取意念”，而是因为它能够以非侵入方式提供更高维度、更接近肌肉空间活动模式的神经肌肉信息。
从少通道肌电到高密度阵列，从单一波形到空间激活图谱，从离线分析到实时解码，从单一设备到多模态同步平台，HD-sEMG 正在推动外骨骼、智能假肢、康复机器人和人机交互研究向更精细、更自然、更系统的方向发展。
未来，这一领域的发展仍将依赖多方面的共同进步：更稳定的柔性穿戴电极、更可靠的实时解码算法、更强的跨天和跨个体泛化能力，以及更完整的多模态同步实验平台。对于希望深入开展神经肌肉控制与人机协同研究的课题组而言，HD-sEMG 不只是一个采集工具，更可能成为理解“肌肉信号如何转化为运动意图”的重要研究入口。
参考文献
[1] Quadrelli D, Canepa M, Di Domenico D, Boccardo N, Chiappalone M and Laffranchi M (2025) Advances in HD-EMG interfaces and spatial algorithms for upper limb prosthetic control. Front. Neurosci. 19:1655257.
[2] Yang, J., Shibata, K., Weber, D. et al. High-density electromyography for effective gesture-based control of physically assistive mobile manipulators. npj Robot 3, 2 (2025).
[3] Qiu F, Liu X and Ye X (2025) Influence of electrode placement on the recognition of different gesture categories using high-density sEMG. Front. Neurosci. 19:1750792.
[4] Yang, S., Chen, C., Li, D. et al. A Consecutive Multi-Day High-Density Surface Electromyography Dataset Comprising 7 Grasps and 11 Gestures. Sci Data 12, 1420 (2025).
[5] Yang, S., Cheng, J., Shang, J. et al. Stretchable surface electromyography electrode array patch for tendon location and muscle injury prevention. Nat Commun 14, 6494 (2023).
在这一过程中，表面肌电信号逐渐成为外骨骼和假肢控制研究中的重要生物信号来源。尤其是高密度表面肌电（High-density surface electromyography, HD-sEMG），由于能够在皮肤表面以阵列方式采集更丰富的肌肉电活动空间信息，正在被越来越多地用于手势识别、运动意图解码、多自由度控制和康复训练反馈等研究场景。
一、外骨骼和假肢控制，核心是“读懂运动意图”
传统假肢或外骨骼的控制方式可以基于按钮、开关、力传感器、惯性传感器或预设运动模式。这些方式在特定任务中具有实际价值，但在更复杂、更自然的人机交互场景中，往往会遇到一个共同问题：设备执行动作的逻辑，未必能够及时、准确地反映使用者的真实运动意图。
例如，智能假肢手不仅需要完成“张开”和“闭合”，还可能涉及不同抓握方式、手腕旋转、手指协同和力量调节；上肢外骨骼不仅要辅助抬臂，还需要判断使用者是主动发力、被动训练，还是出现代偿动作；康复机器人不仅要完成重复训练动作，还需要评估患者在训练过程中的肌肉参与程度和神经肌肉控制变化。
因此，控制系统需要一种能够反映人体主动运动意图的信号。表面肌电正好位于神经控制链条的外周执行端：大脑和脊髓发出的运动指令最终会表现为运动神经元放电、肌纤维兴奋和肌肉收缩，而表面肌电记录的正是这些肌肉电活动在皮肤表面的综合表现。它并不是“直接读取大脑想法”，但可以反映神经肌肉系统输出端的活动状态，是连接人体运动意图与外部设备控制的重要非侵入式接口。
二、为什么少通道肌电还不够？
在假肢和外骨骼控制研究中，少通道表面肌电已经被广泛使用。例如，通过在屈肌和伸肌附近放置少量电极，可以实现较基础的开合控制、单自由度动作控制或简单模式识别。这类方案结构相对简单、数据量较小、系统实现成本较低，在某些应用中仍然具有重要价值。
但随着控制任务变得更加复杂，少通道肌电的信息维度会逐渐成为限制因素。人体前臂、上臂或下肢肌肉并不是简单地以单一肌肉对应单一动作的方式工作。一个手势可能涉及多块肌肉协同激活；一个抓握动作可能包含手指、手腕和前臂肌群的联合控制；一个康复动作中也可能同时存在目标肌肉激活不足和代偿肌群过度参与。
如果只从少数几个采样点观察肌电信号，研究人员能够看到局部肌肉活动的时间变化，却较难系统分析肌肉激活在空间上的分布差异。对于复杂手势识别、多自由度假肢控制、外骨骼人机协同和康复训练反馈而言，仅有时间波形往往还不够，研究者还需要知道：哪些区域被激活、激活范围如何变化、不同肌群之间如何协同、同一动作在不同个体和不同日期下是否保持稳定。
这正是 HD-sEMG 的价值所在。
三、HD-sEMG 的优势：从时间波形走向空间激活图谱
HD-sEMG 通常采用二维高密度电极阵列，在目标肌肉或肌群表面进行多通道采集。与传统单点或少通道采集相比，它不仅能够记录肌电信号随时间变化的波形，还能够进一步呈现肌肉活动在空间上的分布特征。
近年来关于上肢假肢控制的综述指出，HD-EMG 接口可以捕获更丰富的时空肌肉激活信息，机器学习算法则可以利用这些空间信息来改善运动意图检测和动作控制研究[1]。换句话说，HD-sEMG 的关键并不只是“通道数更多”，而是让肌电信号从单一波形扩展为可分析的空间图谱。
在实际研究中，HD-sEMG 可以支持研究人员观察肌肉激活区域、激活强度分布、肌电地形图、局部肌肉募集变化和不同手势之间的空间模式差异。这些信息对于人机交互控制尤其重要。因为外骨骼或假肢系统并不只需要判断“有没有肌肉活动”，更需要判断“这类肌肉活动对应什么动作意图”。
例如，不同抓握方式可能在前臂肌群上形成不同的激活分布；手腕屈伸、旋前旋后、手指伸展等动作可能产生不同的时空特征；同一动作在疲劳前后也可能出现肌肉募集策略变化。HD-sEMG 为这些问题提供了更高维度的观测窗口。
四、HD-sEMG 如何服务外骨骼和假肢控制研究
在外骨骼和假肢控制研究中，HD-sEMG 主要可以从以下几个方向发挥作用。
首先是手势识别。对于智能假肢手、机械臂控制和人机交互系统，识别不同手势、抓握方式和手腕动作是重要基础。2025 年发表在 npj Robotics 的一项研究展示了可穿戴 HDEMG 系统用于实时手势识别，并将识别结果映射到 8 自由度移动操作机器人控制中，使受试者能够完成部分家庭和辅助任务[2]。这类研究说明，HD-sEMG 不只是实验室中的生理信号记录工具，也可以作为复杂机器人控制的人机接口进行探索。
其次是多自由度控制。假肢和外骨骼的自由度越多，对输入信号的要求越高。简单的开关式控制难以满足复杂动作需求，而 HD-sEMG 提供的多通道时空特征，有助于算法区分更细致的动作模式。结合机器学习、深度学习、模式识别和连续变量回归方法，研究人员可以探索从肌电信号中估计关节角度、手指运动、抓握模式或力量输出的可能性。
第三是康复训练反馈。对于神经损伤、脑卒中、脊髓损伤或术后康复人群，训练动作是否真正激活目标肌肉、是否存在异常代偿、肌肉募集模式是否随训练发生变化，都是重要问题。HD-sEMG 可以帮助研究人员从空间维度观察肌肉参与情况，为康复机器人和外骨骼训练提供更细致的评估依据。
第四是人机协同控制。未来的外骨骼和假肢系统并不应只是“人发出命令、机器执行动作”，而应逐渐走向双向协同：系统根据肌肉信号判断使用者意图，同时结合运动状态、负载变化和训练目标调整辅助策略。在这一框架下，HD-sEMG 可以作为主动运动意图和肌肉状态监测的重要输入信号之一。
五、面向科研场景的 HD-sEMG 产品方案
对于高校、科研院所、康复工程实验室和人机交互课题组而言，开展外骨骼和假肢控制研究时，设备平台需要兼顾信号采集、实验质量控制、实时预览、多模态同步和后续算法分析。
由上海左体右智科技有限公司自主研发的高密度表面肌电相关系统面向神经肌肉控制、运动科学、康复工程、人机交互和生物机器人研究场景，可为外骨骼、假肢控制和康复机器人研究提供实验平台支持。
系统支持高密度表面肌电采集，可用于肌肉激活模式分析、手势识别、运动意图识别、疲劳评估和康复训练反馈等研究。配套柔性可拉伸电极，适合上肢、下肢、躯干等不同肌群贴附，也更适用于涉及关节运动、皮肤形变和动态任务的实验场景。
在实验质量控制方面，系统支持阻抗检测、通道状态判断和多通道实时预览，帮助实验人员在采集前和采集过程中及时评估电极接触状态与信号质量。在数据分析方面，系统支持肌电地形图、肌肉激活空间分布和相关特征分析，便于研究人员从“时间波形”进一步拓展到“空间图谱”。
同时，系统可与脑电、无线肌电、心电、皮肤电、皮肤温度、呼吸、IMU 等多模态数据在统一平台中同步采集与分析，并支持数据导出及后续 MATLAB/Python 分析，便于课题组开展算法研究、模型训练和二次开发。
对于外骨骼和假肢控制研究而言，这类系统的意义不只是采集更多肌电通道，而是帮助研究人员构建一个更完整的人机交互实验平台：既能观察肌肉活动，又能结合动作、姿态、生理状态和同步事件进行综合分析。
结语
HD-sEMG 之所以适合外骨骼和假肢控制研究，并不是因为它可以简单地“读取意念”，而是因为它能够以非侵入方式提供更高维度、更接近肌肉空间活动模式的神经肌肉信息。
从少通道肌电到高密度阵列，从单一波形到空间激活图谱，从离线分析到实时解码，从单一设备到多模态同步平台，HD-sEMG 正在推动外骨骼、智能假肢、康复机器人和人机交互研究向更精细、更自然、更系统的方向发展。
未来，这一领域的发展仍将依赖多方面的共同进步：更稳定的柔性穿戴电极、更可靠的实时解码算法、更强的跨天和跨个体泛化能力，以及更完整的多模态同步实验平台。对于希望深入开展神经肌肉控制与人机协同研究的课题组而言，HD-sEMG 不只是一个采集工具，更可能成为理解“肌肉信号如何转化为运动意图”的重要研究入口。
参考文献
[1] Quadrelli D, Canepa M, Di Domenico D, Boccardo N, Chiappalone M and Laffranchi M (2025) Advances in HD-EMG interfaces and spatial algorithms for upper limb prosthetic control. Front. Neurosci. 19:1655257.
[2] Yang, J., Shibata, K., Weber, D. et al. High-density electromyography for effective gesture-based control of physically assistive mobile manipulators. npj Robot 3, 2 (2025).
[3] Qiu F, Liu X and Ye X (2025) Influence of electrode placement on the recognition of different gesture categories using high-density sEMG. Front. Neurosci. 19:1750792.
[4] Yang, S., Chen, C., Li, D. et al. A Consecutive Multi-Day High-Density Surface Electromyography Dataset Comprising 7 Grasps and 11 Gestures. Sci Data 12, 1420 (2025).
[5] Yang, S., Cheng, J., Shang, J. et al. Stretchable surface electromyography electrode array patch for tendon location and muscle injury prevention. Nat Commun 14, 6494 (2023).
相关文章
更多 >