💻 computer science

OLIVE: Online Low-Rank Incremental Learning for Efficient Adaptive Exoskeletons

OLIVE 是一种参数高效的在线学习框架，它通过将控制策略分解为通过传感器驱动的策略梯度进行更新的低秩残差，使可穿戴外骨骼能够实时地持续适应个体用户和动态地形，从而在不依赖离线参考轨迹的情况下，在步态平滑度、精力消耗降低和稳定性方面实现显著提升。

原作者： Dong Liu, Yanxuan Yu, Ben Lengerich, Tony Geng, Ying Nian Wu

发布于 2026-06-05

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Dong Liu, Yanxuan Yu, Ben Lengerich, Tony Geng, Ying Nian Wu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你拥有一双高科技的机器人腿（外骨骼），旨在帮助人们行走。现有大多数机器人腿的问题在于，它们就像一个僵硬、按程序跳舞的舞伴。它们知道几种特定的舞蹈动作（在平地上行走、上楼梯），并试图每次都完美地执行这些动作。但如果你突然踩到崎岖的小径、感到疲劳或者改变了行走方式，机器人仍会坚持跳那套旧的舞步，这会让人感到别扭、不稳定，甚至危险。

这篇论文介绍了一种名为 OLIVE 的控制这些机器人腿的新方法。请不要把 OLIVE 仅仅看作一个僵硬的舞伴，而要把它看作一个聪明、学得极快的侧翼搭档，它能根据你的感受和所处的行走环境，实时调整它的动作。

以下是 OLIVE 的工作原理，通过简单的概念进行拆解：

1. “冻结基座”与“快速素描”

大多数机器人在每次行走时都会尝试从头开始学习，这既缓慢又耗费计算资源。OLIVE 采取了不同的方法。

冻结基座 ( $W_0$ )： 想象一位名厨，他已经通过研究数百万人的行走方式，记住了成千上万道食谱（行走模式）。这位“基础大厨”是固定不动的；他掌握了行走的基础知识，且永远不会改变其核心知识。
低秩素描 ( $\Delta W_t$ )： OLIVE 不会在你每次行走时都重写整本食谱，它只是在大厨的指令之上添加了一个微小的、快速的素描。这个素描是一个小幅度的调整（一种“低秩”更新），它会说：“嘿，今天的地面很颠簸，所以让我们稍微调整一下左腿。”
为什么这很重要： 因为机器人只需要更新这个微小的素描，而不是整本书，所以它可以在毫秒级内（比眨眼还快）做出改变，这对于穿戴式设备的安全至关重要。

2. “调光开关”（门控机制）

有时，你不希望机器人改变想法太多。如果你在平坦、熟悉的街道上行走，你并不需要新的策略。

OLIVE 有一个调光开关（称为门控机制）。
如果机器人感知到你处于稳定、熟悉的环境中，它会将调光器调低（接近 0）。此时，机器人几乎完全依赖于值得信赖的“大师级大厨”（基础控制器）。
如果机器人感知到你感到疲劳、地面不平或正在爬楼梯，它会将调光器调高（接近 1）。现在，“快速素描”接管了任务，为你的特定需求进行个性化调整。

3. “智能背包”（动态秩调度）

想象你在为徒步旅行打包一个背包。如果你在平坦的路上行走，你只需要一个轻便的小背包；如果你在攀登陡峭、多石的山路，你需要一个巨大的、沉重的背包，里面装满了各种装备。

OLIVE 有一个会自动改变大小的智能背包。
在平地上，它会将背包缩小到最小尺寸（使用极少的调整），以节省电池和处理能力。
在复杂地形（如楼梯或多石的山坡）上，它会瞬间扩大背包，以容纳更复杂的调整，从而为机器人提供应对挑战所需的“脑力”。

4. 通过“感觉”学习（奖励塑造反馈）

通常，要教会机器人如何走得更好，你需要一段完美人类行走的视频，并告诉机器人：“模仿这个。”但在现实世界中，你并不总能拥有这样一段完美的视频作为参考。

OLIVE 不需要视频参考。相反，它通过感觉来学习。
它利用你身上的传感器（肌肉传感器、运动传感器、振动传感器）来询问：“刚才那一步感觉更容易了吗？我晃动得更少了？我的肌肉放松了吗？”
如果答案是“是的，感觉更好了”，机器人就会获得一份“奖励”，并保留那个微小的调整。如果感觉变差了，它会尝试另一种微调方案。这就像是通过感受平衡感来学习骑自行车，而不是通过观看教科书。

实验结果：发生了什么？

研究人员在一台轻量化机器人髋部辅助设备上对六名健康志愿者进行了测试。他们在平地、楼梯、斜坡和多石的鹅卵石路上行走。

行走更平滑： 机器人的行走动作变得更加平滑（比下一优方法提升了 13%）。
更省力： 用户感觉到消耗的能量更少了（提升了 22%）。
更稳定： 用户发生晃动或失去平衡的可能性降低了（提升了 15%）。
学习速度快： 机器人大约在 1,800 步内（约 15 分钟的行走时间）就学会了如何帮助每个人。
速度： 它能在 7.4 毫秒内做出所有决策，这足以实现实时保障用户安全。

总结： OLIVE 是一个赋予机器人腿“大脑”的系统，这个大脑可以根据你的独特身体状况和不断变化的世界进行即时适应，而无需重新编程或依赖完美的视频指南。它通过在坚实的基座之上进行微小且聪明的调整，实现了节能并保持了你的稳定性。

技术摘要：OLIVE —— 用于高效自适应外骨骼的在线低秩增量学习

1. 问题陈述

穿戴式下肢外骨骼在恢复肢体障碍患者运动能力方面具有巨大潜力。然而，当前的控制系统面临一个关键瓶颈：它们依赖于静态策略，无法适应现实环境和个体生物力学的动态变化。现有的方法可分为三类，每类都有其局限性：

基于规则的有限状态机： 在遇到新地形或意外步态转换时表现脆弱。
阻抗/导纳控制器： 依赖于手动调优参数，无法在不同用户或场景间实现泛化。
离线训练权重： 部署时的策略是固定的，无法纳入运行时的反馈。

有效的辅助系统需要持续适应环境上下文（例如地形变化）和个体用户状态（例如疲劳、步态漂移）。此外，这种适应必须在具有严格延迟约束（<10 ms）的嵌入式硬件上进行，以确保闭环安全性，这排除了计算成本高昂的全矩阵在线学习。

2. 方法论：OLIVE 框架

OLIVE（Online Low-rank Incremental Learning for Efficient Adaptive Exoskeletons，用于高效自适应外骨骼的在线低秩增量学习）通过将外骨骼辅助建模为一个在线、参数高效的自适应问题来解决这些挑战。该系统运行在一个配备了四种传感模态的穿戴式双侧髋辅助外骨骼上：高频 IMU/关节编码器、表面肌电信号（sEMG）、执行器振动传感器以及推断的上下文信息。

2.1 低秩自适应控制器

其核心创新是将策略参数矩阵 $\Theta_t$ 分解为一个冻结的基准控制器 $W_0$ 和一个在线可更新的低秩残差 $\Delta W_t$ ：
$\Theta_t = W_0 + \Delta W_t = W_0 + A_t B_t^\top$

基准控制器 ( $W_0$ )： 从预训练的多模态基础模型（Pretrained-MM）初始化，该模型是在大规模人群数据（IMU、EMG、编码器、振动）上训练而成的。 $W_0$ 在部署期间保持冻结，提供鲁棒的运动先验。
低秩因子 ( $A_t, B_t$ )： 这些矩阵（ $A_t \in \mathbb{R}^{d \times r}, B_t \in \mathbb{R}^{k \times r}$ ）进行在线更新。通过将更新限制在秩 $r \ll \min(d, k)$ 的空间内，在线更新的计算成本从 $O(dk) $降低到$ O(r(d+k))$。

2.2 门控个性化

为了防止在输入不确定或快速变化时发生失稳，一个标量门控系数 $\alpha_t \in (0, 1)$ 用来调节个性化残差的影响程度：
$a_t = \pi_{W_0 + \alpha_t A_t B_t^\top}(s_t)$
一个小型神经网络 $g(\cdot)$ 根据当前状态和历史记录预测 $\alpha_t$ 。当 $\alpha_t \approx 0$ （稳定上下文）时，系统依赖于鲁棒的基准控制器；当 $\alpha_t \approx 1$ （检测到状态偏移或疲劳）时，个性化组件被完全激活。

2.3 动态秩调度

意识到不同的地形需要不同的表示能力，OLIVE 采用了动态秩调度器。复杂度估计器 $c_t$ 预测当前状态的难度。有效秩 $r_t$ 根据 $c_t$ 从候选集 $\{r_{min}, \dots, r_{max}\}$ （例如 4 到 16）中进行选择。

简单地形（平地行走）： 收敛至低秩（ $r_t=4$ ），最小化计算负载。
复杂地形（楼梯、不平整表面）： 扩展至更高秩（ $r_t=16$ ），以分配必要的容量。
该机制与门控网络共享权重，以最小化参数开销。

2.4 基于奖励整形策略梯度的在线增量更新

OLIVE 使用纯粹由本体传感器反馈驱动的策略梯度方法来更新低秩因子 $A_t$ 和 $B_t$ ，从而消除了对离线参考轨迹的需求。

奖励整形： 奖励 $r_t$ $r_{t}$ 由以下各项计算得出：
1. $\Delta \text{EMG}_t$ ：步间平均肌肉激活度的下降（表示努力程度的降低）。
2. $E_t$ ：基于 IMU 方差和负荷不对称性推导出的标准化代谢努力度代理指标。
3. $\phi(s_t, a_t)$ ：归一化的质心（CoM）偏差和步态不对称性。
目标函数： 系统最小化一个正则化的负奖励损失：
$\mathcal{L}_t = -\lambda_1 r_t + \lambda_2 \mathcal{L}_{smooth} + \lambda_3 \mathcal{L}_{stab}$
正则项惩罚扭矩不连续性和姿态不稳定性，起到信任区域约束的作用，以确保稳定性。

3. 主要贡献

本文声称了三个主要贡献：

一种低秩自适应控制器： 基于 Pretrained-MM 初始化的多模态基准策略，通过奖励整形策略梯度进行在线更新，无需参考轨迹。
一种门控机制： 根据用户上下文动态调节个性化残差的影响，以确保稳定性。
一种动态秩调度器： 根据估计的状态复杂度实时选择更新秩 $r_t$ ，在自适应能力与计算成本之间取得平衡。

4. 实验结果

该框架在一个轻量化外骨骼（2.4 kg）上进行了评估，测试对象为六名健康参与者，涵盖四种地形条件：平地行走、楼梯导航、坡道和不平整的鹅卵石路。

4.1 性能指标

与三种基准方法（Static、Rule-Based 和 Fixed-NN）相比，OLIVE 展示了显著的改进：

步态平滑度： 比最强的基准方法（Fixed-NN）提升了 13 个百分点。
努力程度降低： 提升了 22 个百分点。
运动稳定性： 提升了 15 个百分点。
收敛性： 系统在大约 1,800 步行走内收敛至低努力状态。

4.2 效率与延迟

延迟： 在基于 ARM 的 SoC 上，端到端推理和更新延迟为 7.4 ms，远低于 10 ms 的安全预算。
计算节省： 动态秩调度器在简单平地行走（ $r_t=4$ ）期间，相比全秩更新，可减少高达 16 倍的更新参数量。
消融实验： 去除 Pretrained-MM 初始化会导致最大的性能下降。去除门控机制会不成比例地降低稳定性，而去除动态秩调度则会在不显著影响质量的情况下增加延迟。

5. 重要性与主张

本文指出，OLIVE 验证了在低秩子空间中进行在线权重更新作为一种平衡稳定性与个性化的可行方案。其重要性在于：

消除对参考轨迹的依赖： 通过使用由本体传感器驱动的奖励整形策略梯度，它消除了对离线参考轨迹的依赖，实现了现实环境下的真正“人机协同（human-in-the-loop）”优化。
硬件高效性： 它证明了通过将学习算法（低秩、门控、动态秩）与硬件约束进行协同设计，可以在穿戴式嵌入式硬件上实现复杂的自适应。
统一框架： 不同于以往孤立处理稳定性、效率或个性化的方法，OLIVE 将这三者整合在单一的低秩框架内，实现了从平地行走至不平整地形导航等多种活动的鲁棒性能。