自2018年以来，凯特·尼茨（Kate Nycz）一直患有渐冻症，她能告诉你逐渐丧失基本活动能力的第一手经历。这位39岁的患者表示：“我的手臂最多能抬到90度，但很快就会疲劳无力地落下。用我的右手（我曾经的惯用手）吃饭或做重复性动作很困难，我现在基本上已经变成左撇子了。”

像尼茨这样患有渐冻症等神经退行性疾病或曾经历中风的患者，通常会出现肩部、手臂或手部活动能力受损的情况，导致其难以完成刷牙、梳头或进食等日常活动。

过去几年来，哈佛大学的生物工程师们一直在研发一种柔软的可穿戴机器人，它不仅能为这类患者提供行动辅助，甚至能通过强化治疗帮助他们重获行动能力。但每个人的行动方式都是独一无二的。身体动作具有高度个性化特征，对行动不便者而言尤其如此，这使得设计出适合多数人的辅助设备变得异常困难。

事实证明，机器学习的进步能带来更个性化的体验。John A. Paulson工程与应用科学学院的研究人员与麻省总医院及哈佛医学院的医学科学家合作，对其可穿戴机器人进行了升级，使其能精准响应用户的实际动作。这项改进让设备能提供更个性化的辅助，在日常任务中为用户带来更优质、更可控的支持。

这项研究由哈佛大学Paul A. Maeder工程与应用科学学院的康纳·沃尔什（Conor Walsh）领导，该项研究已发表在《自然-通讯》上。沃尔什实验室致力于为行动障碍者开发以人为本的辅助机器人设备。六年来，该实验室与中风及神经康复专家、麻省总医院神经康复诊所主任戴维·林（David Lin）博士，以及渐冻症专家、麻省总医院神经临床研究所联合主任萨布丽娜·帕加诺尼（Sabrina Paganoni）博士展开合作——两位专家均为论文合著者——共同开发具有临床意义的患者辅助设备。

帕加诺尼表示，“这是一次非常棒的合作，因为沃尔什博士的团队从第一天起就优先考虑了临床医生和患者的意见。这种合作方式让我们能够从最初的原型和研究设计阶段就共同协作。”

该论文描述了驱动该设备的软件的一次重大升级。该设备由一个装有传感器的背心组成，手臂下方连接着一个可充放气的气囊，通过对虚弱或受损肢体施加机械辅助来发挥作用。研究人员采用机器学习模型，通过追踪运动和压力的传感器来识别用户试图完成的动作，从而为不同用户个性化调整辅助力度。

该团队研发这项技术已有数年之久。最新版本通过传感器、气囊、机器学习及基于物理学的模型来学习每位患者的独特动作，帮助他们完成进食、饮水、梳洗等日常活动。这款设备能提供个性化的行动辅助——目前仅适用于上肢。

该背心配备多种传感器及手臂下方的可充气气囊，通过气囊的充放气为虚弱或受损肢体提供机械辅助。传感器实时追踪运动数据与压力变化，机器学习算法则通过分析每位用户的动作模式来定制个性化辅助方案。

迄今为止，开发类似辅助设备的核心挑战在于患者动作模式的独特性；而机器学习技术的突破使得个性化辅助照护成为可能。最近一项研究的视频显示，该机器人帮助稳定一对患者的手臂，使其中一人更容易喝水，另一人更容易梳理头发。

通过与麻省总医院的临床研究人员合作，工程师们已对九名志愿者进行了设备测试，其中五名曾患中风，四名患有渐冻症。该机器人能以94%的准确率识别用户肩部动作，与早期版本相比，手臂下放所需的力量减少了约30%。使用者的肩、肘、腕关节活动范围也显著扩大，减少了通过倾斜或扭转身体代偿的需求，从而提升了动作效率。

这项个性化机器人的终极目标不仅是辅助日常活动，更要帮助患者重获肌肉力量。接下来，该项目的研究人员（已获得美国国家科学基金会技术、创新与伙伴关系理事会下属“融合加速器计划”支持）希望持续优化技术，让患者能在家中独立使用该机器人。