产生并执行训练课程程序的制作方法

本公开是在训练患者使用机器人矫正或步态康复装置进行行走的领域中。

在国际专利申请公布号WO09125397、WO0028927、WO14202767、WO0215819和WO2004009011中描述了在本领域中的一些方法和装置。

概述

本发明的一些实施方式的方面包括用于训练患者执行也被称为步态相位或步态事件的特定行走阶段的装置。在一些实施方式中，装置包括：

机器人，其配置成移动患者的腿；

处理器，其配置成控制机器人移动患者的腿以便产生步态周期；

传感器，其配置成感测在步态训练期间至少在特定步态事件时由患者的腿施加的力，并发送指示所述力的信号；以及

显示器(例如视觉或听觉显示器)，其配置成在步态训练期间向患者显示指令。

在一些实施方式中，处理器还配置成向显示器发送信号以在机器人在整个特定步态事件中移动患者的腿时指示患者来动作。处理器还可配置成基于从传感器发送并指示患者对显示在显示器上的指令的反应的信号来调节机器人的控制。例如，在信号被发送到显示器之后不久，信号从传感器被发送。

在一些实施方式中，装置还可包括配置成允许用户指示特定步态事件的用户接口，且处理器配置成基于来自用户接口的输入来确定必须被患者练习的特定步态事件。

在一些实施方式中，特定步态事件选自由足跟着地、支撑、足趾离地、抬腿和摆动组成的组。

在一些实施方式中，处理器配置成如果患者的动作在合规范围之外则调节机器人的控制且如果患者的动作在所述合规范围之内则保持机器人的控制不变。

在一些实施方式中，处理器配置成如果患者的动作在合规范围之内则调节机器人的控制以比在患者被指示动作之前更快地移动患者的腿。

在一些实施方式中，处理器配置成基于从传感器发送的信号确定患者的动作是在所述合规范围之外还是之内。

本发明的一些实施方式的方面可包括用于训练患者执行特定步态事件的计算机实现的方法。在一些实施方式中，该方法包括：

控制机器人移动患者的腿以便产生步态周期；

当机器人被控制来移动患者的腿以执行特定步态事件时指示患者来动作；以及

在患者被指示动作之后基于由患者产生的动作调节机器人的控制。

在一些实施方式中，该方法包括：

基于来自传感器的输入确定在患者被指示动作之后由患者做出的动作的合规水平。输入可指示由患者的腿例如响应于指令而施加的力。来自传感器的输入可包括由传感器发送的信号。

该方法还可包括向患者提供反馈。可经由显示器提供反馈(例如视觉、文本、图形、口头或听觉反馈)。在一些实施方式中，反馈可包括基于所确定的合规水平调节机器人的控制。

在一些实施方式中，该方法还包括从用户接口接收关于哪个步态事件将被特别训练的指示以及基于所述指示来控制机器人。

在一些实施方式中，特定步态事件选自由足跟着地、支撑、足趾离地、抬腿和摆动组成的组。

在一些实施方式中，该方法可包括基于从传感器接收的输入调节机器 人的控制。例如，调节机器人的控制可包括如果所确定的合规水平在合规范围之外则调节以比在患者被指示动作之前更慢地移动患者的腿，以及如果所确定的合规水平在所述合规范围之内则保持机器人的控制不变。

在另一例子中，调节机器人的控制可包括如果所确定的合规水平在给定合规范围之内则调节以比在患者被刺激来动作之前更快地移动患者的腿。

本发明的一些实施方式的方面包括用于训练患者执行特定步态事件的装置。装置包括至少一个处理器，其配置成：

确定待训练的步态事件；

识别患者的步态事件；以及

基于在所识别的步态事件和所确定的步态事件之间的比较来指示患者来动作。

在一些实施方式中，至少一个处理器配置成从至少一个传感器接收指示患者的步态事件的数据并基于从至少一个传感器接收的数据识别患者的步态事件。

在一些实施方式中，装置包括感测由患者的腿施加的力的至少一个传感器。在一些这样的实施方式中，至少一个处理器配置成从至少一个传感器接收数据并基于所述数据识别患者的步态事件。在一些实施方式中，从至少一个传感器接收的数据是或指示由患者的腿施加的力。

在一些实施方式中，装置包括配置成连接到患者的腿并移动患者的腿的机器人臂，且至少一个处理器配置成在包括多个周期点的步态周期中控制机器人臂移动患者的腿。

在一些实施方式中，至少一个处理器配置成基于患者的腿移动所经过的周期点来识别患者的步态事件。

在一些实施方式中，装置包括配置成当患者正训练时向患者显示指令的显示器。在一些这样的实施方式中，至少一个处理器配置成通过在显示器上显示指令来指示患者。

在一些实施方式中，装置包括允许用户与至少一个处理器通信的用户接口，其中至少一个处理器配置成基于经由用户接口接收的输入确定待训练的步态事件。

在一些实施方式中，至少一个处理器配置成接收指示沿着步态周期由患者的腿施加的力的数据，并分析所述数据以确定待训练的步态事件。

在一些实施方式中，至少一个处理器配置成调节对配置成连接到患者的腿并移动患者的腿的机器人臂的控制，对控制的所述调节基于从感测由患者的腿施加的力的至少一个传感器发送的信号，所述信号基于在所识别的步态事件和所确定的步态事件之间的比较来指示患者对由至少一个处理器提供到患者的指令的反应。

附图的简要说明

在本文仅作为例子参考附图描述了本发明的一些实施方式。现在详细地特别参考附图，强调所示细节是作为例子且用于说明本发明的实施方式的讨论的目的。在这个方面中，连同附图进行的描述使本发明的实施方式可如何被实施对本领域中的技术人员变得明显。

图1A是根据本发明的一些实施方式的用于训练患者行走的装置的方框图；

图1B是根据本发明的一些实施方式的步态康复装置的图形表示和根据本发明的一些实施方式的设备的一部分的拉近视图；

图2是根据本发明的一些实施方式的训练患者执行特定步态事件的方法的流程图；

图3是根据本发明的一些实施方式的用于产生用于训练患者行走的程序课程的装置的方框图；

图4是根据本发明的一些实施方式的获得并执行训练课程程序的方法的流程图；

图5是根据本发明的一些实施方式的运行用于训练患者行走的训练课 程的方法的流程图；以及

图6是根据本发明的一些实施方式的使用机器人矫正装置训练患者行走的方法。

详细描述

本公开在使用机器人步态康复装置训练患者行走的领域中。患者一般遭受神经疾病或矫正外科损伤。神经疾病的例子可包括头损伤、中风后疾病和帕金森疾病。矫正外科损伤的例子可包括全髋关节置换、全膝关节置换和全踝关节置换。更具体地但不是排他地，本公开指特别配置成训练不同的特定步态事件的步态康复装置和方法。人的步态周期可被考虑为包括几个步态事件，例如足跟着地、足趾离地和摆动。患者可能在它们中的一个方面特别困难，且在这样的情况下当前公开的装置和方法可能在提供聚焦于那个特定步态事件的执行的训练方面是有利的。

在一些实施方式中，治疗师可识别需要特定训练的步态事件。治疗师可接着指示装置特别训练这个步态事件。指令可经由被配置成接收这样的指令的用户接口来提供。用户接口可连接到配置成基于从用户接口接收的输入来控制装置的处理器。

在一些实施方式中，需要特定训练的步态事件可由步态康复装置识别。装置可接着例如经由上面提到的(或其它)用户接口向治疗师指示识别出了对特定步态事件的特殊训练的需要。在一些实施方式中，治疗师可决定是否训练患者专注于特定步态事件，或何时开始这样的训练。在一些实施方式中，处理器开始训练患者专注于那个步态事件，除非治疗师指示另外的情况。

可通过分析在患者有规律地使用装置期间进行的测量的结果来得到需要专注训练的特定步态事件的识别。例如，装置可包括附接到患者的脚的传感器，且这些传感器可提供关于由每只脚的不同部分施加的力的数据。这个数据可被分析以找到在步态事件中的特定步态事件中的异常。

在一些实施方式中，特定的训练可包括特定步态事件将开始的对患者 的警告。这样的警告可使患者更注意在训练这个特定步态事件时的他的动作。在一些实施方式中，特定的训练可包括当特定步态事件开始时指示患者是更主动的(或开始为主动的)。是更主动的可包括例如施加更多的力。

图1A是描述用于训练患者110执行特定步态事件的装置100的方框图。装置100被示为包括机器人120、传感器130、显示器140和处理器150。图1A是装置100的图形表示。

机器人120配置成例如当患者的重量的一部分由提升机122支撑时移动患者的腿。在一些实施方式中，装置100还可包括踏车(124)，例如当患者的一些重量由提升机122支撑时和/或当患者的腿由机器人120移动时，患者可在踏车上行走。为了移动患者的腿，机器人120可包括设计成缠绕腿(例如在大腿处、在膝盖之下和/或在脚踝附近)的腿铐(126、128)。铐可连接到机器人120的机器人臂132。每个机器人臂可连接到电动机或可以用受控方式移动机器人臂的任何其它设备。机器人120的机器人臂的移动可由处理器150控制，且机器人可将关于铐的位置的反馈实时地发送到处理器，所以处理器可具有铐实际上在哪里的信息，不仅仅是它们应移动到哪里的信息。

传感器130可在一些实施方式中包括在患者的臀部处的测压仪。传感器130可感测例如由患者110在一个或多个铐上例如在两个臀铐126中的每个上施加的力。在一些实施方式中，传感器130可感测力的幅度和力的方向。在一些实施方式中，由传感器进行的测量可指示患者的肌肉活动(例如动作的力量和方向)或可指示移动患者的腿的肌肉——在本文也被称为腿肌肉——的活动的任何其它参数。传感器130可包括安装在铐中或附近——例如铐接触患者或他的衣服的地方、在铐和机器人臂之间的连接附近等——的传感器。在一些实施方式中，传感器130可包括位于患者的脚处(例如在患者的鞋底中)的传感器。传感器130可配置成将指示对其进行表征的所感测的力或参数的信号发送到处理器150。传感器130可感测患者110的动作，并实时地、即当患者正使用机器人训练行走时发送相应的信号。指示所感测到的信号的数据可直接地或经由接收数据并按照所接收的或在某个处理之后将它们传送到处理器的一个或多个中间设备从传感 器传输到处理器。在传感器130和处理器150之间的通信可以是有线的、无线的，或可以是沿着路线的某个部分或某些部分是有线的和沿着路线的其它部分是无线的。

在一些实施方式中，处理器可以在远程服务器上(例如在给装置100提供云计算服务的公共或私有云中)。数据可经由通信网络(例如互联网)被发送到远程服务器、在服务器处被分析，且分析结果可通过通信网络被发送回到装置100。在一些实施方式中，分析结果(不管是远程地还是在本地被分析)可包括对机器人的指令以在一个方向或另一方向上例如更快或更慢地移动。任选地或可选地，分析结果可包括对显示器(例如显示器140)的指令以向患者显示基于测量结果由服务器为患者选择的锻炼指令。这些指令可在一些实施方式中设计成训练患者实施特定步态事件。在一些实施方式中，分析结果可包括对治疗师的推荐，且治疗师可决定是否接受它们，以某种修正的形式接受它们，或拒绝它们。例如，服务器的推荐可包括使用特定的锻炼来训练患者执行足跟着地的推荐，且治疗师可接受推荐，决定使用另一锻炼来训练患者执行足跟着地，或拒绝推荐。在一些实施方式中，治疗师可决定例如使用小睡型功能延迟他的关于推荐的决定。

通过云工作可允许例如在中央将新锻炼加载到连接到同一云的不同装置。以这种方式，如果新锻炼被发现是在临床上有用的，则云可被装有这个锻炼。在一些实施方式中，云可进一步被装有何时应用或建议新锻炼的规则。以这种方式，新锻炼变得对连接到同一云的所有类似的装置的用户可用。通过云工作也可以是有利的，因为治疗师可提供关于不同锻炼的输入和反馈以及它们在不同的临床情况中的功效，且这个信息可与所有其他用户实时地共享。可选地或此外，由用户输入的信息可用于提高由云提供的推荐。在一些实施方式中，锻炼的临床功效可基于在从患者接收的数据中的进行中的变化由云估计，并提高对这样的估计最好的推荐。虽然术语“云”被使用，本发明不限于任何特定的服务提供架构，并可利用例如一个或多个专用服务器。

处理器150可配置成控制机器人120以移动患者110的腿以便产生步态周期。

如在本文使用的，术语“处理器”可包括对输入或输出执行逻辑操作的电路。例如，这样的处理器可包括一个或多个集成电路、微芯片、微控制器、微处理器、中央处理单元(CPU)的全部或部分、图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或适合于执行指令或执行逻辑操作的其它电路。

由处理器执行的指令可以例如被预先加载到处理器内或可存储在单独的存储器单元例如RAM、ROM、硬盘、光盘、磁性介质、闪存、其它永久、固定或易失性存储器或能够为处理器存储指令的任何其它机构中。处理器可为了特定的用途而被定制，或可为了通用用途而配置并可通过执行不同的软件来执行不同的功能。

在一些实施方式中，多于一个处理器用于执行一个或多个所列举的指令。这通过对“至少一个处理器”的提及来强调，但在本文列举的任何处理器可以用一起配置成执行所列举的指令的多个处理器代替。在这样的实施方式中，所有所使用的处理器可具有类似的结构，或它们可具有不同的结构。所使用的处理器可彼此电连接或断开。它们可以是单独的电路或集成在单个电路中。当多于一个处理器被使用时，它们可配置成独立地或协作地操作。它们可以电子地、磁性地、光学地、声学地、机械地或通过允许它们交互作用的其它手段被耦合。

如在本文使用的，如果结构(例如机器人、处理器等)被描述为“配置成”执行特定任务(例如配置成移动患者的腿)，则结构包括使机器能够执行该特定任务的部件、零件或方面(例如软件)。在一些实施方式中，结构在操作期间执行这个任务。例如，配置成执行任务的处理器可被编程为实行一起导致任务的执行的指令。

每个步态周期可包括一起组成步行的步态事件。这样的事件(也被称为阶段)的例子可包括足跟着地、支撑、足趾离地、抬腿和摆动。在足跟着地阶段中，足首先以足跟碰地。在足跟着地阶段之后，在前的腿碰地，且肌肉起作用来处理穿过腿的力。这被称为支撑阶段。在足趾离地阶段期间，足准备离开地面——足跟首先，足趾最后。一旦足离开地面，下肢就抬高，为摆动阶段做准备。这被称为抬腿阶段。在摆动阶段中，抬高的腿 被向前推进。这是行走的前向运动出现的地方。接着，足跟碰地，且整个周期重复。在一些实施方式中，步态周期可不同地被划分到步态事件，例如到站立阶段、蹬地阶段和摆动阶段。步态周期的另一可能划分是只分为站立阶段和摆动阶段。步态周期的另一可能划分是分为六个阶段：足跟着地、负重响应、站立中期、站立末期、预先摆动、摆动初期和中期以及摆动末期。本发明不取决于步态周期被划分到阶段或事件的特定方式。机器人使患者经过所有阶段行走，且传感器连续地传输指示由患者施加的力的数据，所以处理器可将来自机器人臂的输入或它们的控制与来自传感器的输入组合，以判断在每个步态事件处由患者施加了什么样的力量。

在一些实施方式中，处理器150配置成使机器人120(或它的臂)移动而经过沿着步态周期的大量周期点，例如经过50、100、200、360或任何更小、更大或中间数量的周期点。周期点可分布在沿着步态周期的相等时差处。可通过设定在周期点之间的时差的大小来设定行走速度：从一个周期点移动到下一周期点花费的时间越长，行走速度就越慢。机器人可流畅地通过这些周期点，所以流畅的运动产生。处理器可包括存储在沿着步态周期的周期点与步态事件之间的相应性的存储器。以这种方式，处理器可按照周期点识别锻炼的患者在任何时刻的步态事件，机器人在那个时刻经过该周期点。处理器150可指示显示器140基于机器人经过的周期点来向患者110显示指令，且以这种方式，在被提供到患者的指令和患者的当前步态事件之间同步。

在一些实施方式中，处理器150可指示显示器140向患者显示在线反馈。在一些实施方式中，在线反馈可指示由患者施加的力。在一些实施方式中，在线反馈可指示患者与所提供的指令的合规性。合规性可向患者指示所施加的力多么接近目标力。处理器150可通过不同于显示器140(或除了显示器140以外)的通道来提供类似的在线反馈。例如，在线反馈可以是以行走速度的变化的形式。在一个这样的例子中，如果所施加的力低于目标阈值，则处理器可控制机器人减慢患者的步伐，且如果例如在预定时间段内目标阈值未达到则停止步伐，例如以让患者休息。在另一这样的例子中，如果所施加的力高于目标阈值，则处理器可控制机器人加快行走 速度，以便训练患者更快地行走。在这两个例子中，步速变化(减慢或加快，看情况)向患者提供指示患者的合规性的在线反馈。

在一些实施方式中，处理器150可配置成基于实时用户输入来指示显示器140向患者110显示预定指令。例如，装置可包括配置成从用户(例如治疗师)接收练习现在应发生的指示的用户接口。在一个这样的例子中，用户接口可包括“现在练习”按钮，当治疗师看到患者进入待练习的步态事件时治疗师可按该按钮。在一些实施方式中，立即响应于该按钮被按下，处理器150指示显示器140动作。处理器还可遵循患者与指令的合规性，调节另外的指令，并基于合规性来调节机器人的控制。在一些这样的实施方式中，处理器可使用治疗师输入来获悉步态事件何时开始。例如，用户接口还可允许用户指示哪个步态事件将被练习，以及处理器可配置成使所指示的步态事件与周期点相关，当用户按下“现在练习”按钮时，机器人经过周期点移动患者的腿。这个相关性机制可例如用于“教导”处理器150识别步态事件。在一些实施方式中，相关性机制可用于允许治疗师向装置100定义新步态事件。

本发明的一些实施方式的方面可以是如上所说的处理器150或包括它的任何步态康复装置。在一些这样的实施方式中，处理器150可配置成确定待训练的步态事件。如上所述，确定要训练哪个步态事件可基于用户输入。在一些实施方式中，所述确定可基于从传感器130接收的数据的分析，其可选地由处理器150执行。

在一些实施方式中，处理器150可配置成例如如上面所解释的使用机器人120经过的周期点识别患者的步态事件。可选地或此外，处理器150可使用来自传感器130的输入来识别步态事件。可选地或此外，处理器150可使用在线用户输入来识别步态事件。

在一些实施方式中，处理器150可配置成基于在所识别的步态事件和被确定为需要专注训练的步态事件之间的比较来指示患者进行动作。处理器150可通过使特定的指令显示在显示器140上来指示患者。可例如听觉地、视觉地和/或文本地显示指令。

在一些实施方式中，处理器150配置成从传感器130接收指示患者的 步态事件的数据。例如，在鞋底处的传感器可提供指示足跟着地步行阶段正在被练习的数据。处理器可在一些实施方式中配置成基于从至少一个传感器接收的数据来识别患者的步态事件。一旦被识别出，步态事件就可与被确定为需要专注训练的步态事件比较，且训练可相应地继续。

在操作中，显示器140可在患者正训练时向患者110显示指令，例如显示器可显示施加力的指令以便跟随机器人，使得移动腿的力的部分由患者施加，且只有力的其余部分由机器人施加。可文本地、视觉地、听觉地或通过文本、音频和视频的两个或多个的任何组合来显示指令。

在一些实施方式中，处理器150可配置成控制显示器140在机器人移动患者的腿经过特定步态事件时指示患者110动作。传感器130可感测患者110所做出的动作，并将相应的信号发送到处理器150。处理器150可配置成基于指示患者在指令显示在显示器140上之后做出的动作的信号来调节机器人120的控制。

在一些实施方式中，装置100可包括配置成允许用户指示特定步态事件的用户接口160，在该特定步态事件期间，患者被指示动作。用户接口可包括触摸屏、袖珍键盘、光学读取器(例如用于读取条形码或QR代码)或对从用户接收输入有用的任何其它装置。处理器150可配置成基于来自用户接口的输入来确定特定步态事件，并相应地控制显示器。在一些实施方式中，也可基于从用户接口接收的输入来控制机器人。

例如在一些实施方式中，处理器150可配置成，如果患者110的动作低于或高于合规阈值或在两个合规阈值之间定义的合规范围之外，则调节机器人的控制。合规阈值可以是例如所感测的参数的值、在所感测的参数之间的比值或在所感测的值和同一参数的目标值之间的比或指示患者与由显示器140提供给他的指令的合规性的任何其它值。这样的值可包括由患者施加的力的大小、力的方向、力施加的定时等。在一个例子中，在患者需要对指令做出响应的锻炼中，可基于成功率例如指令的部分来计算合规指标，患者在从接收到指令起的预定时间段内对指令做出响应。这个部分(以及其它合规指标)可用于评估合规水平。在另一例子中，当患者需要不时地增加他的行走速度时，可基于平均行走速度除以目标平均行走速 度来计算合规指标。在另一例子中，当机器人臂不在使用中时，例如当患者在由提升机部分地提升或独立于提升机在踏车上行走时，在两条腿中的步长大小(和/或步行速度)之间的比可以作为合规指标。例如，相等的步长大小可向合规指标给出最高值，且当在两条腿中的步长大小之间的差(或比)增加时，合规指标可在值上减小。在另一例子中，例如与目标步长大小比较的步长大小的长度可用作合规指标。在一些实施方式中，合规水平可以是两个或多个合规指标的值的平均。在一些实施方式中，平均值可以是加权平均，不同的权重被分配到不同的合规指标。在一些实施方式中，权重可以相等。

机器人120的控制的调节可设计成向患者110提供关于他的合规性的肌肉运动反馈。例如在一些实施方式中，如果患者的合规性低于可接受的合规阈值，机器人可以减速并保持减速直到它停止为止，除非患者的合规性在减速期间提高。如果合规性高于所开始的阈值，患者不会经历减速。如果机器人停止，则机器人可以给患者提供某个预定休息时间并接着再次开始锻炼。锻炼可以以机器人使患者以有规律的步态经过所有步态事件行走一些步而开始，并接着指示患者在特定步态事件期间施加力，如上所述。

在一些实施方式中，患者可被指示连续地施加力，并在经由显示器140这么指示时加强所施加的力。如果成功(例如，如果合规性高于阈值)，则机器人可被控制来使患者以更高的速度行走。

图2是在实现根据本发明的一些实施方式的方法200时将采取的动作的流程图。方法200可以是计算机实现的，且特别是可由图1所示的装置100的处理器150实现。计算机实现的方法200对于装置100可以是本地的或远程的，例如专用于控制步态康复设备，或在云上。方法200可以对训练患者执行特定步态事件是有用的。上面描述了步态事件。

在202中，可控制机器人(例如机器人120)以移动患者的脚以便产生步态周期。

在204中，识别出患者正进入必须被训练的特定步态事件。可如上所述执行识别。

在206中，患者被指示(例如通过适当地控制显示器140)来动作。当识别出患者正进入或将要进入必须被训练的步态事件时，执行这个步骤。动作的指令可与患者进入特定步态事件同步地(例如在开始特定步态事件之前、期间或之后不久的周期点)显示给患者。处理器可从用户接口例如从上面所述的用户接口160接收指示将被训练的特定步态事件的数据。在一些实施方式中，方法200可包括接收指示患者的步态模式的数据。这些数据可包括由脚施加在地面上的力的测量(例如什么部分接触、在什么力下和什么时候)。在一些实施方式中可从感测由患者的脚(或在患者的脚上)施加的力的传感器(例如在患者的鞋内部例如在鞋底上或下的传感器)得到这样的数据。在这样的实施方式中，处理器可使用这个数据来推断出特定步态事件将被训练，以及这个特定步态事件是什么。在一些实施方式中，处理器可建议治疗师训练这个特定步态事件。在一些实施方式中，处理器可开始训练这个特定步态事件而不从治疗师接收明确的指令来这么做。例如在一些实施方式中，治疗师也许能够给处理器提供一般指令以每当处理器发现这足够时就训练特定步态事件。在一些实施方式中，治疗师可能要求处理器在开始训练患者进行特定步态事件之前等待明确的指令。在206中，可在患者被指示(例如经由显示器140)来动作之后基于由患者做出的动作来调节机器人120的控制。

在一些实施方式中，步骤208可包括在步骤206被进行之后确定由患者做出的动作的合规水平。可基于从传感器(例如传感器130)接收的输入来确定合规水平，该输入指示由患者响应于患者在步骤204接收的指令而施加的力。

在步骤210中，基于所确定的合规水平来调节机器人的控制。例如，机器人可被控制成如果所确定的合规水平低于合规阈值则比在步骤206被进行之前更慢地移动患者的腿，以及如果所确定的合规水平等于或高于合规阈值则保持机器人的控制不变。

在另一例子中(或除了前一例子以外)，步骤210可包括调节机器人的控制以如果所确定的合规水平高于合规阈值则比在步骤206被进行之前更快地移动患者的腿。

在示例性实施方式的前述描述中，为了简单化本公开的目的，在单个实施方式中将各种特征分组在一起。本公开的这个方法不应被解释为使发明反映所主张的发明需要比在每个权利要求中明确列举的更多的特征。更确切地，创造性方面可在于少于单个前述公开的实施方式的所有特征。而且，从说明书的考虑和本公开的实践中对本领域中的技术人员将明显，可对所公开的装置和方法做出各种修改和变化而不偏离本发明的范围，如所主张的。例如，方法的一个或多个步骤和/或装置或设备的一个或多个部件可被省略、改变或替换而不偏离本发明的范围。因此，意图是说明书和例子仅用作例子，本公开的真实范围由下面的权利要求及其等效形式指示。

图3是用于训练患者行走的装置300的方框图。装置300包括配置成移动患者305的腿的机器人310、用户接口320和处理器330。用户接口320配置成接收关于患者的诊断和患者的表现水平的输入。输入可由治疗师提交。可由治疗师从装置300可能在治疗中有用的条件的列表选择诊断。患者的表现水平也可例如基于患者的过去经历、在使用装置300之前执行的测试和来自患者的治疗师临床印象由治疗师插入。装置300也可具有保存关于患者的个人数据例如名字、性别、年龄等的存储器。

处理器330可配置成经由用户接口320接收指示患者的诊断和患者的表现水平的输入，并基于输入产生患者的课程程序。课程程序可包括多个锻炼和它们由患者练习的顺序。在一些实施方式中，处理器330可包括存储使每对诊断和表现水平与课程程序相关的相关性产生代码例如查找表的存储器。可基于使用类似装置得到的临床经验来准备相关代码，其中课程程序由人治疗师而不是处理器决定。处理器150还可配置成控制机器人根据课程程序来移动患者的腿。

每个锻炼可以例如以锻炼参数为特征。锻炼参数的例子可包括锻炼的步速、步长、要锻炼的步态事件、在患者的合规性被评估之前要锻炼的最小时间、致力于锻炼的最大时间、最小合规阈值、最大合规阈值等。不同的锻炼可具有不同的参数，例如一些锻炼可被进行以训练特定步态事件，且一些锻炼并非如此，所以参数“要训练的步态事件”并非与所有锻炼相关。

在一些实施方式中，锻炼可以以模式为特征。例如，在第一模式中，患者可被预期是完全被动的，且患者的腿仅由机器人移动。在这个锻炼模式中的参数可包括锻炼的持续时间、行走的速度、步长等。在第二模式中，患者可被预期只响应于刺激(例如经由显示器给出的指令)来施加力。在这个模式中，除了持续时间、速度和步长以外，参数还可包括例如在第一刺激之前的持续时间、在对患者的表现的第一评估之前的持续时间、机器人等待患者对刺激的反应时的持续时间等。在第三模式中，患者可被预期在一些力由机器人施加且部分力由患者本人施加时行走，且患者应在被刺激这么做时增加力。除了在第二模式中有用的那些参数以外的一些参数可以是多少力由机器人在患者增加力的周期之间施加。在第四模式中，患者可独自行走(例如在踏车上)，且参数可以是例如行走的速度和可能患者必须在行走期间完成的其它锻炼。本发明不限于表征组成课程程序的锻炼的一组特定的模式和参数。

在一些实施方式中，除了如上所述的锻炼参数以外，每个锻炼还可以以目标表现水平为特征。目标表现水平可包括例如训练时间的一部分，其中患者不必要地施加力(例如在患者被预期是完全被动的模式中)，在一条腿中的步长大小和在另一条腿中的步长大小之间的比(例如在患者在踏车上自由行走的模式中)，患者花费多长时间来对刺激做出响应，患者响应于刺激(例如力的大小和方向)而施加的力多么有效，等等。在一些实施方式中，目标表现水平可以是两个或多个参数的加权和。权重可以是相等的或可以彼此不同。

在一些实施方式中，由处理器150确定的程序课程包括至少一个锻炼或所有锻炼的目标表现水平。

在一些实施方式中，装置300还包括感测在训练期间由患者施加的力的传感器340。处理器330在一些这样的实施方式中配置成从传感器接收指示由传感器感测的力的输入。处理器330可配置成使表现水平与患者在训练期间的实际表现相关。处理器可配置成基于从传感器340接收的输入来做出这样的相关。在一些这样的实施方式中，处理器150可配置成比较与患者的实际表现相关的表现水平与构成程序课程的部分的目标表现水 平。程序课程可已经基于经由用户接口310接收的数据(例如诊断)由处理器确定。处理器330还可配置成基于比较的结果来控制机器人。例如，如果表现水平高于预定阈值，则处理器可停止当前的锻炼，并开始课程中的下一锻炼。在一些实施方式中，在程序课程中的一个或多个锻炼包括高表现水平和低表现水平，且如果患者未达到低表现水平，则处理器停止锻炼并再一次开始以前的锻炼。如果患者达到高表现水平，则处理器可停止当前的锻炼并开始课程中的下一锻炼。

在一些实施方式中，处理器330配置成在预定时间段内比较一次基于来自传感器340的输入而估计的表现水平与目标表现水平。在一些实施方式中，课程程序对于每个锻炼包括预定时间段。

图4是根据本发明的一些实施方式的训练患者移动的方法600的流程图。移动可包括例如行走和/或移动患者的手。

方法600可包括得到用于患者的课程程序的步骤602。在一些实施方式中，可从外部源例如从远程存储器经由通信链路或网络(例如经由互联网)得到课程程序。可选地或此外，可在本地例如基于来自用户的输入来产生课程程序。该输入可经由用户接口例如用户接口320被输入。输入可包括患者的诊断和患者的表现水平中的至少一个，例如，如治疗师估计的或如从在方法600开始之前进行的测量推断出的。课程程序可包括多个锻炼和它们由患者练习的顺序。

方法600还可包括开始根据所得到的课程程序执行训练课程的步骤604。

方法600还可包括接收在训练课程的执行的早期阶段期间(例如在步骤604期间)进行的测量的结果的步骤606。可从传感器例如传感器340接收(直接或间接地)接收结果。测量结果可指示表征患者的移动的参数。例如，在移动包括行走的情况下，参数可包括在每条腿中的步长大小，由患者的腿施加的力，等等。锻炼可根据它被执行时的时间被考虑为在训练中的“早期”或“晚期”阶段中被执行。例如，首先执行的锻炼比在课程中最后执行的锻炼构成训练的更早阶段。因此，可在同一课程期间的稍后时间中考虑在某个时间得到的测量结果。

方法600还可包括基于在训练的早期阶段期间接收的结果来执行课程程序的晚期阶段的步骤608。例如，基于所得到的结果来执行课程的其余部分(在步骤602的执行之后)。

例如，课程程序可包括第一锻炼、第二锻炼和在执行第二锻炼之前执行第一锻炼的指令。在一些实施方式中，方法600包括首先执行第一锻炼；以及在第一锻炼的执行期间，接收指示在练习第一锻炼中患者的表现水平的测量的结果。然后，患者的表现水平可基于测量结果而被估计，并与目标表现水平比较。在一些实施方式中，目标表现水平构成所得到的课程程序的部分。该方法可包括只在所估计的表现水平等于或高于目标表现水平之后从执行第一锻炼切换到执行第二锻炼。

类似地，在一些实施方式中，方法600包括首先执行第一锻炼；以及然后第二锻炼。在第二锻炼的执行期间，指示在练习第二锻炼中患者的表现水平的测量的结果被接收到。然后，患者的表现水平可基于测量结果而被估计，并与和第二锻炼相关的目标表现水平比较。在一些实施方式中，目标表现水平及其与参与课程的不同锻炼的相关性构成在步骤602中得到的课程程序的部分。该方法可包括，如果所估计的表现水平低于目标表现水平，则从执行第二锻炼切换回到再次执行第一锻炼。这些例子参考下面所述的图5稍微更详细地被解释。

在一些实施方式中，课程程序对于被包括在课程程序中的每个锻炼包括最小持续时间。在患者的表现水平被估计之前，每个锻炼可在最小持续时间期间被执行。在一些实施方式中，在表现水平被估计且同一锻炼继续之后，表现水平可在相同长度的另一时期之后再次被估计。

图4的方法和图5的方法可例如由如图3所述的装置实现。

图5是根据本发明的一些实施方式的、用于运行用于使用康复机器人来训练患者行走的训练课程的计算机实现的方法400的流程图。

在步骤402中，课程程序被接收或产生。课程程序可由计算机在线产生或例如由治疗师提前产生，并例如经由用户接口传递到计算机。课程程序包括锻炼的标识、锻炼被执行的顺序。每个锻炼还可包括最小合规阈值 和最大合规阈值。

在步骤403中，待执行的锻炼的系列号n被设置为1。

在步骤404中，计算机运行机器人(例如机器人120)以执行系列号n的锻炼。这个步骤可在最小时间Tn期间被执行，Tn可以是在课程程序中的锻炼#n的参数。

在步骤406中，在锻炼在最小时间期间运行之后，基于从传感器接收的数据来计算合规水平(CL)。

在步骤408中，所计算的合规水平与在课程程序中提供的最大合规阈值(THmax)比较。如果所计算的合规水平等于或大于最大合规阈值(408：是)，则待执行的锻炼的系列号扩大1，且该方法继续到步骤404(除非没有在课程中的另一锻炼，在这种情况下课程结束)。如果所计算的合规水平低于最大合规阈值(408：否)，则该方法转到步骤410。

在步骤410中，所计算的合规水平与在课程程序中提供的最小合规阈值比较。在一些实施方式中，如果所计算的合规水平在最小合规阈值之下(410：否)，则n减小1，且该方法回到步骤404，也就是说，课程回到前一锻炼。然而如果n＝1(未示出)，则警告被发送到治疗师，以指示患者甚至在第一锻炼中也未达到他的目标。在一些实施方式中，代替警告治疗师或除了这样的警告之外，新课程程序产生，但对于具有从课程程序最初被产生时的表现水平低一个等级的表现水平的患者。如果所计算的合规水平在最小合规和最大阈值之间(410：是)，则程序返回到步骤404，以在额外的最小运行时间期间运行相同的锻炼。

图6是根据本发明的一些实施方式的、用于使用机器人矫正装置训练患者行走的计算机实现的方法500的流程图。方法500包括控制提升机来抬起患者使得患者的整个身体重量由提升机支撑的步骤502。这可允许在训练患者做出行走跨步时而同时不支撑患者的身体重量的任何部分。这样的锻炼可在本文被称为在空中行走。在空中行走训练中，可指示患者完全放松。可例如经由在训练期间向患者显示指令的显示器来提供指令。显示器可通过语音、视觉效果和/或文本来显示指令。由患者施加的力可归因于 患者的痉挛状态。这样的力的变化例如它们的减少和在一些情况下它们的最终消除可以是在多个训练课程期间的训练的进展的指示。在一些实施方式中，当患者不在他自己的腿上支撑他的任何重量时执行的测量可用作稍后当重量由患者支撑时的测量的基线。

方法500还可包括控制机器人移动患者的腿以便产生空中行走周期的步骤504。

方法500还可包括从传感器(例如传感器130或340)接收在空中行走期间由患者的腿施加的力的测量的结果的步骤506。

方法500还可包括控制提升机来降低患者使得患者的身体重量的至少部分由患者的腿支撑的步骤508。这样的行走可在本文被称为在地面上行走。在一些实施方式中，在地面上行走可在患者在踏车上时被执行，使得踏车可帮助设定患者的行走速度。

方法500还可包括控制机器人以在地面上行走的步骤510。在一些实施方式中，步骤510的控制可基于当患者在空中行走时从传感器接收的测量。例如，可基于在空中行走的两个不同事件中得到的结果的比较为患者确定程序课程。

将认识到，上面描述的方法可以用很多方式改变，包括省略或添加步骤、改变步骤的顺序和所使用的设备的类型。此外，描述了多个各种特征，包括方法和设备。在一些实施方式中，主要描述了方法，然而，适合于执行方法的装置也可被考虑为在本发明的范围内。

应认识到，不同的特征可以用不同的方式组合。特别是，不是上面在特定实施方式中示出的所有特征都在本发明的每个相似的实施方式中是必要的。此外，上述特征的组合也被考虑为在本发明的一些实施方式的范围内。此外，用于执行和/或指导本文所述的步骤例如患者的腿运动的控制、指示患者来动作并提供反馈的硬件、软件和包括这样的软件的计算机可读介质是在该范围内。

章节标题被提供用于帮助导航且不应被考虑为必须限制章节的内容。当在下面的权利要求中使用时，术语“包括(comprises)”、“包括(includes)”、 “具有”及其词形变化意指“包括但不限于”。也应注意，设备适合于阳性和阴性，阳性代名词为了方便而被使用。

本领域中的技术人员将认识到，本发明不被到现在为止描述的内容限制。更确切地，本发明的范围仅由下面的权利要求限制。