步行辅助装置及控制该装置的方法与流程

一些示例实施例涉及一种用于更新个性化步态策略的方法和/或设备。例如，至少一些示例实施例涉及一种用于在用户保持步行的同时更新个性化步态策略的方法和/或设备。

背景技术：

随着老龄化社会的来临，越来越多的人由于肌肉无力和关节功能异常问题而经受步行的不便和疼痛。因此，对于针对肌肉不适且不能轻松步行的人的步行辅助装置的兴趣日益增长。此外，用于军事用途的增强人体的力量的步行辅助装置正被开发。

技术实现要素：

一些示例实施例涉及一种控制步行辅助装置的方法。

在一些示例实施例中，所述方法包括：基于个性化步态策略，产生用于在当前步态周期期间控制步行辅助装置的辅助配置文件，其中，通过以下步骤来产生个性化步态策略：接收在先前步态周期中测量的与步行辅助装置的运动相关联的状态信息，其中，先前步态周期为在当前步态周期之前发生的步态周期，在当前步态周期期间检测第一事件，在检测到第一事件的时间点评估与运动相关联的状态信息的奖励值，基于与运动相关联的状态信息和奖励值来选择性地更新个性化步态策略；基于辅助配置文件来控制步行辅助装置。

在一些示例实施例中，与运动相关联的状态信息包括步行辅助装置的髋关节角、膝关节角和踝关节角中的一个或多个的变化轨迹。

在一些示例实施例中，检测第一事件的步骤包括：检测以下事件中的一个事件：步行辅助装置的引导腿的髋关节角最大的事件；步行辅助装置的两条腿交叉的事件；步行辅助装置的引导腿与地面接触的事件；步行辅助装置的跟随腿离开地面的事件。

在一些示例实施例中，先前步态周期为从检测到与第一事件对应的先前事件的时间点到检测到第一事件的时间点，当前步态周期为从检测到第一事件的时间点到检测到与第一事件对应的下一事件的时间点。

在一些示例实施例中，奖励值与关于基于先前辅助配置文件的运动的状态信息相关，其中，先前辅助配置文件基于先前步态策略而产生，先前步态策略为在个性化步态策略先前有效的步态策略。

在一些示例实施例中，更新个性化步态策略的步骤包括：通过改变构成先前步态策略的神经网络的参数的权重，来更新个性化步态策略的神经网络。

在一些示例实施例中，更新个性化步态策略的步骤包括：更新针对步行辅助装置的左腿的左腿步态策略；更新针对步行辅助装置的右腿的右腿步态策略。

在一些示例实施例中，更新左腿步态策略的步骤包括以下步骤中的至少一个步骤：更新针对步行辅助装置的左腿的弯曲模式的左弯曲步态策略；更新针对步行辅助装置的左腿的伸展模式的左伸展步态策略。

在一些示例实施例中，产生辅助配置文件的步骤包括：基于所述与运动相关联的状态信息和个性化步态策略，来产生辅助配置文件。

在一些示例实施例中，控制步行辅助装置的步骤包括：在当前步态周期期间检测第二事件；从检测到第二事件的时间点，控制步行辅助装置基于辅助配置文件来操作。

在一些示例实施例中，控制步行辅助装置的步骤包括：基于辅助配置文件来指示步行辅助装置的至少一个驱动器产生扭矩。

在一些示例实施例中，控制步行辅助装置的步骤包括：基于辅助配置文件向用户提供功能电刺激。

在一些示例实施例中，接收状态信息的步骤包括：从步行辅助装置的至少一个传感器接收测量值，其中，测量值为与运动相关联的状态信息，其中，检测第一事件的步骤基于测量值检测第一事件。

在一些示例实施例中，奖励值包括以下项中的一个或多个：所述与运动相关联的状态信息的步态对称度、所述与运动相关联的状态信息的耗电量、所述与运动相关联的状态信息的步态稳定度、代谢成本和外部反馈。

在一些示例实施例中，步行辅助装置被配置为基于用户的步长和步进持续时间中的一个或多个来计算步态对称度。

在一些示例实施例中，步行辅助装置被配置为产生个性化步态策略。

在一些示例实施例中，步行辅助装置被配置为与服务器进行通信，并且更新个性化步态策略的步骤包括：由服务器基于所述状态信息更新个性化步态策略。

在一些示例实施例中，所述方法还包括：由步行辅助装置从服务器接收个性化步态策略。

在一些示例实施例中，控制步行辅助装置的步骤包括：由服务器将辅助配置文件发送到步行辅助装置。

在一些示例实施例中，控制步行辅助装置的步骤包括：由服务器基于辅助配置文件产生用于控制步行辅助装置的驱动器的控制信号；将控制信号发送到步行辅助装置以控制步行辅助装置。

一些示例实施例涉及一种存储计算机可读的指令的非暂时性计算机可读介质，其中，当所述指令由计算机执行时将计算机配置为控制步行辅助装置。

一些示例实施例涉及一种步行辅助装置。

在一些示例实施例中，所述步行辅助装置包括：存储器，被配置为存储用于控制所述步行辅助装置的程序；处理器，被配置为执行所述程序以：基于个性化步态策略，产生用于在当前步态周期期间控制步行辅助装置的辅助配置文件，其中，通过以下步骤来产生个性化步态策略：接收在先前步态周期中测量的与所述步行辅助装置的运动相关联的状态信息，其中，先前步态周期为在当前步态周期之前发生的步态周期，在当前步态周期期间检测第一事件，在检测到第一事件的时间点评估所述与运动相关联的状态信息的奖励值，基于所述与运动相关联的状态信息和所述奖励值来选择性地更新个性化步态策略；基于辅助配置文件来控制所述步行辅助装置。

在一些示例实施例中，所述步行辅助装置的处理器被配置为更新个性化步态策略。

在一些示例实施例中，所述步行辅助装置被配置为：从服务器接收个性化步态策略，其中，服务器被配置为更新个性化步态策略。

一些示例实施例涉及一种更新用于控制步行辅助装置的个性化步态策略的方法。

在一些示例实施例中，所述方法包括：接收在先前步态周期中测量的与步行辅助装置的运动相关联的状态信息；在当前步态周期期间检测事件；在检测到所述事件的时间点评估所述与运动相关联的状态信息的奖励值；基于所述与运动相关联的状态信息和所述奖励值来选择性地更新个性化步态策略；基于个性化步态策略产生辅助配置文件或辅助配置文件参数；向步行辅助装置发送辅助配置文件或辅助配置文件参数以控制步行辅助装置。

一些示例实施例涉及一种被配置为更新用于在当前步态周期控制步行辅助装置的个性化步态策略的服务器。

在一些示例实施例中，所述服务器包括：存储器，被配置为存储用于控制步行辅助装置的程序；处理器，被配置为执行所述程序以：接收在先前步态周期中测量的与步行辅助装置的运动相关联的状态信息，其中，先前步态周期为在当前步态周期之前发生的步态周期，在当前步态周期期间检测事件，在检测到所述事件的时间点评估所述与运动相关联的状态信息的奖励值，基于所述与运动相关联的状态信息和所述奖励值来选择性地更新个性化步态策略；基于个性化步态策略产生辅助配置文件或辅助配置文件参数；向步行辅助装置发送辅助配置文件或辅助配置文件参数以控制步行辅助装置。

一些示例实施例涉及一种更新用于在当前步态周期期间控制步行辅助装置的个性化步态策略的方法。

在一些示例实施例中，所述方法包括：接收步行辅助装置的关于先前步态周期的状态信息，其中，先前步态周期为在当前步态周期之前发生的步态周期；响应于事件的发生，基于所述状态信息评估个性化步态策略；基于评估，在步行辅助装置的步行期间选择性地更新步态策略。

在一些示例实施例中，评估个性化步态策略的步骤包括：基于以下项中的一个或多个来评估个性化步态策略：步态对称度、耗电量、步态稳定度、代谢能量和外部反馈。

在一些示例实施例中，所述方法由服务器执行，其中，所述服务器被配置为与步行辅助装置通信。

示例性实施例的额外的方面将在下面的描述中部分地叙述，并且部分地，从该描述将是清楚的，或者可通过本公开的实践而获知。

附图说明

通过下面结合附图对示例实施例的描述，这些和/或其他方面将变得清楚和更容易理解，其中：

图1和图2示出根据至少一个示例实施例的步行辅助装置的示例；

图3是示出根据至少一个示例实施例的步行辅助装置的控制器的配置的示图；

图4是示出根据至少一个示例实施例的控制步行辅助装置的方法的流程图；

图5是示出根据至少一个示例实施例的辅助扭矩配置文件的示例的曲线图；

图6是示出根据至少一个示例实施例的步态策略更新设备的配置的示图；

图7是示出根据至少一个示例实施例的步态策略更新方法的流程图；

图8是示出根据至少一个示例实施例的与步行辅助装置的运动相关联的状态信息的示例的曲线图；

图9是示出根据至少一个示例实施例的基于与步行辅助装置的运动相关联的状态信息检测的事件时间点的示例的曲线图；

图10是示出根据至少一个示例实施例的接收外部反馈的方法的流程图；

图11是示出根据至少一个示例实施例的产生个性化步态策略的方法的流程图；

图12示出根据至少一个示例实施例的个性化步态策略的示例；

图13是示出根据至少一个示例实施例的基于辅助配置文件来控制步行辅助装置的方法的流程图；

图14是示出根据至少一个示例实施例的辅助扭矩配置文件的示例的曲线图；

图15是示出根据至少一个示例实施例的辅助曲线的轨迹的示例的曲线图；

图16示出根据至少一个示例实施例的步行辅助装置与步态策略更新设备之间的关系；

图17示出根据至少一个示例实施例的被配置为服务器的步态策略更新设备；

图18是示出根据至少一个示例实施例的包括在步行辅助装置中的步态策略更新设备的示图；

图19是示出根据至少一个示例实施例的基于目标模式控制步行辅助装置的方法的流程图；

图20是示出输出请求更新个性化步态策略的通知的方法的流程图；

图21至图23示出根据至少一个示例实施例的步行辅助装置的示例。

具体实施方式

在下文中，将参照附图详细描述一些示例实施例。关于分配给附图中的元件的参考标号，应注意，在任何可能的情况下，即使相同的元件在不同的附图中被示出，相同元件也将由相同的参考标号表示。此外，在实施例的描述中，当认为公知相关的结构或功能的详细描述将导致本公开的解释模糊时，将省略公知相关的结构或功能的详细描述。

然而，应理解，不意图将示例实施例限制为在此公开的具体示例实施例。相反，示例实施例将涵盖落入示例实施例的范围内的所有修改、等同物和替代物。贯穿附图的描述，相同的标号表示相同的元件。

此外，在此可使用诸如第一、第二、a、b、(a)、(b)等的术语来描述组件。这些术语中的每个术语不用于限定对应组件的本质、顺序或次序，而仅用于将对应组件与其它组件进行区分。应注意，如果在说明书描述了一个组件“连接”、“结合”或“接合”到另一组件，则虽然第一组件可直接地连接、结合或接合到第二组件，但是第三组件可“连接”、“结合”或“接合”在第一组件与第二组件之间。

在此使用的术语仅为了描述具体示例实施例的目的，并不意图限制。除非上下文另外明确地指示，否则如在此使用的，单数形式也意图包括复数形式。还将理解，当在此使用术语“包括”和/或“包含”时，指定存在叙述的特征、整体、步骤、操作、元件和/或组件，但是不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组。

还应注意，在一些可选的实施方式中，指出的功能/动作可不按照附图中指出的顺序发生。例如，根据涉及的功能/动作，连续示出的两个附图实际可基本同时执行，或者有时可以以相反的顺序执行。

如在此使用的，术语“和/或”包括相关所列项中的一个或多个的任意组合和所有组合。当诸如“……中的至少一个”和“……之一”的表述在一列元素之后时，修饰整列的元素而不修饰列中的单独的元素。因此，例如，“a、b和c中的至少一个”和“a、b和/或c”二者表示a、b、c中的任一个或者它们的任意组合。

现在将参照示出一些示例实施例的附图更全面的描述各种示例实施例。在附图中，为了清楚起见，层和区域的厚度将被夸大。

在下文中，描述根据至少一个示例实施例的步行辅助装置的总体构思。

图1和图2示出根据至少一个示例实施例的步行辅助装置的示例。

参照图1，步行辅助装置100被提供给用户以辅助用户的步行。步行辅助装置100可以是可穿戴装置。

虽然图1示出髋部型步行辅助装置，但是它仅被提供为示例。步行辅助装置100可设置为支撑整个下肢的类型或者支撑部分下肢的类型。此外，步行辅助装置100可设置为以下类型中的一种：支撑部分下肢的类型、支撑到膝部的类型、支撑到踝部的类型以及支撑整个身体的类型。

在此描述的示例实施例可被应用于辅助用户的步行的髋部型的装置，并且还可应用于辅助用户的步行的任何类型的装置。

步行辅助装置100包括驱动器110、传感器120、惯性测量单元(imu)130以及控制器140。

驱动器110向用户的一个或多个髋关节提供驱动力。例如，驱动器110可被设置在用户的右髋部和/或左髋部上。

驱动器110可包括能够产生旋转扭矩的电机。

传感器120可在用户步行期间测量髋关节的角度。与由传感器120感测的髋关节的角度相关联的信息可包括右髋关节的角度、左髋关节的角度、髋关节角度之间的差以及髋关节运动方向。例如，传感器120可包括在驱动器110中。

根据示例实施例，传感器120可包括电位计。电位计可基于用户的步行运动感测右(r)轴关节角、左(l)轴关节角、r轴关节加速度以及l轴关节加速度。

imu130可测量步行期间的加速度信息和姿态信息。例如，imu130可感测根据用户的步行运动的x轴加速度、y轴加速度和z轴加速度以及x轴角速度、y轴角速度和z轴角速度中的每一个。

步行辅助装置100可基于由imu130测量的加速度信息来检测用户的脚着地的点。

除了传感器120和imu130之外，步行辅助装置100还可包括能够根据步行运动感测用户的动量或生物信号的改变的其他传感器(例如，肌电图(emg)传感器和脑电图(eeg)传感器)。

控制器140控制驱动器110输出用于辅助用户的步行的辅助力。例如，髋部型步行辅助装置100可包括被分别设置在左髋部和右髋部的两个驱动器110，并且控制器140可输出用于控制两个驱动器110产生转矩的控制信号。

控制器140可包括通信器、处理器和存储器。参照图3进一步描述控制器140。

驱动器110响应于从控制器140输出的控制信号产生转矩。根据示例实施例，步行辅助装置100可包括用于右腿的驱动器110和用于左腿的驱动器110。例如，控制器140可被设计为控制一个或多个驱动器110。如果控制器140被配置为仅控制单个驱动器110，则多个控制器140可被使用。作为另一示例，控制器可被设计为控制所有的驱动器110。

虽然未示出，但是步行辅助装置100可包括肌肉刺激装置。肌肉刺激装置可产生刺激肌肉的电信号。控制器140可控制肌肉刺激装置。如果用户的肌肉被刺激，则肌肉可不管用户的意愿而收缩并且肌肉力量可被产生。

<基于步态策略操作的步行辅助装置以及操作步行辅助装置的方法>

在下文中，将参照图3和图4来描述根据至少一个示例实施例的基于步态策略操作的步行辅助装置以及操作步行辅助装置的方法。

图3是示出根据至少一个示例实施例的步行辅助装置的控制器的配置的示图。

参照图3，控制器300包括通信器310、处理器320和存储器330。控制器300可对应于上面结合图1和图2描述的控制器140。

通信器310连接到处理器320和存储器330以发送和/或接收数据。通信器310可连接到外部装置以发送和接收数据。在下文中，发送和接收“a”可表示发送和接收“指示a的信息或数据”。

通信器310可被配置为控制器300内的电路。例如，通信器310可包括内部总线和外部总线。作为另一示例，通信器310可表示连接控制器300与外部装置的组件。通信器310可以是接口。通信器310可从外部装置接收数据并可将数据发送到处理器320和存储器330。此外，通信器310可包括一个或多个发送器和/或接收器，其中，这种发送器和/或接收器包括经由相关联的接口将信号发送至网络环境中的其他网络元件/从所述其他网络元件接收信号的任何必要的硬件和软件。

处理器320处理由通信器310接收的数据以及存储在存储器330中的数据。处理器320可以是被配置为具有用于执行期望的操作的物理结构的电路的硬件的数据处理装置。例如，期望的操作可包括包含在程序中的指令或代码。例如，被配置为硬件的数据处理装置可包括微处理器、中央处理器(cpu)、处理器核、多核处理器、多处理器、专用集成电路(asic)以及现场可编程门阵列(fpga)。

处理器320可执行存储在存储器330中的计算机可读代码(例如，软件)以及由处理器320引起的指令。存储器330可包含计算机可读代码，其中，所述计算机可读代码在由处理器320执行时将处理器320配置为专用处理器，以基于个性化步态策略在当前步态周期产生用于控制步行辅助装置100的辅助配置文件，并基于辅助配置文件控制步行辅助装置。

在一些示例实施例中，存储在存储器330中的计算机可读代码在由处理器320执行时还可将处理器320配置为产生个性化步态策略或从外部装置(诸如，服务器)接收个性化步态策略。可通过以下步骤来产生和/或更新个性化步态策略：接收在先前步态周期中测量的与步行辅助装置的运动相关联的状态信息，其中，先前步态周期为在当前步态周期之前发生的一个步态周期或多个步态周期；在当前步态周期期间检测第一事件；评估与检测到第一事件的时间点的运动相关联的状态信息的奖励值；基于与运动相关联的状态信息和奖励值来选择性地更新个性化步态策略。

存储器330存储由通信器310接收的数据和由处理器320处理的数据。例如，存储器330可存储程序。存储的程序可以是被编码为能够控制步行辅助装置100并能够由处理器320执行的语法的集合。

根据示例实施例，存储器330可包括易失性存储器、非易失性存储器、随机存取存储器(ram)、闪存、硬盘驱动器以及光盘驱动器中的至少一个。

存储器330存储用于操作控制器300的指令集(例如，软件)。用于操作控制器300的指令集由处理器320执行。

将参照图4和图5进行与通信器310、处理器320和存储器330相关的进一步描述。

图4是示出根据至少一个示例实施例的控制步行辅助装置的方法的流程图。

图4的操作410和操作420可由图3的控制器300来执行。

在操作410中，处理器320基于个性化步态策略产生用于控制步行辅助装置100的辅助配置文件。处理器320可基于与步行辅助装置100的运动相关联的状态信息和个性化步态策略来产生辅助配置文件。

辅助配置文件可用于控制步行辅助装置100的驱动器110。例如，辅助配置文件可包括指示随时间输出的转矩的辅助转矩配置文件、指示随时间变化的关节的角度的关节轨迹配置文件和/或指示随时间提供给肌肉的电刺激的功能性电刺激(fes)配置文件。下面参照图5进一步描述辅助转矩配置文件。

在操作420中，处理器320基于辅助配置文件来控制步行辅助装置100。例如，处理器320使用辅助转矩配置文件产生用于控制驱动器110的控制信号。驱动器110输出与控制信号对应的转矩。输出的转矩可辅助用户的步行。作为另一示例，处理器320可使用关节轨迹配置文件产生用于控制关节角的信号。作为另一示例，处理器320可使用fes配置文件产生用于刺激用户的肌肉的信号。

步行辅助装置100可基于个性化步态策略来产生辅助配置文件。例如，个性化步态策略可通过更新默认的步态策略来产生。更新的个性化步态策略可被存储在步行辅助装置100中。步行辅助装置100可使用个性化步态策略产生辅助配置文件，并可使用辅助配置文件来辅助用户的步行。

个性化步态策略可由步态策略更新设备预先产生。稍后将参照图6至图12来描述通过步态策略更新设备更新个性化步态策略的方法。

根据一些示例实施例，步态策略更新设备可以是图17的服务器600，并且可以是与步行辅助装置100物理上分离的装置。个性化步态策略可由服务器600更新，并且更新的个性化步态策略可被存储在步行辅助装置100中。

根据其他示例实施例，步态策略更新设备可包括在步行辅助装置100中。例如，控制器300可执行步态策略更新设备的功能，使得操作410和操作420可作为更新针对用户改进的(或者，可选地，优化的)步态策略的训练的部分被执行。也就是说，基于个性化步态策略产生辅助配置文件的步骤和基于辅助配置文件控制步行辅助装置100的步骤可以是被执行以更新针对用户改进的(或者，可选地，优化的)步态策略的操作的部分。

图5是示出根据至少一个示例实施例的辅助转矩配置文件的示例的曲线图。

步行辅助装置100可基于与步行辅助装置100的运动相关联的状态信息来检测当前步态周期。与运动相关联的状态信息可包括由步行辅助装置100的传感器120、imu130和/或压力传感器(未示出)测量的传感器值。

为了描述的清楚，步态周期的进展率(progressrate)被示出为0％至100％。然而，步态周期的进展率(n％)可被转换为时间。例如，进展率0％可以是参照图13描述的右腿的第二事件时间点，进展率50％可以是参照图13描述的左腿的第二事件时间点。此外，进展率100％可以是右腿的第二事件时间点。也就是说，辅助转矩配置文件可表示针对右腿的单个步态周期产生的辅助转矩配置文件。

根据示例实施例，具有正值的辅助转矩可提供沿腿从前向后移动的方向的力。也就是说，如果用户弯曲腿，则可输出具有正值的辅助转矩。

相反，具有负值的辅助转矩可提供沿腿从后向前移动的方向的力。也就是说，如果用户伸展腿，则可输出具有负值的辅助转矩。

辅助转矩配置文件可以是针对步行辅助装置100的左髋关节驱动器和/或步行辅助装置100的右髋关节驱动器的辅助转矩配置文件。

上面结合图5描述辅助转矩配置文件。与其相关的描述可类似地应用于关节轨迹配置文件和fes配置文件。

<个性化步态策略产生方法>

在下文中，描述根据至少一个示例实施例的通过步态策略更新设备来更新个性化步态策略的方法。

图6是示出根据至少一个示例实施例的步态策略更新设备的配置的示图。

参照图6，步态策略更新设备600包括通信器610、处理器620和存储器630。

通信器610连接到处理器620和存储器630以发送和接收数据。通信器610可连接到外部装置以发送和接收数据。

通信器610可被配置为步态策略更新设备600内的电路。例如，通信器610可包括内部总线和外部总线。作为另一示例，通信器610可以是连接步态策略更新设备600与外部装置的组件。通信器610可以是接口。通信器610可从外部装置接收数据，并可将数据发送到处理器620和存储器630。

处理器620处理由通信器610接收的数据和存储在存储器630中的数据。处理器620执行存储在存储器630中的计算机可读代码(例如，软件)和由处理器620引起的指令。

存储器630存储由通信器610接收的数据和由处理器620处理的数据。例如，存储器630可存储程序。存储的程序可以是被编码为能够产生个性化步态策略并能够由处理器620执行的语法的集合。

根据示例实施例，存储器630可包括易失性存储器、非易失性存储器、ram、闪存、硬盘驱动器和光盘驱动器中的至少一个。

存储器630存储用于操作步态策略更新设备600的指令集(例如，软件)。用于操作步态策略更新设备600的指令集由处理器620执行。

将参照图7至图12进行与通信器610、处理器620和存储器630相关的进一步描述。

图7是示出根据至少一个示例实施例的步态策略更新方法的流程图。

图7的操作710至操作750可由图6的步态策略更新设备600执行，并且可使用用户保持使用步行辅助装置100进行步行并实时处理关于步行的数据的在线方案来执行。在线方案区别于使用在用户的步行完成之后采集的数据来处理步态策略的离线方案。

参照图7，在操作710中，通信器610接收在先前步态周期中测量的与步行辅助装置100的运动相关联的状态信息。

例如，与运动相关联的状态信息可包括步行辅助装置100的髋关节角的变化轨迹、膝关节角的变化轨迹和/或踝关节角的变化轨迹。关节角可使用上面结合图1和图2描述的传感器120来测量。传感器120可实时测量关节角，并且通信器610可实时接收测量的关节角。也就是说，通信器610可从步行辅助装置100的至少一个传感器接收测量值作为与步行辅助装置100的运动相关联的状态信息。

可通过基于时间轴对齐测量的关节角来获取角度的变化轨迹。将参照图8进行与角度的变化轨迹相关的进一步描述。

处理器620可基于接收到的与步行辅助装置100的运动相关联的状态信息来产生额外的状态信息。例如，处理器620可使用接收到的测量值(例如，步进持续时间、摆动时间、支撑时间、步长等)来产生额外的状态信息。

作为另一示例，与运动相关联的状态信息可包括根据由步行辅助装置100的imu130测量的用户的步行运动的x轴加速度、y轴加速度和z轴加速度以及x轴角速度、y轴角速度和z轴角速度。

作为另一示例，与运动相关联的状态信息可包括由设置在用户的脚底上的压力传感器(未示出)测量的用户的脚底压力。

在操作720中，处理器620在当前步态周期期间检测期望的(例如，可选地，预设的)事件。例如，通信器610可连续地接收与步行辅助装置100的运动相关联的状态信息，并且处理器620可基于实时接收到的与步行辅助装置100的运动相关联的状态信息来检测所述事件。可基于从步行辅助装置100的至少一个传感器接收的测量值来检测所述事件。

所述事件可以是步行辅助装置100的引导腿(leadleg)的髋关节角最大的事件。作为另一示例，所述事件可以是步行辅助装置100的两条腿交叉的事件。作为另一示例，所述事件可以是步行辅助装置100的引导腿与地面接触的事件。处理器620可基于由imu130测量的加速度的方向和大小以及由压力传感器测量的脚底压力，来检测引导腿与地面接触的事件。作为另一示例，所述事件可以是步行辅助装置100的跟随腿(followingleg)离开地面的事件。处理器620可实时确定腿的步态进展率，并且如果确定的步态进展率对应于预设进展率，则处理器620可检测到所述事件。

如果检测到期望的(或者，可选地，预设的)事件，则处理器620可基于检测到事件的时间点将先前的时间点归类为先前步态周期并将之后的时间点归类为当前步态周期。右腿的步态周期和左腿的步态周期中的每个步态周期可基于对应的参考腿而被定义为不同的步态周期。

例如，可针对左腿和右腿中的每条腿设置所述事件。如果检测到针对左腿和右腿中的每条腿的事件，则对应的步态周期可重新开始。例如，在引导腿的髋关节的角最大的事件的情况下，可分别检测左腿为引导腿的情况下的事件和右腿为引导腿的情况下的事件。

在操作730中，处理器620评估与步行辅助装置100的运动相关联的状态信息的奖励值。例如，基于先前的辅助配置文件输出的辅助转矩可在先前步态周期中被输出给用户。奖励值可以是用于基于在先前步态周期中输出给用户的辅助转矩来评估用户和步行辅助装置100的运动的结果的值。奖励值可关联于与步行辅助装置100的基于先前的辅助配置文件的运动相关联的状态信息，其中，先前的辅助配置文件基于先前步态策略而产生。评估奖励值可表示评估步态策略。

根据示例实施例，关于步行辅助装置100的运动的奖励值可基于与先前步态周期相关联的状态信息来计算。例如，左腿与右腿之间的步态对称度可被计算为奖励值。步态对称度可根据等式1来计算。

[等式1]

在等式1中的vl表示左腿的步进持续时间以及vr表示右腿的步进持续时间的示例中，左腿的步进持续时间和右腿的步进持续时间可基于与步行辅助装置100的运动相关联的状态信息来计算。根据等式1，如果左腿的步进持续时间和右腿的步进持续时间彼此相等，则计算的步态对称度为零。否则，计算的步态对称度具有负值。

在等式1中的vl表示左腿的步长以及vr表示右腿的步长的示例中，左腿的步长和右腿的步长可基于与步行辅助装置100的运动相关联的状态信息来计算。

虽然使用等式1描述了使用步进持续时间和步长计算步态对称度的示例实施例，但是可使用其他因子(诸如，摆动时间和站立时间)来计算步态对称度。

关于步行辅助装置100的运动的奖励值可基于步行辅助装置100的耗电量来计算。例如，奖励值可基于提供给左腿的驱动器110的耗电量和提供给右腿的驱动器110的耗电量来计算。

此外，关于步行辅助装置100的运动的奖励值可基于步行辅助装置100的步态稳定度来计算。步态稳定度可基于由imu130测量的水平抖动水平和垂直抖动水平来计算。

此外，关于步行辅助装置100的运动的奖励值可基于对应步态是否沿用户的正面方向执行来计算。步态是否沿正面方向执行可基于由imu130测量的数据来确定。如果在髋关节或踝关节中存在旋后或旋前，则用户可向侧面移动而不是沿完全正面的方向移动。

此外，关于步行辅助装置100的运动的奖励值可基于代谢成本来计算。

此外，关于步行辅助装置100的运动的奖励值可从步行辅助装置100的用户或评估步行辅助装置100的运动的第三方来接收。例如，第三方可以是治疗穿戴步行辅助装置100的患者的治疗师。例如，用户或治疗师可通过用户接口向步态策略更新设备600发送指示步行辅助装置100的运动的不适水平的信号。用户接口可包括按钮、触摸屏和用于语音识别的麦克风。

处理器620可基于经过期望的(或者，可选地，预定的)数量的先前步态周期评估的多个奖励值来计算平均奖励值作为关于步行辅助装置100的运动的奖励值。例如，可计算针对先前三个步态周期的平均奖励值。

在操作740中，处理器620基于评估的奖励值来确定是否更新步态策略。例如，如果左腿的运动和右腿的运动完美匹配，则根据等式1计算的奖励值为零。虽然左腿的运动和右腿的运动没有完美匹配，但是左腿的运动和右腿的运动可具有期望的(或，可选地，预定的)水平的相似度。在这种情况下，左腿的运动和右腿的运动可使用阈值而被评估为彼此对称。如果左腿的运动和右腿的运动未被评估为对称，则处理器620可确定将更新步态策略。

作为另一示例，如果关于先前步态周期的奖励值与先前的奖励值相比未在期望(或者，可选地，预定的)范围内改变，则处理器620可确定先前的步态策略被调节为适合于用户。在这种情况下，先前步态策略可被确定为最终步态策略。也就是说，如果关于先前步态周期的奖励值与先前的奖励值相比未在所述范围内改变，则更新步态策略的处理可被终止。

如果关于先前步态周期的奖励值与先前奖励值不同超出所述范围，则处理器620可确定先前步态策略未被调节为适合于用户。在这种情况下，处理器620可确定步态策略需要被更新。

作为另一示例，如果奖励值被计算期望的(或者，可选地，预设的)次数或更少次数，则处理器620可确定步态策略需要被更新。

在操作750中，处理器620基于先前步态策略和与步行辅助装置100的运动相关联的状态信息来更新个性化步态策略。例如，可使用神经网络来配置步态策略。处理器620可通过改变构成神经网络的至少一个参数的权重来更新个性化步态策略。更新步态策略可指示求解使关于步行辅助装置100的运动的奖励值最大的优化问题。为了更新步态策略，可应用强化学习。处理器620更新步态策略以使针对之后的步态策略将被评估的奖励值最大。

将参照图11和图12描述更新步态策略的方法。

通过重复操作710至操作750来更新个性化步态策略的方法可被应用于用户保持使用步行辅助装置100进行步行的情况。如果用户保持步行，则可产生多个步态周期。在当前步态周期中评估先前步态周期的运动，并且基于评估的结果来更新针对当前步态周期的运动的步态策略。基于更新的步态策略来产生针对当前步态周期的辅助配置文件，并且基于辅助配置文件而发生当前步态周期的运动。重复上述当前步态周期的运动称为先前步态周期的运动的处理。

图8是示出根据至少一个示例实施例的与步行辅助装置的运动相关联的状态信息的示例的曲线图。

髋关节角轨迹800可用作与步行辅助装置100的运动相关联的状态信息。髋关节角轨迹800包括右髋关节角轨迹810和左髋关节角轨迹820。

为了描述，髋关节角轨迹800涉及多个步态周期，并且步行辅助装置100的髋关节角被实时测量。因此，在实际的实施中，无法获得髋关节角的测量时间点的未来时间点的髋关节角轨迹。

可从右髋关节角轨迹810和左髋关节角轨迹820检测到引导腿的髋关节角最大的每个时间点830、832、834和836。在时间点830和时间点834，右髋关节角可最大。在时间点832和时间点836，左髋关节角可最大。

可从右髋关节角轨迹810和左髋关节角轨迹820检测到引导腿与地面接触的每个时间点840、842、844和846。在时间点840和时间点844，右腿可与地面接触。在时间点842和时间点846，左腿可与地面接触。可基于imu130和压力传感器的测量值中的至少一个测量值来检测引导腿与地面接触的每个时间点840、842、844和846。

可从右髋关节角轨迹810和左髋关节角轨迹820检测到两条腿交叉的每个时间点850、852和854。

图9是示出根据至少一个示例实施例的基于与步行辅助装置的运动相关联的状态信息检测的事件时间点的示例的图。

引导腿的髋关节角最大的事件可被预设为将被检测的事件。检测到所述事件的时间点可以是事件时间点。

例如，如果右腿为引导腿，则可检测到右髋关节角最大的事件时间点910。如果检测到事件时间点910，则事件时间点910的接下来的时间段可被定义为当前步态周期970。当前步态周期970可以是从检测到事件的事件时间点910到检测到下一事件的时间点(未示出)的时间段。如果在当前步态周期970中检测到针对右腿的事件，则与检测到的事件对应的下一事件可以是在之后的步态周期(未示出)中检测到的针对右腿的事件。

从检测到与所述事件对应的先前事件的先前事件时间点920到检测到所述事件的时间点910的时间段可被定义为先前步态周期960。如果在当前步态周期970中检测到针对右腿的事件，则与检测到的事件对应的先前事件可以是在先前步态周期960中检测到的针对右腿的事件。

单个步态周期可包括两步。也就是说，单个步态周期可包括左腿的一步和右腿的一步。例如，先前步态周期960可包括作为左腿的一步的第一步940和作为右腿的一步的第二步950。

作为另一示例，如果左腿为引导腿，则可检测到左髋关节角最大的事件时间点(例如，时间点836)。如果检测到时间点836，则时间点836的接下来的时间段可被定义为当前步态周期。

从检测到与所述事件对应的先前事件的先前事件时间点(例如，时间点832)到检测到所述事件的时间点836的时间段可被定义为先前步态周期。如果在当前步态周期中检测到针对左腿的事件，则与检测到的事件对应的先前事件可以是在先前步态周期中检测到的针对左腿的事件。

针对左腿的先前步态周期的时间段和当前步态周期的时间段可以与针对右腿的先前步态周期的时间段和当前步态周期的时间段不同。也就是说，可针对左腿和右腿中的每一条腿定义步态周期。

图10是示出根据至少一个示例实施例的接收外部反馈的方法的流程图。

图10的操作1010可在图7的操作720被执行之后执行。

在操作1010中，通信器610接收外部反馈。外部反馈可以是关于步行辅助装置100的运动的奖励值。

根据示例实施例，外部反馈可从步行辅助装置100的用户和/或评估步行辅助装置100的运动的第三方接收。例如，用户或治疗师可通过用户接口向步态策略更新设备600发送指示步行辅助装置100的运动的不适水平的信号。用户接口可包括按钮、触摸屏和/或用于语音识别的麦克风。

根据另一示例实施例，外部反馈可以是步行辅助装置100的用户的生物信号数据。例如，生物信号数据可以是emg信号、eeg信号、心率和/或代谢数据。

图11是示出根据至少一个示例实施例的产生个性化步态策略的方法的流程图。

图7的操作750可包括图11的操作1110和操作1120。操作1110和操作1120可被并行执行。然而，示例实施例不限于此。例如，在一些示例实施例中，操作1110和操作1120可以以任意顺序依次执行。

用户的左腿的步态能力与右腿的步态能力可彼此不同。例如，如果用户的右腿瘫痪，则右腿步态策略与左腿步态策略可彼此不同。

在操作1110中，处理器620产生针对左腿的左腿步态策略。例如，处理器620可产生针对左腿的弯曲模式的左弯曲步态策略，并可产生针对左腿的伸展模式的左伸展步态策略。虽然针对腿的运动描述了弯曲模式和伸展模式，但是所述描述可被应用于额外的模式。在一个示例中，可通过更新先前步态策略来产生新的步态策略。

左弯曲步态策略或左伸展步态策略可包括针对左腿的各个部分的策略。例如，左弯曲步态策略可包括针对左髋关节的步态策略、针对左膝关节的步态策略和针对左踝关节的步态策略。针对左髋关节的步态策略涉及左髋关节的垂直运动、水平运动和旋后/旋前。针对左踝关节的步态策略涉及左踝关节的垂直运动和旋后/旋前。

在操作1120中，处理器620产生针对右腿的右腿步态策略。例如，处理器620可产生针对右腿的弯曲模式的右弯曲步态策略和针对右腿的伸展模式的右伸展步态策略。

右弯曲步态策略或右伸展步态策略可包括针对右腿的各个部分的策略。例如，右弯曲步态策略可包括针对右髋关节的步态策略、针对右膝关节的步态策略和针对右踝关节的步态策略。针对右髋关节的步态策略涉及右髋关节的垂直运动、水平运动和旋后/旋前。针对右踝关节的步态策略涉及右踝关节的垂直运动和旋后/旋前。

图12示出根据至少一个示例实施例的个性化步态策略的示例。

个性化步态策略1200可被配置为神经网络。神经网络可包括多个参数。神经网络通过基于多个参数处理接收的输入来输出结果。个性化步态策略1200可接收在当前时间点的先前步态周期中测量的与步行辅助装置100的运动相关联的状态信息作为输入，并可输出步态配置文件参数以在当前步态周期中使用。如果神经网络的参数中的至少一个参数的权重被改变，则虽然相同的输入被接收，但是将被输出的步态配置文件参数可被改变。

辅助配置文件参数可以是用于产生辅助配置文件的因子。例如，如果辅助配置文件为辅助转矩配置文件，则辅助配置文件参数可包括诸如辅助转矩的持续时间、最大转矩和输出时序的参数。可使用辅助配置文件参数产生辅助配置文件。

参照图12，个性化步态策略1200包括左腿步态策略1210和右腿步态策略1220。左腿步态策略1210包括左弯曲步态策略1212和左伸展步态策略1214。右腿步态策略1220包括右弯曲步态策略1222和右伸展步态策略1224。

处理器620可通过同时或顺序地产生四个步态策略(例如，左弯曲步态策略1212、左伸展步态策略1214、右弯曲步态策略1222和右伸展步态策略1224)来产生个性化步态策略1200。

图13是示出根据至少一个示例实施例的基于辅助配置文件控制步行辅助装置的方法的流程图。

图4的操作420可包括图13的操作1310和操作1320。

参照图13，在操作1310中，处理器320在当前步态周期期间检测第二事件。第二事件可被预设。处理器320可基于实时接收的与步行辅助装置100的运动相关联的状态信息来检测第二事件。

例如，第二事件可以是步行辅助装置100的引导腿的髋关节角最大的事件。作为另一示例，第二事件可以是步行辅助装置100的两条腿交叉的事件。作为另一示例，第二事件可以是步行辅助装置100的引导腿与地面接触的事件。处理器320可基于由imu130测量的加速度的方向和大小以及由压力传感器测量的脚底压力来检测引导腿与地面接触的事件。作为另一示例，第二事件可以是步行辅助装置100的跟随腿离开地面的事件。

第二事件与上面参照图7至图9描述的事件(被称为第一事件以区别于第二事件)不同，并且第二事件在时间方面落后于第一事件。例如，如果第一事件为引导腿的髋关节角最大的事件并且第一事件时间点为时间点834，则第二事件可以是引导腿与地面接触的事件并且第二事件时间点可以是时间点844。

在操作1320中，处理器320基于辅助配置文件控制步行辅助装置100。

例如，辅助配置文件可以是辅助转矩配置文件。处理器320可控制步行辅助装置100，使得步行辅助装置100的至少一个驱动器110可基于辅助转矩配置文件产生转矩。例如，处理器320可产生与辅助转矩配置文件对应的控制信号并可将产生的控制信号发送到驱动器110。驱动器110可响应于控制信号输出辅助转矩。

作为另一示例，辅助配置文件可以是功能电刺激(fes)配置文件。处理器320可控制步行辅助装置100使得步行辅助装置100的肌肉刺激装置可基于fes配置文件向用户提供fes。如果fes被施加到用户的肌肉，则用户的肌肉可收缩，这可导致产生肌肉力量。

作为另一示例，如果在用户的身体中存在微小的人造肌肉，则处理器320可控制步行辅助装置100使用电刺激或电信号来刺激人造肌肉。

根据示例实施例，图7的操作710可在操作1320被执行之后执行。也就是说，在操作1320中获取的与步行辅助装置100的运动相关联的状态信息被视为操作710中的在先前步态周期中测量的与步行辅助装置100的运动相关联的状态信息。

图14是示出根据至少一个示例实施例的辅助转矩配置文件的示例的图。

处理器320可使用辅助转矩配置文件1410在从当前步态周期的当前第二事件时间点到与当前第二事件对应的下一个第二事件时间点的时间段期间控制步行辅助装置100。例如，如果当前第二事件为针对右腿进行检测，则下一个第二事件可针对左腿进行检测。

可基于根据个性化步态策略1200产生的辅助配置文件参数来产生辅助转矩配置文件1410。虽然图14示出针对引导腿的弯曲运动的辅助转矩配置文件1410，但是处理器320还可使用个性化步态策略1200产生针对跟随腿的伸展运动的辅助转矩配置文件。

可基于辅助转矩输出时间τt、辅助转矩持续时间τd和最大辅助转矩τm来产生辅助转矩配置文件1410的轨迹。辅助转矩输出时间τt、辅助转矩持续时间τd和最大辅助转矩τm可以是基于个性化步态策略1200输出的辅助配置文件参数。如果个性化步态策略1200的参数的权重被改变，则辅助转矩输出时间τt、辅助转矩持续时间τd和最大辅助转矩τm可被改变。如果辅助转矩输出时间τt、辅助转矩持续时间τd和最大辅助转矩τm被改变，则辅助转矩配置文件1410的轨迹可被改变。也就是说，响应于更新个性化步态策略1200，辅助转矩输出时间τt、辅助转矩持续时间τd和最大辅助转矩τm被调节。

图15是示出根据至少一个示例实施例的辅助配置文件的轨迹的示例的图。

图15的辅助配置文件为辅助转矩配置文件。

参照图15，右髋关节角轨迹810可由针对右腿的右辅助转矩配置文件1510引起，左髋关节角轨迹820可由针对左腿的左辅助转矩配置文件1520引起。

可在实时检测到事件的事件时间点910产生针对时间段1506的辅助转矩配置文件。例如，可产生针对左腿的弯曲辅助转矩配置文件和针对右腿的伸展辅助转矩配置文件。弯曲辅助转矩配置文件和伸展辅助转矩配置文件可以是针对从第二事件时间点1502到第三事件时间点1504的时间段1506的辅助转矩配置文件。如果第二事件时间点1502为检测到右腿离开地面的事件的时间点，则第三事件时间点1504可以是检测到左腿离开地面的事件的时间点。时间段1506的左髋关节的轨迹和右髋关节的轨迹可由弯曲辅助转矩配置文件和伸展辅助转矩配置文件引起。

图16示出根据至少一个示例实施例的步行辅助装置与步态策略更新设备之间的关系。

参照图16，步态策略更新系统包括步行辅助装置100和步态策略更新设备600。

步行辅助装置100基于产生的辅助配置文件而被控制。与在步行辅助装置100的控制下发生的运动相关联的状态信息和通过评估状态信息获取的奖励值被发送到步态策略更新设备600。与运动相关联的状态信息可被实时连续地接收，并且奖励值可响应于事件的检测而被产生。

响应于接收到与运动相关联的状态信息和奖励值中的至少一个，步态策略更新设备600确定是否更新用于产生辅助配置文件的步态策略。例如，如果未接收到奖励值，则可基于与运动相关联的状态信息来计算奖励值。如果需要更新步态策略，则步态策略更新设备600更新步态策略。例如，构成步态策略的神经网络可被训练为使奖励值最大。步态策略更新设备600基于更新的步态策略产生用于控制步行辅助装置100的辅助配置文件或辅助配置文件参数，并将产生的辅助配置文件或辅助配置文件参数发送到步行辅助装置100。

步行辅助装置100基于接收的辅助配置文件或辅助配置文件参数而被控制。例如，如果接收到辅助配置文件参数，则步行辅助装置100基于辅助配置文件参数来产生辅助配置文件。如果检测到事件，则步行辅助装置100基于辅助配置文件被控制。步行辅助装置100可测量与在该控制下发生的运动相关联的状态信息。

图17示出根据至少一个示例实施例的被配置为服务器的步态策略更新设备。

根据示例实施例，可以以服务器的形式来配置步态策略更新设备600。被配置为服务器的步态策略更新设备600可以是云服务器，或者可以以无线或有线方式连接到多个步行辅助装置。步行辅助装置1700可对应于图1和图2的步行辅助装置100。

可由步态策略更新设备600来执行图4的操作410。步态策略更新设备600从步行辅助装置1700实时接收与步行辅助装置1700的运动相关联的状态信息。步态策略更新设备600基于用于步行辅助装置1700的个性化步态策略来产生辅助配置文件或辅助配置文件参数。产生的辅助配置文件或辅助配置文件参数可被发送到步行辅助装置1700。

一旦步行辅助装置1700接收到辅助配置文件或辅助配置文件参数，图4的操作420就可被执行。例如，当步行辅助装置1700接收到辅助配置文件时，步行辅助装置1700可基于辅助配置文件被控制。作为另一示例，当步行辅助装置1700接收到辅助配置文件参数时，步行辅助装置1700可基于辅助配置文件参数来产生辅助配置文件，并且步行辅助装置1700可基于产生的辅助配置文件被控制。

如果步行辅助装置1700的用户正在步行，则图7的操作710至操作750以及图4的操作410和操作420可被重复执行。

步态策略更新设备600和步行辅助装置1700可通过有线或无线通信来交换数据。例如，步行辅助装置1700可向步态策略更新设备600发送实时测量的与步行辅助装置1700的运动相关联的状态信息。步态策略更新设备600可接收关于先前步态周期的与步行辅助装置1700的运动相关联的状态信息。步态策略更新设备600可基于状态信息检测预设事件，并可响应于事件的发生而基于状态信息来评估步态策略。步态策略更新设备600可基于评估和与步行辅助装置1700的运动相关联的状态信息来更新步态策略。步行策略更新设备600可在步行辅助装置1700的步行期间自动更新步态策略。也就是说，如果用户保持步行，则步态策略可在步行期间被自动更新。

步态策略更新设备600可将最终更新的个性化步态策略发送到步行辅助装置1700。

图18是示出根据至少一个示例实施例的包括在步行辅助装置中的步态策略更新设备的示图。

根据另一示例实施例，步态策略更新设备600可包括在步行辅助装置1800中。例如，步态策略更新设备600可包括上面结合图3和图4描述的控制器300。步态策略更新设备600的处理器620可执行与控制器300的处理器320的功能相同的功能。作为另一示例，步行辅助装置1800可使用多个处理器控制控制器300和步态策略更新设备600。

关节角传感器1810可测量用户的关节角或在用户的关节周围设置的驱动器1850的角度。例如，关节角传感器1810可测量髋关节角、膝关节角和踝关节角。

imu1820可对应于上面结合图1和图2描述的imu130。

emg传感器1830可测量在用户的肌肉中发生的电信号。测量的emg信号可以是上面结合图10描述的外部反馈中的一个外部反馈。也就是说，emg信号可用于评估奖励值。

egg传感器1835可测量在用户的大脑中发生的电信号。测量的egg信号可以是上面结合图10描述的外部反馈中的一个外部反馈。也就是说，egg信号可用于评估奖励值。

压力传感器1840被设置在用户的脚底，并可测量脚底的压力。例如，压力传感器1840可将测量的压力无线地发送到通信器610。处理器620可基于测量的压力来检测引导腿与地面接触的事件。

图19是示出根据至少一个示例实施例的基于确定的目标模式控制步行辅助装置的方法的流程图。

操作1910至操作1940可由上面结合图1至图5描述的步行辅助装置100来执行。操作1910至操作1940可在基于个性化步态策略来控制步行辅助装置100的步行情况下执行。也就是说，操作1910至操作1940可在步行辅助装置100的个性化被完成并且用户在实际生活中正在使用步行辅助装置100的情况下执行。

虽然操作1910至操作1940被描述为由控制器300执行，但是操作1910至操作1940可由图17的步行辅助装置1700或者由图18的步行辅助装置1800来执行。

参照图19，在操作1910中，通信器310接收与步行辅助装置100的运动相关联的状态信息。通信器310接收在先前步态周期中测量的与步行辅助装置100的运动相关联的状态信息。

例如，与运动相关联的状态信息可包括步行辅助装置100的髋关节角的变化轨迹、膝关节角的变化轨迹以及踝关节角的变化轨迹。

在操作1920中，处理器320确定多个步态模式之中的目标步态模式。例如，处理器320可基于与步行辅助装置100的运动相关联的状态信息来确定目标步态模式。多个步态模式可包括平地步行模式、上坡模式、下坡模式、上台阶模式、下台阶模式和跑步模式。

在操作1930中，处理器320使用与目标步态模式对应的个性化步态策略来产生辅助配置文件。例如，个性化步态策略可针对每个步态模式预先被产生。处理器320可基于确定的个性化步态策略来产生辅助配置文件。

在操作1940，处理器320基于产生的辅助配置文件来控制步行辅助装置100。

图20是示出根据至少一个示例实施例的输出请求更新个性化步态策略的通知的方法的流程图。

操作2010至操作2050可由上面结合图1至图5描述的步行辅助装置100来执行。操作2010至操作2050可在基于个性化步态策略来控制步行辅助装置100的步行情况下执行。例如，响应于用户的步行习惯的改变，操作2010至操作2050可被执行。

虽然操作2010至操作2050被描述为由控制器300执行，但是操作2010至操作2050可由图17的步行辅助装置1700或者可由图18的步行辅助装置1800执行。

参考图20，在操作2010中，通信器310接收与步行辅助装置100的运动相关联的状态信息。

在操作2020中，处理器320基于与步行辅助装置100的运动相关联的状态信息来检测期望的(或者，可选地，预设的)事件。

在操作2030中，处理器320评估与步行辅助装置100的运动相关联的状态信息的奖励值。

在操作2040中，处理器320基于评估的奖励值确定是否更新步态策略。

在操作2050中，如果确定需要更新步态策略，则处理器320输出请求用户更新步态策略的通知。一旦通知被输出，用户可执行更新步态策略的过程。例如，可执行图7的操作710至操作750以更新步态策略。

图21至图23示出根据至少一个示例实施例的步行辅助装置的示例。

图21至图23示出适用于人体的步行辅助装置1的示例。图21是步行辅助装置1的正视图，图22是步行辅助装置1的侧视图，图23是步行辅助装置1的后视图。

步行辅助装置1可包括上面描述的驱动器110、传感器120、imu130和控制器140。

参照图21至图23，步行辅助装置1为能够穿戴于用户的左腿和右腿中的每条腿上的外骨骼结构。用户可通过穿戴步行辅助装置1执行运动(例如，伸展运动、弯曲运动、内收运动和外展运动)。伸展运动为伸展关节的运动，弯曲运动为弯曲关节的运动。内收运动为移动腿来接近身体的中心轴的运动，外展运动为伸展腿来远离身体的中心轴的运动。

参照图21至图23，步行辅助装置1可包括主体10和机械部件(例如，第一结构部件20r和20l、第二结构部件30r和30l以及第三结构部件40r和40l)。

主体10可包括壳体11。各种部件可嵌入在壳体11中。例如，嵌入在壳体11中的部件可包括：中央处理器(cpu)、印刷电路板(pcb)、各种类型的存储装置以及电源。例如，主体10可包括控制器140。控制器140可包括cpu和pcb。

cpu可以是微处理器。微处理器可包括硅芯片中的算术逻辑运算器、寄存器、程序计数器、命令解码器和/或控制电路。cpu可产生适合于步行环境的控制模式，并可基于选择的控制模式产生用于控制机械部件的操作的控制信号。

pcb表示印刷有预定电路的板，并且pcb可包括cpu和/或各种存储装置。pcb可被固定在壳体11中。

各种类型的存储装置可包括在壳体11中。存储装置可包括用于通过磁化磁盘表面来存储数据的磁盘存储装置和用于使用各种类型的存储器半导体来存储数据的半导体存储器装置。

嵌入在壳体11中的电源可向嵌入在壳体11中的各种部件或机械部件(例如，第一结构部件20r和20l、第二结构部件30r和30l以及第三结构部件40r和40l)供电。

主体10还可包括被配置为支撑用户的腰部的腰部支撑件12。腰部支撑件12可以是弯曲平板的形状以支撑用户的腰部。

主体10还可包括被配置为将壳体11紧固到用户的髋部的紧固件11a和被配置为将腰部支撑件12紧固到用户的腰部的紧固件12a。紧固件11a、紧固件12a可被配置为具有弹性的带、腰带和绑带中的一个。

主体10可包括imu130。例如，imu130可设置在壳体11的外部或内部。imu130可安装在嵌入在壳体11中的pcb上。imu130可测量加速度和角速度。

参照图21至图23，机械部件可包括第一结构部件20r和20l、第二结构部件30r和30l以及第三结构部件40r和40l。

第一结构部件20r、20l可在步态操作期间辅助用户的股区和髋关节的运动。第一结构部件20r和20l可分别包括第一驱动器21r和21l、第一支撑件22r和22l以及第一紧固件23r和23l。

驱动器110可包括第一驱动器21r、21l。参照图1至图20进行的与驱动器110相关的描述可应用于第一驱动器21r、21l。

第一驱动器21r、21l可设置在第一结构部件20r、20l的对应的髋关节的位置处，并可以以不同的大小沿预定方向产生旋转力。由第一驱动器21r、21l产生的旋转力可被施加到第一支撑件22r、22l。第一驱动器21r、21l可被设置为在人体髋关节的运动范围内旋转。

第一驱动器21r、21l可响应于从主体10提供的控制信号而被驱动。虽然第一驱动器21r、21l可被配置为电机、真空泵和液压泵中的一个，但是它仅被提供为示例。

关节角传感器可安装在第一驱动器21r、21l的周围。关节角传感器可检测基于旋转轴的第一驱动器21r、21l旋转的角度。传感器120可包括关节角传感器。

第一支撑件22r、22l可物理地连接到第一驱动器21r、21l。第一支撑件22r、22l可基于由第一驱动器21r、21l产生的旋转力而沿预定方向旋转。

第一支撑件22r、22l可设置为各种形状。例如，第一支撑件22r、22l可以是多个转向节(knuckle)相互连接的形状。这里，关节可被设置在转向节之间。第一支撑件22r、22l可通过关节在预定范围内弯曲。作为另一示例，第一支撑件22r、22l可被设置为条形形状。这里，第一支撑件22r、22l可使用能够在预定范围内弯曲的柔性材料来配置。

第一紧固件23r、23l可设置到第一支撑件22r、22l。第一紧固件23r、23l用于将第一支撑件22r、22l紧固到用户的对应的股区。

图21至图23示出通过第一紧固件23r和23l将第一支撑件22r和22l分别紧固到用户的股部区域的外侧的示例。如果第一支撑件22r、22l响应于第一驱动器21r、21l的驱动而旋转，则紧固有第一支撑件22r、22l的股区可沿与第一支撑件22r、22l旋转的方向相同的方向旋转。

第一紧固件23r、23l可被配置为具有弹性的带、腰带和绑带中的一个，或者可使用金属材料来配置。图21示出使用链条来配置第一紧固件23r、23l的示例。

第二结构部件30r、30l可在步态操作期间辅助用户的小腿和膝关节的运动。第二结构部件30r和30l分别包括第二驱动器31r和31l、第二支撑件32r和32l以及第二紧固件33r和33l。

第二驱动器31r、31l可设置在第二结构部件30r、30l的对应的膝关节的位置处，并且可以以各种大小沿预定方向产生旋转力。由第二驱动器31r、31l产生的旋转力可被施加到第二支撑件32r、32l。第二驱动器31r、31l可被设定为在人体的膝关节的移动范围内旋转。

驱动器110可包括第二驱动器31r、31l。参照图1至图20进行的与髋关节相关的描述可类似地应用于膝关节。

第二驱动器31r、31l可响应于从主体10提供的控制信号而被驱动。虽然第二驱动器31r、31l可被配置为电机、真空泵和液压泵中的一个，但是它仅被提供为示例。

关节角传感器可安装在第二驱动器31r、31l的周围。关节角传感器可检测基于旋转轴的第二驱动器31r、31l旋转的角度。传感器120可包括关节角传感器。

第二支撑件32r、32l可物理地连接到第二驱动器31r、31l。第二支撑件32r、32l可基于由第二驱动器31r、31l产生的旋转力沿预定方向旋转。

第二紧固件33r、33l可设置到第二支撑件32r、32l。第二紧固件33r、33l用于将第二支撑件32r、32l紧固到用户的小腿部分。图21至图23示出通过第二紧固件33r和33l将第二支撑件32r和32l分别紧固在用户的小腿部分的外部的示例。如果第二支撑件32r、32l响应于第二驱动器31r、31l的驱动而旋转，则紧固有第二支撑件32r、32l的小腿部分可沿与第二支撑件32r、32l旋转的方向相同的方向旋转。

第二紧固件33r、33l可被配置为具有弹性的带、腰带和绑带中的一个，或者可使用金属材料来配置。

第三结构部件40r、40l可在步态操作期间辅助用户的踝关节和相关肌肉的运动。第三结构部件40r和40l可分别包括第三驱动器41r和41l、脚支撑件42r和42l以及第三紧固件43r和43l。

驱动器110可包括第三驱动器41r、41l。参照图1至图20进行的与髋关节相关的描述可类似地应用于踝关节。

第三驱动器41r、41l可设置到第三结构部件40r、40l的对应的踝关节，并且可响应于从主体10提供的控制信号而被驱动。与第一驱动器21r、21l或第二驱动器31r、31l类似，第三驱动器41r、41l可被配置为电机。

关节角传感器可安装在第三驱动器41r、41l的周围。关节角传感器可检测基于旋转轴的第三驱动器41r、41l旋转的角度。传感器120可包括关节角传感器。

脚支撑件42r、42l可设置在与用户的脚底对应的位置处，并可物理地连接到第三驱动器41r和41l。

被配置为检测用户的重量的压力传感器可设置到脚支撑件42r、42l。压力传感器的检测结果可用于确定用户是否正穿戴步行辅助装置1、用户是否站立、用户的脚是否与地面接触等。

第三紧固件43r、43l可设置到脚支撑件42r、42l。第三紧固件43r、43l用于将用户的脚紧固到脚支撑件42r、42l。

根据上述示例实施例的方法可被记录在包括程序指令的非暂时性计算机可读介质中以实现上述示例实施例的各种操作。介质还可单独地或与程序指令结合地包括数据文件、数据结构等。记录在介质上的程序指令可以是针对示例实施例的目的而专门设计和构造的那些程序指令，或者它们可以是对计算机软件领域的技术人员公知和可用的类型的程序指令。非暂时性计算机可读介质的示例包括：磁介质(诸如，硬盘、软盘和磁带)；光介质(诸如，cd-rom盘、dvd和/或蓝光光盘)；磁光介质(诸如，光盘)；和专门配置为存储和执行程序指令的硬件装置(诸如，只读存储器(rom)、随机存取存储器(ram)、闪存(例如，usb闪速驱动器、存储卡、记忆棒等)等)。程序指令的示例包括机器代码(诸如，由编译器产生的)和包含可由计算机使用解释器执行的高级代码的文件二者。上述装置可被配置为充当用于执行上述示例实施例的操作的一个或多个软件模块，反之亦然。

软件可包括用于独立地或共同地指示和/或配置处理装置按照期望进行操作的计算机程序、一段代码、指令或它们的一些组合，从而将处理装置转换为专用处理器。可在任何类型的机器、组件、物理或虚拟设备、计算机存储介质或装置中、或者以能够将指令或数据提供给处理装置或被处理装置解释的传输信号波来永久地或暂时地实现软件和数据。软件还可被分布在联网的计算机系统中，使得软件以分布式方式存储和执行。可通过一个或多个非暂时性计算机可读记录介质来存储软件和数据。

以上已经描述了多个示例实施例。然而，应理解，可对这些示例实施例进行各种修改。例如，如果以不同的顺序执行描述的技术，和/或如果描述的系统、架构、装置或电路中的组件以不同的方式组合和/或被其它组件或其等同物代替或补充，则可实现合适的结果。因此，其它实施方式落入权利要求的范围内。

已经这样描述了本发明构思的示例实施例，其可以以多种方式变化将是显而易见的。这样的变化将不被认为是脱离了本发明构思的示例实施例的意图的精神和范围，并且所有这样的修改如对本领域技术人员而言显而易见的那样意图包括在权利要求的范围内。