近日，中国科学院深圳先进技术研究院集成所智能仿生中心水下外骨骼团队在《IEEE/ASME机电一体化汇刊》发表最新研究进展。团队基于前期研制的柔性潜水助力外骨骼系统PEAKED，提出超鲁棒自适应振荡器动作相位估计方法（URAO），攻克了水下高频突变打腿动作的相位精准预测难题，让水下外骨骼助力更同步、更安全、更高效。

在水下勘探、管道检修、沉船救援等任务中，潜水员常常需要根据环境情况调整打腿频率和动作模式来调整前进速度。与陆地环境不同，水下浮力解放了下肢，增强了肢体运动的灵活性，潜水员打水频率切换也更多元、复杂，这使得陆地外骨骼中常用的相位预测方法在水下很容易失效，进而造成助力输出滞后，不仅影响打水动作的流畅性，还可能带来安全隐患。

此外，由于水下动作数据采集难度大、个体差异显著，依赖大规模数据训练的模型往往难以适应真实场景与个性化助力需求，使得水下动作相位预测精度不足，影响了水下外骨骼的实用化发展。

针对这一难题，研究团队在传统自适应振荡器的基础上，提出了一种面向水下复杂运动场景的超鲁棒估计算法 URAO。该方法不依赖数据集训练，能够适应不同潜水员的动作特征，并兼容交替自由泳打腿和蛙泳打腿两类典型水下动作，具有良好的泛化性。同时，URAO可针对打腿频率的快速变化进行快速估计。

团队在室内静水池和室外70米泳池中开展了多组外骨骼助力对照实验，结果表明该方法通常可在1个打腿周期内完成稳定同步，比传统方法估计误差降低49.5%，有效克服了传统方法适应慢、易振荡、预测失效的问题。

研究人员通过室内水池和70米室外泳池的外骨骼助力实验进行验证

基于URAO提供的精准相位感知能力，团队研制的PEAKED柔性潜水外骨骼能够在水下打腿方向切换的瞬间及时输出相应助力。无论是蛙泳还是交替打腿，系统都能将助力延迟控制在较低水平，实现更自然的人机协同，做到“动作一变化，助力就跟上”，对于提升潜水员在复杂水下任务中的运动效率和作业安全性具有重要意义。

相关论文信息：

https://ieeexplore.ieee.org/document/11361395?sessionid=697404707