中风是全球主要致死和致残原因之一，每年影响约1500万人，其中500万人留下长期功能障碍。与此同时，物理治疗师短缺的问题日益加剧，患者获得持续、高质量护理的机会也越来越有限。
麻省理工学院（MIT）机械工程师团队提出了一种全新解决方案，将前沿人工智能技术与真实临床护理实践相结合。
"我们的目标是教会机器人协助物理和职业治疗，而非取代治疗师，而是延伸他们的服务能力。"Johannes Lachner说道。他以MIT-诺和诺德人工智能博士后研究员身份在MIT机械工程系与脑与认知科学系完成了这项研究。"我们系统的核心创新在于，物理治疗师可以借助AI自主训练专属机器人，从而为每位患者提供个性化、可扩展的支持。"
目前任职普渡大学助理教授的Lachner，与曾在MIT担任访问学生、现为博世公司初级管理培训生（AI/IT方向）的Noah Geiger，共同开发了这套从物理治疗师的操作中学习的机器人治疗系统，旨在自适应地支持中风患者的康复。该系统融合了基于Transformer的扩散模型与实时力反馈技术，双臂机器人能够根据患者的实际能力安全地调整辅助强度。
该系统采用的AI技术与ChatGPT生成图像所用的技术类似，但其学习目标并非图像生成，而是让机器人在物理治疗过程中习得如何最佳支持患者。机器人随后依据所学知识为患者提供辅助，给予恰到好处的身体支撑，既让患者保持适当挑战感，又能维持其参与积极性。
"大多数机器人领域的生成式AI模型关注的是运动轨迹，而我们的模型是最早专注于学习物理交互的之一，即如何响应触觉、力度与阻力。"Geiger表示，"我们这个生成式AI模型的独特之处在于，它能够学习超越运动规划的动态物理交互。"
在通过健康参与者验证的初步原型测试中，研究人员利用真实世界的物理远程操控实验来训练生成式AI模型。参与者在执行常见康复动作（如手臂抬举和空间外侧够物）时，会有意识地调整自身用力程度。
"这使模型能够学习机器人辅助应如何根据患者的主动参与程度进行调整。"Lachner解释道，"与此同时，操作人员通过远程操控引导机器人完成接触丰富的操控任务，构建出一套'运动跑酷'场景。这两类互补数据集共同帮助模型学习并泛化出有效的物理交互策略。"
这项研究已走出实验室，进入临床阶段。目前，在德国慕尼黑的Pfennigparade门诊康复中心，研究人员正在记录物理和职业治疗师身穿力感应手套为患者进行治疗的过程，并结合摄像数据训练新的生成式AI模型，以捕捉不同治疗师独特的物理交互风格。
"初步机器人实验已经验证了这一方法的可行性。"Lachner表示，"项目下一阶段将致力于开发治疗师专属模型，并在曾接受过徒手治疗的相同患者群体中开展长期临床研究，对模型效果进行评估。"
这项工作建立在MIT生物力学与人类康复纽曼实验室前期研究的基础之上，该实验室由MIT机械工程系Sun Jae讲席教授Neville Hogan主持。"以前的研究仅限于平面内的够物动作，"Hogan表示，"这项新工作将适用范围扩展到了更广泛、更具功能性的动作集合。"
该系统能够支持多种物理治疗需求，典型应用场景包括：上肢受损的中风患者、术后需要恢复关节活动度的患者，以及需要维持手臂和肩部力量与灵活性的老年人。Lachner表示，未来还有更多潜在应用值得探索。
"展望未来，我们的方法或许能够远超物理治疗领域的应用边界，"他说，"它具有教会机器人与物理世界进行交互的潜力，例如应用于工业生产或协作工作场景。通过将基于物理的控制与AI相结合，我们正在开创新一代具备物理智能、稳定且安全的机器人。"
研究团队的论文《基于扩散的接触丰富操控任务阻抗学习》已在《IEEE机器人汇刊》上正式发表。
本研究由MIT-诺和诺德人工智能博士后研究员项目资助，并获得德国库卡机器人公司的支持。
Q&A
Q1：MIT开发的这套机器人物理治疗系统是如何工作的？
A：该系统结合了基于Transformer的扩散模型与实时力反馈技术，通过让物理治疗师操控双臂机器人完成康复动作来采集训练数据，AI模型从中学习如何根据患者的用力程度和主动参与情况动态调整辅助力度，为患者提供恰当的身体支撑，既保持挑战性又能维持其参与积极性，目标是延伸治疗师的服务能力而非取代他们。
Q2：这套AI机器人治疗系统目前处于什么阶段？有没有临床验证？
A：该系统已从实验室阶段进入临床研究阶段。目前在德国慕尼黑的Pfennigparade门诊康复中心，研究人员正在记录治疗师佩戴力感应手套为患者治疗的全过程，并将相关数据用于训练生成式AI模型。初步机器人实验已验证了该方法的可行性，下一步将开展长期临床研究，在真实患者群体中评估治疗效果。
Q3：这套机器人系统除了用于中风康复，还有哪些潜在应用场景？
A：除上肢受损的中风患者外，该系统还适用于术后需要恢复关节活动度的患者以及需要维持肩臂力量的老年人。研究人员表示，未来这一技术还有望应用于工业生产和协作工作场景，通过将物理控制与AI结合，打造新一代具备物理智能的安全机器人，应用潜力远不止于医疗康复领域。
