近日，我校智能制造与材料学院杨远博老师以第一作者兼通讯作者身份，在国际期刊《IEEE Sensors Journal》发表论文《Robust Co-Adaptive Human–Robot Interaction Under Sensor Noise, Delay, and Parameter Drift》，为个性化智能康复机器人控制提供新思路。

脑卒中、神经系统疾病与肌肉骨骼功能障碍，是上肢运动能力下降的主要原因。机器人辅助训练以高强度、重复性、任务导向见长，但患者运动能力、主动参与度与神经肌肉状态差异显著，传统固定参数或单向自适应控制难以实时匹配辅助强度，常陷入“辅助不足”或“过度辅助”两难。如何精准感知患者状态、动态调整辅助策略，成为该领域的核心命题。

论文直面人机交互中的个体差异、传感噪声、神经运动延迟与模型参数漂移，提出面向传感扰动的共适应人机交互控制与多维性能评价框架。针对既有方法仅凭轨迹误差或交互力单向调节、难以兼顾主动参与与传感不确定性的局限，研究构建轻、中、重度三类运动功能障碍虚拟患者模型，建立“自适应阻抗控制＋径向基函数神经网络（RBFNN）＋强化学习（RL）”协同的分层共适应架构：底层阻抗控制保障柔顺交互，RBFNN依运动误差与努力程度动态调参，RL于慢时间尺度优化全局，使辅助强度随患者能力与状态持续演进。

研究跳出“唯轨迹精度论”，构建涵盖运动精度、辅助效率、主动努力程度与系统鲁棒性的多维评价体系，并在上肢屈伸、肩肘协同到达、抓握——释放三类典型任务中，与固定增益阻抗控制、自适应阻抗控制同场对比，系统检验复杂传感环境下的人机交互性能。

该研究将患者主动参与、能力变化与传感不确定性纳入统一控制—评价框架，推动康复机器人由 "机器人单向适应患者" 迈向 "人机协同适应"，并为控制算法标准化比较、硬件在环实验与临床验证提供可复现基础，为更自然、更个性化的机器人辅助康复系统铺路。

论文信息：Yuanbo Yang, Hiu Hong Teo, Yeong Jin King, Yao Zhang. Robust Co-Adaptive Human–Robot Interaction Under Sensor Noise, Delay, and Parameter Drift [J]. IEEE Sensors Journal, 2026, 26(7): 10251–63. DOI: 10.1109/JSEN.2026.3665731.