表面肌電意圖識別技術(shù)是人機(jī)融合智能技術(shù)發(fā)展的重要支撐技術(shù)，在智能假肢、康復(fù)機(jī)器人等領(lǐng)域具有重要應(yīng)用價(jià)值，然而，該技術(shù)在實(shí)際應(yīng)用中常受到電極偏移、個(gè)體性差異、肌肉疲勞、肢體姿態(tài)或其他綜合性干擾等多種因素的影響，難以推廣使用，如何克服上述因素的影響是目前急需解決的關(guān)鍵問題。

　　中國科學(xué)院沈陽自動(dòng)化研究所醫(yī)療康復(fù)機(jī)器人團(tuán)隊(duì)在深入分析的基礎(chǔ)上，提出了非理想肌電的概念，建立了非理想肌電分析的框架體系，在構(gòu)建肌電數(shù)據(jù)集、探索深度學(xué)習(xí)和遷移學(xué)習(xí)方法，以及肌電分解技術(shù)研究等方面，對未來的關(guān)鍵技術(shù)進(jìn)行了展望，相關(guān)文章被《自動(dòng)化學(xué)報(bào)》中文版錄用。針對電極偏移這一難點(diǎn)問題，科研人員提出了一種自適應(yīng)矯正方法，可估計(jì)出環(huán)形傳感器偏移的角度，將動(dòng)作估計(jì)精度提高了35.72%，相關(guān)研究成果發(fā)表在IEEE J. Biomed. Health Inform上。

　　此外，科研人員融合深度學(xué)習(xí)的特征提取能力和模型泛化能力，對動(dòng)作分類、角度估計(jì)、力估計(jì)、多模態(tài)信息融合、個(gè)體性差異以及魯棒性等問題結(jié)合深度學(xué)習(xí)方法進(jìn)行了系統(tǒng)性總結(jié)，分析了目前主要的問題及相應(yīng)的解決方案，并展望了未來研究方向，相關(guān)研究成果發(fā)表在IEEE/CAA J. Autom. Sinica上。

　　與人共融是機(jī)器人技術(shù)發(fā)展的重要特征，將人的智能與機(jī)器人的智能相融合推動(dòng)了與人共融機(jī)器人的發(fā)展。長期以來，課題組致力于人機(jī)融合智能領(lǐng)域的理論研究和應(yīng)用實(shí)踐，是國內(nèi)最早利用表面肌電進(jìn)行人體連續(xù)運(yùn)動(dòng)意圖估計(jì)的團(tuán)隊(duì)之一，首次提出基于運(yùn)動(dòng)單元分解的運(yùn)動(dòng)意圖識別方法，開發(fā)了手部康復(fù)系統(tǒng)、踝關(guān)節(jié)康復(fù)系統(tǒng)、上/下肢外骨骼康復(fù)機(jī)器人等系統(tǒng)并結(jié)合患者開展臨床試驗(yàn)，相關(guān)研究成果先后發(fā)表在IEEE Trans. Ind. Electron, IEEE Trans. Neural Syst. Rehabil. Eng上。

　　上述研究工作得到國家自然科學(xué)基金委員會、中科院和機(jī)器人學(xué)國家重點(diǎn)實(shí)驗(yàn)室的支持。