一种基于数字孪生的人机协作生物力学工效学评估框架

《Digital》：A Digital Twin-Based Framework for Biomechanical Ergonomics Assessment in Human–Robot Collaboration

　　

在当今制造业中，职业性肌肉骨骼疾患（work-related musculoskeletal disorders, WMSDs）仍是最为普遍的职业健康问题之一。协作机器人（collaborative robots, cobots）作为应对这一挑战的 promising 技术，近年来推动了人机协作（human–robot collaboration, HRC）领域工效学评估研究的深入发展。该研究探讨了将数字人体模型（digital human model, DHM）与协作机器人数字孪生相耦合，以评估HRC任务中肌肉激活和关节反作用力等详细工效学参数的可行性。研究人员选取关键参数构建工效学图谱，将人机交互效应浓缩为使用者冠状面前各工位的单一标量值。该研究呈现了工效学映射方法，识别了关键影响因素，并讨论了关键工作空间设计启示。

该研究旨在解决人机协作（HRC）中工效学评估手段不足的问题。尽管现代制造业自动化程度日益提高，但由于产品定制化、小批量生产及复杂零件处理等需求，体力劳动仍不可或缺。与此同时，职业性肌肉骨骼疾患（WMSDs）作为最常见的职业健康问题，尤其以上肢受影响最为严重。保障劳动者健康与福祉，需要对工作场所及流程进行精细化工效学设计。工业5.0强调以人为中心和可持续的生产模式，协作机器人（cobots）凭借先进感测与智能控制技术，可实现与人类作业者的安全近距离交互，有效结合了人与机器各自的优势。从工效学角度，协作机器人能够承担重复性、高体力负荷及高精度的作业，但其工效学潜力尚未得到充分挖掘。

现有HRC工效学评估方法多依赖RULA、REBA等观察性方法，这些方法虽在工业实践中广泛应用，但对物理负荷背后生物力学机制的解释有限。虽有研究引入疲劳建模和关节扭矩分析加以扩展，但仍主要基于简化的人体生物力学表征，且通常仅在系统调试阶段进行一次评估，难以适应动态、用户特异性的制造环境。为响应工业5.0理念，构建能够适应个体特征的HRC系统，研究人员提出将协作机器人数字孪生与操作者数字孪生集成，形成信息物理系统（cyber–physical system, CPS），通过数字孪生耦合（digital twin coupling）实现物理与虚拟实体的持续同步，为协作过程的优化提供数据驱动基础。数字人体模型（DHM）的引入使得肌肉激活和关节反作用力（joint reaction forces, JRFs）等详细生物力学指标得以纳入，实现更精确、客观的工效学评估。尽管已有进展，现有方法仍主要依赖简化指标，缺乏多生物力学参数在数字孪生环境中的综合集成。该研究正是针对这一空白，提出了一种基于数字孪生耦合的生物力学工效学评估框架。

该研究采用三项主要关键技术方法：一是构建耦合数字孪生系统，以机器人操作系统（Robot Operating System, ROS）管理平台，整合RGB-D相机（Microsoft Kinect V1）进行无标记骨架追踪，并在协作机器人（UR5e）末端集成力-扭矩传感器测量交互力；二是基于OpenSim 4.5建立个性化数字人体模型，通过DIN 33402-2标准进行人体测量学标定，将采集的运动学与力数据导入仿真环境；三是开发多参数工效学映射算法，对关节扭矩、肌肉激活和关节反作用力进行归一化与空间离散化处理，构建4×7工位网格的工效学图谱，实现多源生物力学信息的综合标量表达。

研究首先分析了关节运动学特征。三名男性参与者的肩肘关节角度分布显示，肩外展角分布较为一致，而仰角、肩旋转和肘屈曲角度变异性较大。各参与者在四个 investigated 关节上呈现出相似的关节角度模式，四分位距（IQRs）接近，仅中位数值和总体范围存在微小差异。

在关节扭矩方面，肩外展关节表现出最大的扭矩幅值和变异性。参与者间肩外展扭矩存在差异：参与者1与2在75百分位数相差3.52 Nm，参与者2与3相差0.94 Nm。肩旋转扭矩方面，参与者1和2处于相似范围（?1.73 Nm至?0.61 Nm），而参与者3呈现约2 Nm的负向偏移。仰角关节扭矩在各参与者中幅值相近，参与者3略高。肘关节扭矩则呈现递增趋势，75百分位数分别为参与者1的1.22 Nm、参与者2的2.23 Nm和参与者3的3.13 Nm。以参与者1为代表的空间分布显示：肩外展扭矩在工作空间右下区域最低，向上和向侧方递增；肩旋转扭矩在右下区域最高；仰角扭矩集中于左上区域；肘屈曲扭矩在左下区域最高。这些分布与任务特征一致——抬高位置扭矩增大，重力是主要贡献因素。

肌肉力分析聚焦于肩肌群、竖脊肌（M. erector spinae）和腹肌。参与者1的肩胛下肌（M. infraspinatus，75百分位数620 N）和三角肌（M. deltoideus，75百分位数489 N）贡献最大；参与者3的三角肌（75百分位数506 N）显著，肩胛下肌（75百分位数296 N）较适中。参与者3的竖脊肌贡献（75百分位数800 N）高于参与者1（375 N），腹肌贡献相对较低。三角肌的主导作用与其肩屈曲原动功能一致，而肩胛下肌的显著参与则反映了其在肩稳定和外展辅助中的作用。竖脊肌在侧方位置的增强提示其为对抗重力负荷的代偿性稳定机制。

关节反作用力（JRFs）分析表明，所有关节的空间分布模式相似，参与者3总体力值较高。肘关节反作用力各轴向均低于1000 N；参与者1肩关节反作用力低于500 N，参与者3可达1000 N，均在生理预期范围内。JRFs主要由肌肉协同收缩和重力负荷产生，压缩性力为主有利于关节稳定。

工效学图谱结果显示，参与者1和3（以及附录中的参与者2）呈现一致的空间模式：工作空间左上区域工效学评分较差，右下区域较优。这与右手执行任务、右侧位置更为有利的任务配置相符。但右上区域评分中等，以及参与者1和2的中心区域评分差于预期，提示参数权重或归一化方法存在局限。由于样本量限制（n=3），未能进行图谱结果与Likert量表主观评分的定量相关分析，但定性比较显示在抬高位置的不利区域识别上存在部分一致性。

讨论部分，研究人员首先指出相较于RULA、REBA等观察性方法，该框架通过纳入生物力学仿真数据实现了更详细、客观的评估，但代价是更高的建模与计算成本，观察性方法在工业快速评估中仍具优势。权重因子的选择虽基于任务相关性的启发式配置，但结果的一致性表明了方法的一定稳健性。未来需通过数据驱动或优化方法客观化工效学参数权重，并进行系统性敏感度分析。

该研究识别出三个主要改进方向。第一，数据采集方面，单台RGB-D相机无标记追踪存在遮挡问题，尤其当协作机器人手臂遮挡近端虚拟标记（如肘、手）时，会导致肩旋转或侧屈的低估；骨盆标记偶尔的不准确则会引发驼背等不合理姿态。增加侧向相机可显著改善追踪鲁棒性。第二，数字人体模型与数字孪生耦合的保真度方面，肌肉附着几何、力臂和最大等长力等模型假设的敏感性、手动标定的变异性、缺乏明确接触约束导致的手-工件穿透、以及肩关节多关节结构的固有几何复杂性均需关注。此外，JRFs的剪切分量未显式评估也是局限。第三，参数选择与加权策略方面，相对归一化虽便于工位内比较，但限制了跨被试可比性；肩外展扭矩可能被过度表征，而肌肉激活作为相对努力指标受归一化偏差影响较小。未来可纳入脊柱关节扭矩和反作用力、手腕精细运动等补充指标，并将该框架整合至基于学习的控制方法（如阻抗学习），以生物力学指标作为工效学反馈信号优化协作机器人控制策略。

研究结论指出，人机协作在改善职业福祉、经济生产力及服务与家庭环境应用方面具有重大潜力，但需系统感知、分析和理解人机交互。该研究提出的信息物理系统框架，通过数字人体模型与协作机器人数字孪生的耦合，集成了关节扭矩、肌肉激活和关节反作用力于统一评估框架，为协作环境中更客观、准确、用户特异性的工效学评估做出了贡献。结果证实了方法的可行性，多参数集成及其空间化工效学图谱为识别不利工作条件和优化工作空间设计提供了有意义的依据。同时，数据采集精度提升、数字孪生耦合 refine、参数权重与归一化策略调整等方面有待改进，更大规模和更多样化被试群体的验证研究也将是必要的。未来工作将聚焦于实时应用扩展，实现在线工效学评估与自适应协作机器人行为，使HRC系统能够动态响应变化的工况与用户需求，为实际应用中的工效学优化提供直接且情境特异性的反馈支持。