Science Robotics / Research Article

The role of user preference in the customized control of robotic exoskeletons

作者：K. A. Ingraham, C. D. Remy, E. J. Rouse · 单位：Department of Mechanical Engineering, University of Michigan, Ann Arbor, MI, USA, Robotics Institute, University of Michigan, Ann Arbor, MI, USA, Institute for Nonlinear Mechanics, University of Stuttgart, Stuttgart, Germany · 来源：Science Robotics · 发布日期：2022-03-30 · DOI：10.1126/scirobotics.abj3487

移动机器人机器人

精读笔记

Problem Setting

论文标题：The role of user preference in the customized control of robotic exoskeletons（Science Robotics / 2022）。

这篇论文实际在解决一个外骨骼控制目标定义问题，而不是提出新的外骨骼控制器。外骨骼控制的老问题是：给定一个参数化辅助策略，应该优化什么 objective。过去主流答案是代谢成本、肌电、力学功率、步态对称性等可测指标；但这些指标在真实穿戴体验中明显不充分。

真正困难点在于，外骨骼不是单纯作用在机械系统上，而是作用在一个会感知、会适应、会抗拒、会学习的人体-神经控制系统上。一个控制参数可能在代谢上更优，但用户觉得不舒服、不稳定、不可控，最终不会采用。相反，用户偏好可能整合了多种难以测量的因素，但它又是主观、动态、易受先验影响的量。

所以关键矛盾是：最相关的目标往往最难形式化，最容易测量的目标往往不覆盖真实使用价值。本文把这个矛盾缩小为一个实证问题：用户能否在外骨骼辅助参数空间中稳定、快速、可重复地表达自己的偏好；以及这个偏好是否随速度、暴露时间和知识背景发生系统性变化。

Motivation

已有 human-in-the-loop optimization 的核心假设是：存在一个研究者预先定义、传感器可估计的 objective，例如代谢成本；算法只需在控制参数空间中寻找最优点。这条路线在实验室里有效，但它的问题是 objective bottleneck：优化器再强，也只能优化被定义出来的东西。

作者的动机不是否定代谢优化，而是指出代谢成本只是外骨骼使用价值的一维投影。真实使用中，用户可能同时权衡舒适、稳定、主观努力、疼痛、对设备的信任、对步态扰动的厌恶、甚至对“被辅助感”的偏好。把这些因素全部显式测量并加权几乎不可行。

关键缺口是：领域里已经有一些 preference-based 或 self-tuning 的工作，但还没有系统回答 preference 本身的控制学属性——它是否可重复？多维调参时是否仍然可用？用户需要多久找到偏好？新手会不会随着适应改变偏好？技术背景会不会改变偏好？这些问题不回答，preference 就只能是用户体验问卷，而不能成为控制目标。

Core Idea

论文的核心思想是：不要试图替用户定义多目标 reward，而是让用户在控制参数空间中直接表达其内部 reward 的 argmax。用户的大脑和身体被视为一个复杂但可查询的评价器；self-tuning 接口就是查询这个评价器的方式。

这引入了一个很强的 inductive bias：用户偏好虽然主观，但在局部控制空间中具有足够一致的内部表征，可以通过短时间主动探索被读出。相比代谢优化，它不是用外部传感器估计一个单一 physiological objective，而是把用户感知本身纳入控制回路。相比 pairwise preference learning，它不是让算法通过大量 A/B 比较拟合 preference landscape，而是让用户执行主动搜索，利用人的感知和决策能力做 test-time optimization。

本质区别在信息流。传统 human-in-the-loop 是“人体被测量，算法决策”；这里是“人体评价，用户决策，设备响应”。这使它潜在更 scalable：研究者不需要预先知道用户到底在优化什么，也不需要为舒适、稳定、努力感等隐变量设计传感器和权重。但这个 scalability 是有条件的：它把建模难题转移给用户内部评价和交互接口，并没有解释 preference 的来源。

Method

方法的关键不是 Dephy 踝外骨骼，也不是触屏细节，而是实验设计如何隔离 preference 作为控制信号的性质。

第一，二维 self-tuning。用户同时调整峰值踝辅助力矩大小和峰值发生时序。这样做解决的是参数交互问题：如果逐维 sweep，用户只能在固定其他参数的情况下评价单一维度，可能错过真实偏好点。二维连续探索允许用户直接感受组合效应。

第二，隐藏参数语义与随机坐标映射。用户看到的是空白二维网格，不知道哪个方向对应力矩或时序，且映射在 trial 间变化。这一步的作用是降低认知推理、记忆位置、实验者暗示带来的偏差，让选择更依赖身体感知。它不是完美消除 bias，但至少避免了用户说“我觉得更大力矩应该更好”然后直接调大。

第三，重复 trial 估计 preference precision。论文关心的不是单次用户选了什么，而是同一用户在多次搜索中是否回到相近区域。这个设计把 preference 从 anecdotal user choice 提升为可量化信号。

第四，速度、实验进程和知识背景作为扰动因素。速度测试偏好是否随任务状态变化；trial block 测试暴露和适应；knowledgeable cohort 测试先验知识是否改变偏好。这些不是附加实验，而是验证 preference 能否用于真实控制的必要压力测试。

Key Insight / Why It Works

最重要的 insight 是：用户偏好在外骨骼控制空间中既不是纯噪声，也不是固定常数，而是一个可重复但会适应的动态量。这一点对控制设计很关键。它说明 preference 可以进入闭环，但不能被一次性标定后长期冻结。

方法有效的主要原因不在算法，而在任务结构。外骨骼辅助的峰值大小和时序是用户能够直接感知的低维参数；跑台行走提供了重复、稳定、周期性的感知样本；用户每几步就能评价一次设置。因此 human perceptual system 能充当高带宽、低延迟的评价器。如果参数空间更高维、效应更滞后或更隐蔽，这种 self-tuning 可能迅速失效。

论文中最可能的核心贡献是证明了二维 preference readout 的可重复性和时间尺度：用户大约在分钟级能收敛，并且跨 trial 的选择有个体一致性。这为 preference-based control 提供了工程上可用的先验：偏好查询不一定需要大量 pairwise comparisons，也不一定只能离线问卷获得。

但需要直接判断：本文没有证明 preference 是“更好的 objective”，只证明它是“可测的 objective candidate”。它也没有解释 preference 的因果构成。新手随时间偏好更大力矩，可能是神经适应、稳定性适应、对设备信任增加，也可能是学习了实验界面和任务期望；增益来源不清。knowledgeable 用户偏好更高力矩进一步说明 preference 含有认知先验，不是纯粹的身体最优。

从机制分类看，这不是 scaling、不是 retrieval、不是 representation learning，而是更好的 human-in-the-loop inductive bias：把难以显式建模的多目标价值函数外包给用户感知-决策系统。辅助部分是界面和统计建模；核心是将 preference 作为实时可查询的 latent objective。

Relation To Prior Work

最接近的谱系有三条。

第一是代谢成本驱动的 human-in-the-loop optimization，例如 Zhang et al. 和后续 hip/ankle exoskeleton 优化。这类方法把人体作为被测对象，用代谢估计器给优化算法提供 cost。本文的本质差异是 objective 的来源：不是研究者定义的 physiological scalar，而是用户主观偏好。代谢优化强调 measurable optimality，本文强调 user-defined optimality。

第二是 prosthesis/exoskeleton 中的 preference learning 和 pairwise comparison。那些方法通常通过 A/B 比较学习 preference landscape，样本效率较低，但形式上更接近机器学习优化。本文使用 method of adjustment/self-tuning，让用户自己搜索最优点。看似简单，但实质上把优化计算从算法转移给人，利用人的主动探索能力提高效率。

第三是传统可调 assistive device fitting。临床或工程上让用户调刚度、对齐、辅助幅度并不新。本文的新意在于把这种直觉调参系统化为控制目标研究：隐藏参数、重复测量、速度/时间/知识背景扰动、统计分析 preference precision。也就是说，它不是发明“让用户调参数”，而是把 user tuning 从工程习惯变成可用于控制设计的实验对象。

哪些是已有思想重组？self-tuning、用户偏好、外骨骼参数化 torque profile 都不是新概念。实质创新在于：同时二维调参、严格盲化参数语义、研究 preference 的 repeatability/adaptation，而不是只报告用户喜欢哪个设置。

Dataset / Evaluation

Evaluation 是真实硬件、真实人、真实外骨骼行走实验，这一点比离线 preference benchmark 更有说服力。任务覆盖健康受试者在跑台上以三个固定速度行走，设备是双侧踝外骨骼，参数空间只包含峰值力矩大小和峰值时序。

实验确实支持核心 claim 的一部分：用户可以快速且较一致地识别个体化偏好；偏好随暴露时间、速度精度和知识背景变化。这些结果足以说明 preference 不是不可用噪声，也不是简单的统一设置。

但 evaluation 没有验证更强的 claim：偏好控制是否提升实际性能、长期依从性、代谢成本、稳定性或日常使用价值。论文没有把 preference-selected controller 与 metabolic-optimized controller、biomechanics-based heuristic、或 pairwise learned preference policy 做直接性能对照。因此它验证的是 preference measurement feasibility，而不是 preference-based control superiority。

跨场景泛化也很有限。固定跑台速度和短时实验不等价于户外、变速、坡道、楼梯、疲劳、携带负重或临床人群。参数空间低维且效应即时，可能高估了 preference self-tuning 的可扩展性。

Limitation

最大限制是方法成立依赖一个隐含前提：用户能够即时感知控制参数变化，并且能把多步行走体验压缩成稳定偏好判断。对于踝外骨骼峰值力矩和时序，这个前提大致成立；但对高维控制策略、长期代谢效应、协同多关节辅助、变环境策略，未必成立。

第二，preference 的含义不清。文中未充分说明用户选择偏好时到底优化什么。可能是舒适，可能是稳定，可能是主观省力，可能是更明显的辅助感，也可能是对实验任务的解释。没有同步收集代谢、稳定性、肌电、主观量表并做因果分析，因此 preference 的 latent structure 仍然是黑箱。

第三，偏好是动态的，这既是发现也是风险。新手随实验进程偏好更大力矩，说明一次性 calibration 可能很快过期。更麻烦的是，这种漂移未必收敛到“更好”的点；它可能只是适应、习惯化或风险容忍度提高。长期上限文中未充分说明。

第四，knowledgeable cohort 偏好更高力矩暴露了 framing bias。所谓用户偏好不是纯感知 readout，而是受知识、经验、期望和研究者身份影响。这对真实产品部署很重要：用户教育会改变偏好，但也可能诱导用户选择他们以为应该好的设置。

第五，参数空间被研究者强约束。最低力矩约 7.8 Nm，最高约 20.7 Nm；有受试者可能想低于下限。时序范围也由研究者预设。所谓“用户自由选择”只在一个工程定义的局部空间内成立。

第六，scalability 未解决。二维触屏 self-tuning 在低维参数上有效，但扩展到 5-10 维控制参数时，用户主动搜索会非常困难。未来需要主动学习、低维 latent parameterization 或 shared autonomy，否则方法只是把优化负担从算法转给用户。

Takeaway

  • 1. 用户偏好可以被视为一种可查询的 latent objective，而不是只能作为实验后问卷。
  • 这是本文真正推动的地方。
  • 2. preference-based control 的关键不是让用户“感觉参与”，而是利用用户感知系统整合那些难以传感器化的目标；但这要求控制参数低维、效应可感知、反馈时间短。
  • 3. 偏好是动态量。

一句话总结

这篇论文在外骨骼控制谱系中的位置是：它把用户偏好从主观体验指标提升为可实验测量的控制目标候选，证明了低维外骨骼辅助中 preference readout 的可重复性与动态性，但尚未证明 preference 本身优于代谢或生物力学最优。