肌萎缩性侧索硬化症患者的辅助机器人:带有早期演示器的探索性任务型评估研究

简介

背景

肌萎缩性侧索硬化症(ALS)属于运动神经元疾病的一类，是一种运动神经系统的慢性退行性疾病。最近的数据显示，全世界每10万人的发病率为0.6至3.8‰，患病率为4.1至10.5‰[1-3.］．平均发病年龄为58至63岁[4，5]，最年轻的病人年龄介乎20至30岁[1，6］．男女比例显示，男性患病的几率略高[6，7］．在病程中，自主运动功能逐渐丧失，最终导致完全瘫痪[5］．该疾病的主要症状包括进行性肌肉麻痹、肌肉萎缩和肌肉痉挛;然而，身体和感官知觉不受影响。这种疾病最初始于一个孤立的肌肉区域，并逐渐从那里传播。该病导致运动功能的持续丧失，导致与日常生活活动相关的操作能力受到多重限制，导致患者高度依赖和需要支持。相应的支助网络通常由专业和非正式的照顾者组成，他们分担提供必要援助的负担，同时尊重和促进受影响者的独立和自决[8-10］．在这方面，辅助技术和设备在受影响用户的疾病管理方面发挥着突出作用[11］．根据2004年的美国辅助技术法案，辅助技术和设备被定义为“…任何旨在增加、维持或改善残疾人的功能能力的物品、设备或产品系统，无论其为商业购买、修改或定制" [12］．目前，各种辅助技术系统被用于补偿身体功能的丧失(例如，生命支持设备，如呼吸机和喂食管、环境控制设备、矫形器、转移设备、增强和替代通信设备，以及行动辅助设备，如动力轮椅和手动轮椅)[11，13］．然而，通常情况下，这些技术中的许多都是高度专门化的(任务受限的辅助设备)，具有明确定义且通常是非操作的功能应用。ADLs，如独立拿起和放置物品，准备食物，饮食，或独立的个人卫生，这些系统只能在有限的程度上解决，如果有的话。在这种情况下，使用辅助机器人操纵器有望在促进有功能限制的人的独立性和运动自决方面具有巨大潜力。尽管目标人群对辅助机器人操作器有很高的需求，但目前，只有少数系统可以在市场上使用，只有一小部分受影响的人得到了这种系统。其原因包括技术、经济和规范方面的挑战，以及现有护理流程系统实施潜力不足[14］．相比之下，潜在用户群体对系统的感知有用性和接受度的经验证据水平较低[15，16］．下面的部分概述了当前的技术状态。

技术现状

辅助机器人机械手的研究和开发，以帮助功能受限的人，可追溯到20世纪60年代[16，17］．这类机械手的关键功能是通过补偿功能限制，特别是上肢的功能限制，促进用户的独立性。Driessen [18]，他将机器人操纵器称为康复机器人设备，将其分为三类:(1)单任务机器人，(2)工作站，(3)安装轮椅的操纵器。单任务机器人专门用于执行特定的任务，该任务被实现为机器人控件中预定义的操作序列，因此，可以使用非常简单的输入设备检索。商用单任务机器人的例子包括各种食物摄入辅助系统，如My Spoon (Secom)、obi (Design LLC)和Bestic (CaminoCare)。这些系统提供一个机械臂和一个勺子(在某些情况下，还提供一个用于分餐的特殊盘子)和一个简单的交互界面，在大多数情况下，可以使用单独设计的控制进行扩展。然而，单任务机器人由于高度专业化和所需的操作环境的标准化，其促进独立性的潜力相对较低。相比之下，机器人轻臂被用作固定工作站或作为附加在轮椅上的操作辅助设备。固定工作站允许用户在预定义的操作区域内检测各种对象，并让机器人机械手使用预定义的功能将它们拿起来并放置它们。因此，工作站系统在操作任务方面具有很高的灵活性，但仍然局限于固定的位置。安装在轮椅上的机械手是最后一类。这些机械臂可提供6 df(包括夹持器7 df)，其特点是非常轻薄的设计[16，18-20.］．用于帮助有行动障碍的人的知名和商业化的辅助机械臂有Manus, iARM (Exact Dynamics)， JACO和MICO (Kinova)。这些系统也有各种安装选项，允许在桌子或床上固定使用[19］．此外，正在研究工业环境和各种原型的若干其他现有系统;然而，他们尚未进入医疗保健市场[16］．安装在轮椅上的机械手可用于不同的操作任务的各种设置。

系统的控制通过连接到轮椅扶手上的三轴操纵杆进行远程操作。3df因此被映射到笛卡尔手臂平移和手腕旋转控制的子集。为了控制7df (3 df用于在3D空间中移动，3 df用于手腕移动，1 df用于打开和关闭夹持器)，用户必须在不同的笛卡尔水平之间切换[16，20.］．

没有特定自主行为的用户远程操作形成了一种成本较低的控制策略，因为用户仍在控制，从而降低了控制系统的复杂性。此外，这种方法为系统在高度非结构化和动态环境中的操作提供了高水平的个人安全，并且在用户附近。相比之下，这种控制策略与有身体障碍的人的高认知和身体努力有关[16，18］．

在此背景下，目前的研究正在研究简化控制系统的新方法。重点是新颖的用户界面(ui)和传感器融合技术在半自主控制中的不同可能性[18，21］．在此背景下，Petrich等人[16]引用了参与者使用手势或眼神来选择机器人可以自动接近的对象的方法。控制机器人行为的其他接口还包括肌电描记术、脑电图描记术和皮层电描记术。本特森等人对目前使用计算机视觉进行机器人操纵器半自主控制的方法进行了系统回顾，[21]强调了三个主要挑战:(1)需要允许用户对整个任务过程进行一定控制的自适应半自治控制方案，(2)通过依赖特定抓取点和基本形状而不是预定义对象的方法来处理任意对象，最后(3)通过考虑不同的视点来精确感知环境。

除了开发新的控制方法，识别受影响用户日常生活中的相关应用领域是另一个研究领域。目标是确定用户特定的性能参数需求，以开发适当的操作分类法[17，19，22］．

机器人辅助服务为肌萎缩性侧索硬化症患者提供个性化和资源型重症和姑息治疗

机器人辅助服务为肌萎缩性侧索硬化症患者提供个性化和资源型重症和姑息治疗(ROBINA)是由德国联邦教育和研究部资助的一项研发项目。该项目的目的是开发一种可以通过多模态UI控制的半自动机器人机械手，以支持ALS患者在各种ADLs中的独立性。与此相关，该项目的另一个目标是使专业和非正式的照顾者从重复的支助活动中解脱出来。

目标

本文总结了在我们的项目中开发的一个早期演示器的最终评估结果。本研究的目的是确定渐冻症患者的特定需求、偏好和要求，以开发一种半自动机械臂，以促进渐冻症患者的自主性和独立性。

方法

概述

本研究为探索性任务型实验室评价研究。数据收集基于混合方法设计，包括验证和自行开发的问卷、标准化观察方案和半结构化访谈。本研究设计为任务型评估，研究时长为2周。

实验室研究

图1展示了研究的设置。它是围绕一个7轴熊猫机械手(Franka Emika)建立的，关节处有扭矩传感器，使其能够与参与者进行敏感的交互。此外，该机器人系统还配备了一个双指夹持器。夹持器的功能模式包括两指的开启和闭合。旋转夹持器以使其与操作对象对齐是不可能的。控制软件基于“机器人操作系统”[23这是一种在机器人研究中为开发复杂应用程序而建立的软件框架。它将开源组件和定制开发的增强功能结合到一个状态机中，以管理患者的输入和整体控制流。机器人通过提供的Franka控制接口进行控制，实现实时双向通信。定制的机器人操作系统控制器使用和调节机器人的能力，模仿机械弹簧的物理外观。该软件作为分布式系统运行在3台pc上，通过共享的、封闭的网络进行通信。总共，两台pc执行计算密集型操作，与机器人进行实时通信，并在基于linux操作系统(Ubuntu Desktop 16.04长期支持;Canonical Foundation, Ubuntu社区)。通过病人的传感器进行控制的软件运行在装有Windows操作系统的平板电脑上。它被实现为现代互联网浏览器的本地通信应用程序，患者可以通过控制单元访问。这些控制单元包括各种各样的输入设备，以最好地覆盖每个参与者的能力，如直接在手操作的操纵杆或连接在鹅颈支架上的操纵杆，头部控制系统(智能导航自然点)和眼睛控制系统(Alea Technologies gmbh)，当只有眼睛凝视时提供控制。

‎ 把这个图

所有的输入都被映射到一个鼠标指针上，病人用它导航基于浏览器的图形用户输入(GUI)的菜单并控制机器人。不同的任务场景(参见以下部分)被实现为移动序列，参与者可以执行、暂停、重置，并通过调整工作流的参数(图1-3.)．该系统支持部分自主，比如在喝水时检测面部和嘴唇，以及基于视觉的桌面物体抓取。

‎ 把这个图

‎ 把这个图

评估任务

下面几节将描述用于评估的不同任务场景。

提供饮料

机器人系统提供一个带有硅胶吸管的杯子。通过UI选择所需的功能后，机器人机械手用其两个手指的夹持器自主地握住杯子。移动到用户的嘴是由计算的姿势为嘴的中心相对于吸管的尖端。机器人通过视觉口腔追踪，自动将杯子引导到距离参与者嘴巴10厘米的地方。要喝水，参与者必须积极地把头移向吸管。

交出手机

研究参与者发起交出手机点击UI上相应的图标。然后，机器人系统会自动拿起手机，并将其放置在预定的转移区域。手机位于预定的取物区域，机器人用末端执行器自动抓取手机。它通过视觉物体识别来追踪手机。

皮肤抓痒

参与者通过选择抓挠的时间、力度和刷子的类型(图2)．机器人手臂会自动拿起刷子，然后慢慢靠近人类的前臂。参与者的前臂放在手臂填充物上，这是机器人系统的位置识别。机器人的传感器不断地检查刷子和人体手臂之间的接触，以在肢体位置发生变化时调整机器人的运动。如果接触中断，超过时间限制，或用户停止执行，机器人停止抓挠，将刷子放回桌面上，并返回到备用位置。

自由操作

在这项任务中，研究参与者可以在指定的区域内自由移动机械臂并操作物体。为了对这项任务进行标准化评估，参与者被要求将立方体堆叠在一起。参与者通过点击6个方向级别(左、右、上、下、后、前)和打开和关闭UI上的钳子来控制机器人系统的所有动作。

参与者的安全

由于ROBINA系统处于早期示范阶段，因此进行了风险分析，确定了参与者安全的必要措施。主要措施包括在实验室条件下进行评估，并由受过专门培训的人员进行技术监督。此外，除了抓在这种情况下，机械臂无法在任何时候到达研究参与者。此外，研究还包括参与者的正式和非正式照顾者，以协助监测他们的福祉和一般状况。此外，在一开始进行了ROBINA系统的熟悉阶段和评估任务。另一个安全措施是UI上的“暂停/取消”按钮，参与者可以在任何时候中断每个场景。此外，正确的执行由经过专门训练的工作人员监督，他们可以立即中断。所有使用的材料都被检查是否有锋利的边缘或损坏，参与者被要求在整个测试过程中戴上安全眼镜。

伦理批准

Charité - Universitätsmedizin Berlin的伦理委员会、Freie Berlin的企业成员Universität Berlin和Humboldt-Universität zu Berlin批准了该研究(EA2/145/19)。此外，该研究已在德国临床试验注册(DRKS00016554)注册。

研究人群

参与者由老年病学研究小组招募，为期4周。本研究纳入标准为:受试者年龄≥18岁，临床诊断为ALS。为了研究影响ROBINA系统运行的功能限制，我们使用ALS功能评分量表(ALS- frs) [24]，仅限于语音和手指功能限制两个问卷维度。

共有11名临床诊断为ALS的患者参与了研究。11名参与者中，8名(73%)为男性，3名(27%)为女性。平均年龄57.1岁(SD 5.9岁;范围51 - 70)年。总的来说，73%(8/11)的参与者的手臂受到影响(手臂麻痹、四肢麻痹或类似情况)。在这11名参与者中，有4名(36%)参与者显示没有语言障碍，5名(45%)显示轻度到中度语言障碍，1名(9%)失去了说话能力。关于手指的功能限制，在11名参与者中，1名(9%)参与者表示他们没有任何限制，6名(55%)参与者提到轻度至中度限制，4名(36%)参与者有严重限制(即，他们不能按键盘上的键)。

研究过程

研究人员首先通过电话联系参与者，并告知他们研究的目的和程序。在提供正式同意后，他们被邀请到老年病学研究小组的研究设施。

作为第一步，记录了ALS-FRS-Extended的社会人口数据和子域。然后，在有经验的项目合作伙伴的协助下，选择最适合操作研究演示机的控制装置，并根据参与者的需要设置(如头部控制、眼控、操纵杆、PC鼠标或球鼠)。在第二步中，对系统和测试场景进行熟悉。在此背景下，给出了单场景、UI、机器人动作的实验设置和步骤，以及所需的安全措施。此外，还对系统进行了功能演示，以使用户熟悉系统。

随后，进行了基于任务的评估阶段，在此阶段，研究参与者测试和评估了前几节中提出的每个场景。在执行过程中，使用标准化的观察协议来记录系统和用户的错误以及参与者的自发表达(自言自语)。此外，在每项任务结束后，参与者被要求使用一份自行开发的、标准化的、经过验证的问卷对系统进行评级(参见以下部分)。

定量评价

在自行开发的调查问卷的基础上，研究中基于任务的干预部分的参与者被要求对每个场景的日常生活相关性、可用性和任务执行时的安全感进行5点李克特评分。另一项关于更喜欢人工支持而不是机器人支持的项目包括3个回答类别。在每个类别下提出的问题见表1．

ROBINA系统的一般评估是基于系统可用性量表(SUS) [25]，这是一种简单且与技术无关的工具，用于评估技术系统的主观感知可用性。该SUS包括10个项目，按李克特5分制回答。用户的答案根据一个编码表进行转换，然后进行总结(百分位解释)。可能的得分范围从0到100分，其中68分是至少良好可用性的基准。100分相当于完美的可用性。

除了SUS外，我们还使用了一份自行开发的问卷，以确定用户对以下类别的感知:使用过程中的焦虑感、系统规模和图形UI设计(表2)．

定性评价

为了深入了解ROBINA系统的主观感知和评价，定性数据通过两种方式收集。首先，在关于基于任务的评估的开放式问题中，参与者被要求陈述他们对人类或机器人协助的偏好。此外，他们还被问及每个场景中他们最喜欢和最不喜欢的方面。在总体评估中，参与者被问及一个关于他们对改进UI的建议的开放式问题。其次，采用观察方案收集定性数据。作为大声思考协议的一部分，参与者在测试过程中的自发表情被记录下来;人为和技术错误也被记录了下来。

分析

使用SPSS(28.0版本;IBM (IBM . n:行情)的Windows。由于我们的大多数数据具有序数标度水平或不具有高斯正态分布，结果以中位数、iqr、最小值和最大值表示。由于我们的实验室研究的探索性性质，假设和显著性检验没有进行。

根据Mayring [26］．考虑到有针对性的研究目标，分析包括不同材料中与内容相关的文本段落的释义。在此基础上确定目标抽象级别，并在此级别下对释义进行泛化。随后，通过选择进行第一次释义释义的还原。在进一步的简化步骤中，在目标抽象级别对释义进行池化和集成。为了保证数据质量，这些分析步骤由2名受过训练的研究人员进行，他们具有定性研究的经验。释义、泛化和还原的分析步骤使用Excel(版本2016;微软)。

结果

如前一节所述，实验设置包括各种输入设备，以最好地满足每个参与者的能力。在四种场景中，通过GUI控制ROBINA系统的输入设备为:眼控(1/ 11,9%)、普通PC鼠标(3/ 11,27%)、带开关的球鼠(1/ 11,9%)、头部控制(5/ 11,45%)、轮椅操纵杆(1/ 11,9%)。

基于任务的评价

在下一节中，将介绍ROBINA系统基于任务的评估结果。在此背景下，描述了评估场景对受影响参与者的日常生活的相关性、可用性(包括控制单元的易用性、半自主机器人运动的速度和对机器人支持的主观感受)、安全感和对人类支持优于机器人支持的偏好。为了更好地说明结果，这些结果亦以图表形式呈现(图4-7)．最后，每个场景的展示以参与者从开放式问题中获得的评估结束。

‎ 把这个图

‎ 把这个图

‎ 把这个图

‎ 把这个图

大多数参与者(9/11,82%)评价的相关性提供饮料与日常生活非常相关的场景。只有9%(1/11)的参与者认为这个场景与日常生活无关。在可用性方面，所有参与者(11/11,100%)将控制单元的易用性评价为非常简单或相当简单。45%(5/11)的参与者认为机器人的移动速度是合适的。相比之下，45%(5/11)的参与者认为它相当慢或非常慢。一名参与者认为移动速度相当快。在该场景中，大多数参与者对机器人支撑的主观感受被评为非常舒适或相当舒适(10/ 11,91%)。一名参与者认为它既不愉快也不不愉快。

此外，所有参与者(11/11,100%)表示，他们在执行半自主机器人行为时感到非常安全。

最后,为提供饮料在情景中，18%(2/11)的参与者表示他们更喜欢人力协助。相比之下，超过一半的参与者(6/11,55%)表示他们不喜欢人工辅助。在11名参与者中，3名(27%)参与者不能提供偏好。

作为定性评估的一部分，参与者被问及提供饮料他们特别喜欢或不喜欢的场景。参与者尤其欣赏精确而快速的反应和流畅的动作。此外，还对半自主行为进行了积极的评价。然而，与此同时，参与者更愿意完全控制系统，只要他们的身体和认知能力能够做到这一点。在身体或认知能力下降的情况下，例如，由于疲劳，参与者倾向于系统接管控制并自主行动。人们发现，把饮料递到嘴里是一件愉快的事，也是一种极大的解脱。该系统的尺寸使其不适合家庭使用，这一点受到了批评。此外，一名受访者批评该系统取杯和送杯的路径不同。在另一种情况下，杯子被端到一个稍微倾斜的位置;因此，液体溢出的风险受到了批评。 In 3 cases, the system collided with the surrounding devices when returning to the starting position (twice with the tablet and once with a wheelchair control), which caused irritation among the participants. Of the 11 participants, 2 (18%) participants noted the incompleteness of the scenario, as a third person was required to fill the cup and bring it into the robot’s interaction field.

一个关键的要求出现在提供饮料场景是指机器人在非结构化环境中操作物体时动作的可靠性。在这种情况下，一位参与者表示，机器人需要知道它的交互半径。对于可靠的对象操作，系统还应该能够识别对象的材料，并以适当的力量抓住它们。建议用第三根手指来增加抓握的可靠性。

的交出手机大多数受访者(9·11,82%)认为场景与他们的日常生活非常相关。一名参与者认为它既不相关也不相关，另一名参与者认为它非常不相关。

关于这个场景中ROBINA系统可用性的3个问题，控制单元的易用性被所有参与者评为非常简单或相当简单(11/11,100%)。运动速度的评价显示了一个分化的图像。在11名参与者中，3名(27%)参与者认为它非常快或相当快，其他4名(36%)参与者认为它的移动速度足够。同样，36%(4/11)的参与者认为移动速度相当慢。最后，大多数受访者认为机器人辅助非常舒适或相当舒适(10/ 11,91%)。一名参与者认为它既不愉快也不不愉快。

对于参与者在半自主任务执行过程中的安全感，所有参与者都表示非常安全或相当安全(11.11,100%)。

类似于提供饮料情景中，18%(2/11)的受访者表示更倾向于人力援助。相比之下，73%(8/11)的参与者不喜欢人工辅助胜过机器人辅助。参与者不能报告偏好。

在定性评价方面，将物体转移到受影响个体的交互场中、仔细拾取手机、长距离快速而精确的运动序列被描述为积极的。总的来说，这项任务被描述为“接近现实”。然而，在少数情况下，手机是在运送过程中掉落的，而不是小心地放下。此外，与会者强调，该场景只适合那些仍能独立拿起并操作手机的人。

综上所述，提出了3个关键要求:第一，将手机直接转移给用户或转移到合适的手持设备上;第二，将手机控制连接到机器人或轮椅控制(进行操作);第三，安全功能，防止机器人系统在转移过程中掉落物体。

总共，82%(9/11)的参与者评价抓与他们的日常生活息息相关的场景。在11名参与者中，有1名(9%)参与者认为它既不相关也不相关。

控制单元的易用性被所有参与者评为非常简单或相当简单(11.11,100%)。在抓场景中，对移动速度的评价各不相同。在11名参与者中，3名(27%)参与者认为速度非常快或相当快，大约一半的参与者(n=6, 55%)认为它是合适的，2名(18%)参与者认为速度相当慢。大多数受访者认为机器人辅助非常舒适或相当舒适(10/ 11,91%)。一名参与者认为它相当不愉快。

大多数参与者(10/11,91%)在半自主任务执行过程中感到非常安全。一名参与者认为这种安全感相当不安全。

在这项研究中，大多数参与者并没有表现出对人工辅助胜过机器人辅助的偏好抓场景(7/11,64%)。不过，有一位与会者表示更倾向于人力援助。总共有27%(3/11)的参与者无法提供偏好。

在定性评价方面抓场景中，参与者特别喜欢解决一个尖锐问题的快速满足感，以及隐私和独立性的增强。此外，参与者认为抓挠是愉快的，但这取决于刷子和皮肤类型。同样，挠痒的持续时间和强度明显与使用者的想法相对应，调整它们的可能性也是如此。相比之下，一名参与者质疑这项任务的实用性，尤其是在面部区域。另一位用户不确定系统是如何定位要划伤的区域的。当系统拿起刷子时，用两个手指的夹持器倾斜，参与者就会产生不确定性。在这些案例中，参与者表达了对皮肤损伤的担忧。对于与ROBINA系统相关的参与者正确体位的要求也被严格地看待，因为尽管出于安全原因，这是合理的，但对于活动能力有限的ALS患者来说，它无法在日常生活中独立实施。在这方面，对他人的依赖将继续存在。进一步指出，参与者相对于系统的位置导致不规则的划痕运动，因此，强度随划痕运动的距离而变化。 Finally, the lack of a separate start button in the GUI was criticized, as it was not clear to the participants how the scenario can be started once the parameters had been selected.

由于在这一方案中进一步发展的需要，强调了精确确定瘙痒位置的可能性，而不是模糊地选择全身区域。另一个需求是一个清晰定义的按钮来启动场景。最后，一些参与者希望抓挠动作和刷子能更好地适应身体形状。

所有参与者(11/11,100%)评价的相关性自由流动与他们的日常生活息息相关的场景。

在可用性方面，大多数参与者(10/ 11,91%)认为控制单元的易用性非常简单或相当简单。一位参与者评价它是足够的。在这种情况下，移动的速度也有不同的考虑。在11名参与者中，2名(18%)参与者认为它相当快，超过一半的参与者(n=6, 55%)认为它足够，3名(27%)参与者认为它相当慢或非常慢。所有参与者对机器人支持的评价都是非常愉快或相当愉快(11.11,100%)。

91%(10/11)的参与者认为机器人执行过程中的主观安全感非常安全。一名参与者报告说，当时感到非常不安全。

在这个场景中，11名参与者中，2名(18%)参与者更喜欢人类的支持，6名(55%)参与者不喜欢人类的帮助而不是机器人提供的帮助，3名(27%)参与者无法表明偏好。

在定性评价方面自由流动在这种情况下，人们对独立于人类援助的看法得到了强调。有嘉宾表示，他更喜欢护理员而非系统。然而，如果语言交流对他来说不再可能，这项任务就非常重要。此外，ROBINA系统的精确运动控制(在大小运动之间进行选择的能力)和灵敏度都得到了积极的强调。关键的是，在这个场景中，它强调移动速度不能调整。此外，在头部控制的使用上，强调了保持头部位置和触发机器人动作的许多微动作是费力的。另一个批评点是机器人的运动不均匀，它不是沿着直线运动的。

由于进一步发展的需要，一些用户希望实现无级控制。对于长距离的移动，建议使用上下文菜单，通过滑块控制速度。或者，长距离的移动可以取决于按下图形UI上相应按钮的时间。

在所有场景中，36%(4/11)的参与者描述了该系统促进独立和自治的潜力。总共，18%(2/11)的参与者不喜欢人类或机器人的支持。另有18%(2/11)的参与者表示，他们只会使用机器人辅助，前提是不会导致护理人员全部被替换。一名参与者觉得和人类在一起更舒服。该与会者表示，如果他们的身体功能非常有限或没有其他人在场提供支持，他们将使用机器人协助。此外，受访者认为机器人为他的亲属减轻了负担。

总体评价

在基于任务的评估之后，参与者被要求提供一个系统的总体评估。

ROBINA系统的整体可用性使用SUS进行了测量。ROBINA系统的平均得分中位数为90分(平均86.1分;差75 - 95;最低70;最高可达97.5分)，因此属于“优秀”或A级的较高范围[27］．

此外，在自行开发的问卷的基础上，参与者被问及在使用ROBINA系统时的感知恐惧、系统的大小和图形UI的设计。

对于基于任务的ROBINA系统的使用，所有参与者(11/11,100%)表示他们没有感到任何焦虑。

在规模方面，64%(7/11)的参与者认为ROBINA系统非常大，36%(4/11)的参与者认为它是合适的。

另一个关注点是图形UI的总体评估。大多数参与者通常评价为良好(8/ 11,73%)或非常好(3/ 11,27%)。关于图形UI中各种功能的可视化，73%(8/11)的参与者表示这些功能非常容易识别。总共有27%(3/11)的参与者认为它是好的。此外，64%(7/11)的参与者表示，ROBINA系统在图形界面上的半自主执行表示很好地满足了他们对机器人性能的预期。总体而言，36%(4/11)的参与者表示，实际执行非常符合这些预期。图8以图形方式概述参与者的评价。在对图形用户界面的定性评估中，参与者被要求提供详细的改进建议。据参与者表示，应该显示3D符号，以更好地阐明机器人的控制方向。字体应该更容易辨认(即，大而厚)，并与背景形成对比。在黑暗中操作时，应调整对比度和亮度。一般来说，一些设置如颜色和对比度应该是可定制的。当使用头部控制时，用户有可能在不看屏幕的情况下无意识地触发一个功能。在两个案例中，参与者主动向研究人员表达了自己的担忧，在另一个案例中，当参与者将目光从平板电脑转移到真正的任务执行时，他们实际上无意识地取消了跑步任务。总共有18%(2/11)的参与者建议在GUI的控制设计中设置一个区域，让用户无需担心无意识地触发某些东西。在自由运动任务中，用户倾向于修改导航标签或通过使用合适的颜色概念使其更直观。此外，在图形界面中，机器人相对于操作对象位置的实时图像几乎没有被使用。相反，参与者在真实的研究设置中观察这个过程。参与者解释说，这是因为图形UI中的实时图像尺寸较小，没有显示出机器人的整个交互空间。另一个原因是，通过2D实时图像对交互区域的空间感知受到严重限制(图3)．

‎ 把这个图

讨论

主要研究结果

本研究旨在调查渐冻人对使用半自动机械臂支持渐冻人的关键要求和需求。为此，有四项示范活动(提供饮料，交出手机，抓,自由流动)在一项探索性和任务型的实验室研究中对来自目标组的11名个体进行评估。该研究基于多方法方法，包括定量和定性方法。

关于定量部分，机器人机械手的使用被认为是相关的调查示例场景。大多数参与者评价该系统的操作简单，半自主的机器人动作令人愉快。与此同时，大多数参与者在半自主机器人的动作过程中感到安全。差异是存在的，特别是在半自主机器人行动的执行速度和偏好人类协助而不是机器人支持方面。

对应用程序和观察和大声思考协议的开放式问题的定性分析提供了对以用户为中心的评估和开发需求的深入洞察。这些发现可以总结为3个需求领域。

第一个领域涉及半自主机器人动作的作用和设计。总的来说，研究的半自主机器人能力得到了积极的评价。特别强调了精确和动态的动作序列和小心地捡起物体。然而，与此同时，诸如不规则运动路径、与环境中的设备碰撞、抓取物体不准确等错误也变得明显起来。在这种背景下，半自主机器人运动和物体操作的精确可靠执行以及环境和物体识别能力是关键的发展需求。另一个核心结果与执行速度有关，它应该根据用户的能力进行定制。一般来说，参与者希望对机械臂进行很大程度的自主控制。相比之下，当用户的身体能力在白天下降(例如，由于疲劳)或由于疾病的进展过程时，应应用半自主机器人动作。

另一个需求领域涉及控制单元。对于操作机械臂的不同输入设备(如头部控制、鼠标控制和操纵杆)，在输入要求增加的场景中，使用头部控制被认为是费力的。由于所使用的输入设备与仍可使用的身体能力相对应，因此对于那些无法再使用四肢进行操作的受影响的人的UI设计有很大的需求。在图形UI方面，越来越多的输入选项需要注意设计一个差异化的显示，以更好地区分相应的机器人能力。

最后，最后一个领域涵盖了针对目标群体日常生活的机器人能力适应需求。据参与者表示，使用机器人操纵器将增强他们在日常生活中的独立性、自主性和隐私性。然而，与此同时，测试场景的当前开发状态仍将使用户依赖于人工协助。因此，开发的机器人能力只集中在各自日常活动的特定子领域，并需要各种初步活动，而用户自己或使用机器人都无法独立实现这些活动。最后，关于促进自主和独立，还有人强调，使用机器人系统不应导致取代人工协助。

与以往研究的比较

在接下来的章节中，我们的研究结果将与之前的研究进行比较。我们将重点关注通过定性分析确定的三个核心需求领域:半自主人-机器人协作需求、UI需求和针对目标群体日常生活的机器人能力适应需求。

半自主人机协作的要求

对于使用半自主机器人来弥补功能上的限制，有3个特点是特别重要的:控制模型的设计、物体的处理和执行速度。

在他们的范围审查最近的研究使用计算机视觉半自主控制辅助机器人操纵器，Bengtson等[21]发现，大多数研究都集中在相当固定的半自主控制方案上，这些方案基于用户和系统的预定义角色。这种角色模型的独特分布的一个优点是，用户从具有挑战性的控制过程中解脱出来，并且简化了用户和系统之间的责任责任。然而，根据作者的说法，一个缺点是用户只能有限地访问自治流程，这反过来会对用户体验产生负面影响。作为这一问题的解决方案，作者提出了一种自适应半自治控制方法，在此过程中不断地让用户参与。通过这种控制仲裁，机器人控制可以更强地适应用户的能力，从而实现人机协作的高度个性化。

Kim等人也得出了类似的结论[28］．在基于视觉的6 df UCF-MANUS的基础上，作者对创伤性脊髓损伤的目标群体进行了两种不同的控制模式(监督自主操作vs手动或笛卡尔操作)的比较研究。评估每周进行1 - 2小时，持续3周。有趣的是，两组在研究结束时完成任务的时间相当，作者将其归因于手工操作组的学习效果。此外，作者还发现，自主操作模式的结果显示，点击次数和任务完成时间显著减少。同时，参与者的满意度并没有增加。作者得出的结论是，参与者希望通过机器人系统独立完成相应的任务。该研究的另一个关键发现是，测试了两种控制模式的参与者需要一个自适应控制系统，允许他们根据需要在两种控制模式之间切换。

正如我们的结果所表明的，半自主控制模型的另一个挑战是精确和安全的对象操作。总的来说，这里有两个方面很重要。首先是物体的识别和定位，其次是精确和安全的抓取。关于第一个方面，已经有了不同的方法，如基于邻近性的方法或通过传感器(如激光笔、眼球跟踪或脑电图)检测物体[21，28，29］．关于抓取过程的第二个方面，目前正在审查不同的方法，它们要么基于预定义的对象，要么基于特定的形状。由于这些方法处理的是对对象的简化假设，所以一个主要的挑战涉及到对任意对象的操作。本特森等人[21考虑了这个问题的解决方案，采用的方法要么专注于识别合适的抓取点，要么专注于将物体分解成不同的形状。另一种方法是让用户为系统识别和标记这些抓取点，或者教系统独立地抓取日常物体的不同形状。最后，另一种改善操作性能的解决方案是使用至少三个手指调整夹持器，或针对特定对象使用特定适配器[22，28］．

第三个主要挑战是关于机器人动作的执行速度。各种研究表明，与商业化的笛卡尔控制模型相比，半自主控制模型在任务的成功率和执行时间方面都有显著改善。与此同时，根据我们的研究结果，也有一些研究表明，目标群体渴望高执行速度[15，28］．因此，以用户为中心的移动速度适应可以被理解为用户体验的一个基本因素。然而，与此同时，这也是确保人机安全协作的一个重要参数。因此，这一问题的潜在解决方案可以是逐步扩大与特定操作技能相关联的机械臂的性能水平。这既应考虑到对系统的积极适应，也应考虑到疾病病程对使用的潜在限制。特别是考虑到身体的逐渐衰退，目前还不清楚用户在多大程度上能够自行执行这样的系统配置。因此，为了支持用户在日常使用这种机器人系统，系统配置的适当调整，特别是在运动速度方面，应由合格的专家监督。

用户界面需求

除了对半自主人机协作的要求外，我们的研究结果表明，用户界面对于有效和高效地使用机器人操作臂也是必不可少的。目前，市面上的ui大多依赖于通过3轴操纵杆的远程操作。3df因此被映射到笛卡尔手臂平移和手腕旋转控制的子集。为了控制7df，用户必须在不同的笛卡尔水平之间切换[20.］．因此，使用机器人操纵器抓取物体转化为大量不同的运动，需要在不同的笛卡尔水平之间和内部频繁切换。对于上肢功能受限的人来说，这可能会导致较高的身体和精神压力。

在此背景下，Chung等人[30.]研究了基于平板电脑的UI与传统操纵杆控制的对比初步研究，8名上肢受损的参与者使用JACO (Kinova)机器人操纵器。与传统的控制形式相比，触摸屏UI的使用导致了较高的执行速度和较低的任务完成时间;然而，在研究中并没有实现UI用户的平均分布。此外，参与者认为触摸屏UI简单，压力较小。作者将这一结果归因于较低的用户误差，由于更好的视觉空间分配，低模式变化，较低的物理应变与传统操作相比使用操纵杆和shift键。

图形ui提供了一种很有前途的方法，因为它们允许同时显示不同的控制级别，从而使它们更容易访问。此外，它们提供了广泛的可视化机会，使控制特性更容易理解。与此同时，大多数基于平板电脑的ui提供了连接其他输入设备的可能性，如头部或眼睛控制。Sunny等人[31也采用了这种方法。作者调查了UFactory的轮椅安装xArm 6控制系统的可用性，该控制系统由眼睛凝视界面和基于平板的图形UI组成，用于不同操作任务。共有10名健康受试者被纳入研究。虽然这不是一个具有代表性的样本，针对目标群体的残疾人，操纵任务可以达到较高的成功率。与会者强调，在控制系统设计中，图形UI的大按钮是可用性的关键特征。

日常使用要求

与目前辅助机器人的技术水平一致，我们的研究结果表明，主要的挑战在于识别和分类相关的任务域和相关的运动和性能参数。这里的一项关键任务是开发一种分类法，以平衡机器人功能与医疗保健需求和以用户为中心的需求。

在这种情况下，辅助机器人的研究和开发通常参考国际功能、残疾和健康分类(ICF) [16，17］．ICF是一个标准化的国际分类系统，用于描述一个人的功能健康状况、残疾、社会障碍和相关的环境因素。为此，ICF分为两个部分，每个部分有两个组成部分:第一，功能和残疾(组成部分:身体功能和结构、活动和参与)，第二，背景因素(组成部分:环境因素和个人相关因素)。每个组件被划分为不同的域，这些域又由形成分类单位的不同类别组成。

因此，ICF提供了一个标准化框架，用于对与健康有关的功能限制或在实现ADLs和社会参与方面的要求进行分类。对于机器人的研究和开发，ICF分类为识别和开发机器人辅助功能参数和评估其性能提供了一个重要的方法。然而，与此同时，ICF并不能为确定所有任务或就其在有关个人日常生活中的相关性和频率作出结论提供依据。因此，需要更先进的方法来确定相关的辅助活动和功能参数。佩特里奇等人[16提出了这样一种方法。在他们的研究中，作者调查了不同的生活记录数据库，以确定日常生活中ADL任务的频率和家庭任务中的短期手臂和手的运动。

此外，在为机器人支持优先考虑adl的过程中，必须考虑护理网络中第三方的观点。这些方面发挥着至关重要的作用，因为他们形成了次要的用户群体，将参与促进和支持辅助机器人的使用，为功能受限的主要目标人群提供帮助。因此，考虑他们的需求在接受和长期使用中起着至关重要的作用;然而，ADL任务的评级在各方之间有所不同[17］．

限制

研究结果的可泛化性受到几个限制，这些限制将在本节讨论。由于样本量小，研究结果可作为未来研究的参考。此外，从实验研究和探索性研究设计中得出了几个影响因素。第一个因素是由于研究演示器技术开发的早期阶段而采取的安全措施。我们的一些发现表明，这些措施对用户评价有影响(抓场景)。此外，我们使用的是工业环境中的静止机器人，这也可以被认为是另一个影响因素(机器人尺寸)。目前的系统，如Kinova或Exact Dynamics系统，可以安装在用户的轮椅上，其特点是设计轻薄。由于本研究属于探索性试点性质，因此不能排除学习效应、新颖性效应、霍桑效应等各种影响变量。在此背景下，每个参与者1次访问的研究时长应作为一个特殊因素被提及。因此，本文的研究结果需要通过进一步的田间试验进行评价。

结论

辅助机器人有望在支持和促进各种adl功能障碍患者的自主和独立方面具有巨大潜力。为了实现疾病相关功能损失的有效补偿，对用户友好的系统设计提出了很高的要求。在此背景下，本研究调查和讨论了渐冻症患者对开发一种用于日常生活支持的半自动机械臂的需求和需求。我们确定了3个关键需求领域，在未来的研究和开发项目中，它们应该作为以用户为中心的开发的焦点，与之前的研究一致。发展的一个基本先决条件是目标群体积极和持续地参与控制过程。因此，一种很有前途的方法是由自适应半自主控制系统组成，使用户能够参与自主决策和操作过程。一个需要解决的关键问题是如何有效地在用户的技能水平和在运动规划和物体和环境识别方面的技术挑战之间进行协调，以有效地完成任务。开发的另一个重点是UI。由于物理上的限制，传统的输入设备在日常生活中会成为很高的精神和身体负担。基于平板电脑的图形ui可以在这方面提供很大的帮助，它简化了对各种机器人功能的访问，并通过使用各种可视化选项使机器人的行为更可预测和可理解。 Finally, there is a strong need to develop a specific taxonomy for assistive robots that provides a standardized assessment of task parameters, efficiency, and performance to serve as a comparative standard in research and development.