2024年6月12日，北卡罗来纳州立大学苏浩团队在 Nature 期刊发表了题为Experiment-free exoskeleton assistance via learning in simulation的研究论文。
外骨骼能显著提升人类运动，恢复残疾人士的运动能力。不过，当前的控制器在匹配不同个体需求和任务涉及的复杂人体运动时仍面临挑战。它们通常需要开展大量的人体测试，依赖手工制作的规则，这限制了它们的广泛应用。之前的模拟研究并不包含控制器设计，也未考虑人类-机器人交互，这给从模拟到现实世界应用的过渡带来了挑战。
该研究开发了一种利用人工智能（AI）和计算机模拟训练机器人外骨骼的新方法，这种便携式外骨骼中的嵌入式人工智能在计算机模拟中学习如何帮助人们行走、跑步或攀爬，而不需要进行任何实验。该研究或有助于推动外骨骼和义肢等装置的广泛应用。
论文通讯作者苏浩副教授表示，外骨骼技术在改善人类运动能力方面具有巨大的潜力。然而，由于需要进行长时间的人体测试和手工制定控制算法，其发展和广泛应用受到了限制。而这项工作提出并展示了一种新的机器学习框架，该框架在模拟和现实之间架起了桥梁，以自主控制可穿戴机器人，从而改善人类的移动能力和健康状况。
