中风是导致全球长期残疾的主要原因。全世界每年有 1500 多万人中风，四分之三的中风幸存者会出现手臂和手部损伤、无力和瘫痪。
许多中风幸存者依靠较强壮的手臂完成日常工作，从搬运杂货到梳理头发，即使较弱的手臂还有改善的潜力。打破这种被称为 "手臂不使用 "或 "学会不使用 "的习惯可以增强力量并防止受伤。
南加州大学的研究人员开发出了一种新型机器人系统，用于收集中风康复者如何自发使用手臂的精确数据。11月15日出版的《科学机器人学》（Science Robotics）杂志上发表的一篇论文概述了这种首创方法。
该方法利用机械臂跟踪三维空间信息，并利用机器学习技术处理数据，从而生成 "手臂不使用 "指标，帮助临床医生准确评估患者的康复进展。在整个挑战过程中，社交辅助机器人（SAR）会提供指导和鼓励。
"论文第一作者、计算机科学博士生内森-登勒（Nathan Dennler）说："最终，我们试图评估一个人在物理治疗中的表现在现实生活中的转化程度。
这项研究涉及南加州大学托马斯-洛德计算机科学系和生物运动学与理疗学部研究人员的共同努力。"这项研究的共同作者、计算机科学、神经科学和儿科学陈舜雄讲座和特聘教授玛雅-马塔里（Maja Matari?）说："这项工作汇集了使用机械臂收集到的用户表现量化数据，同时还通过社交辅助机器人激励用户提供具有代表性的表现。"这种新颖的组合可以为中风患者的评估提供更准确、更有激励性的过程"。
其他作者包括计算机科学助理教授 Stefanos Nikolaidis、临床物理治疗助理教授 Amelia Cain、名誉教授兼神经科学研究生项目兼职教授 Carolee J. Winstein 以及计算机科学专业学生 Erica De Guzmann 和 Claudia Chiu。
