按摩機器人智能控制方法研究進展*

楊騰達，李明林，陳志貴，鄒文昊

（福州大學機械工程及自動化學院，福州 350108）

0 引言

按摩是一種預防和治療疾病的醫學方法。它對于保健和治療都有很好的效果，是傳統中醫治療必不可少的部分。按摩是指醫師在患者患處或特定穴位施用特殊手法，通過物理作用使得指定區域產生生理反應，疏通經絡，平衡人體機能，達成治療疾病的效用。中醫按摩是外治，它能達到扶傷止痛，祛邪扶正等療效。中醫按摩可以增強人體的抵抗能力，可作為一種普遍應用的保健方法[1]。

基于中醫按摩手法，融入人工智能、智能感知還有機器人技術和現代康復醫學，產生了按摩機器人，按摩機器人能幫助或取代按摩醫師進行常規按摩手法的動作，還能用其精確的力/位置反饋控制讓按摩手法更加規范化，按摩治療效用更穩定。近些年來，國內外很多學者和科研機構都熱衷于研究中醫按摩機器人，使其變成了醫療保健研究領域的熱點之一。但是，無論是在國內還是國外，中醫按摩機器人的研究和應用只是處于起步階段，還沒有直接的技術標準可供引用[2-4]。

本文針對按摩機器人的控制方法，介紹了其發展概述，國內外現有的控制方法，近十年來的發展特點，目前存在的問題以及未來的發展前景和趨勢。

1 按摩機器人控制方法發展概述

近年來，中國、日本、美國和其他國家的多所高校、機構和企業對按摩機器人產生了濃厚的興趣[5]。

早在1996年，日本Masao Kume等[6]就設計了具有4個自由度的機械治療單元（MTU），它通過使用雙循環控制策略，完成對肩部的按摩動作，驗證了開發智能按摩機器人的可行性。

2003年，美國圣何塞州立大學也有學者[7]對機器人按摩理療方面展開了相關研究。他們通過PUMA562機器人平臺，成功實現機器人在患者背部腰部的俯臥位進行按摩的實驗。

2003年，日本豐橋科技大學[8]基于位置控制和力控制，提出了一種按摩運動控制系統。通過對人類專家的指尖力量數據進行測量，然后對機械臂進行位置控制和力控制，復現人類專家的按摩手法。通過仿真和實驗，證明了所提出的控制系統的有效性。

2003年至2007年，日本豐橋科技大學和日本岐阜工業學院[9]開展了四指、13個關節的人形多指按摩機器人研究。本研究首次提出了一種基于人體按摩部位粘彈性的按摩力設計方法，為個性化按摩研究開辟了道路。

2004年以來，我國江蘇大學和集美大學馬呂忠教授[10]開展了基于中醫推拿理論的推拿機器人研究。他們設計了原理樣機，他們的研究重點是按摩機器人的機械結構和按摩軌跡的研究。

自2007年起，日本早稻田大學與朝日大學齒科研究所共同開發了面部康復機器人“WAO”。該項目控制系統由按摩路徑發生器、虛擬柔順計算器和逆運動學計算器組成。對人臉進行掃描，得到頭部模型，然后根據模型分析結果和阻抗控制技術對患者進行面部按摩[11-13]。

2007年，在機械工程系智能控制與機器人實驗室，韓國吉爾吉斯國立大學設計了兩個人形按摩機器人的概念模型[14]。

自2008年以來，我國山東建筑大學盧守銀[15]對于“退行性腰痛中醫中醫推拿機器人”展開了研究，和山東康泰實業有限公司合作開發JZMR I、II中醫推拿人平臺和龍門式機構按摩機器人，他們還嘗試探索中醫推拿研究的專家系統。

2008年以來，我國北京航空航天大學、長春工業大學、哈爾濱工程大學和江蘇大學[16]聯合開發了中醫推拿機器人，機械臂有4個自由度，可以完成5種中式按摩手法。可實現穩定的按摩力輸出。

2009年至2010年，我國臺灣大學[17-18]提出了基于分析肌電信息的多指機械手阻抗控制方法。記錄按摩時的前臂肌電圖，根據人的感覺和按摩力之間的關系，得到了機器手在按摩時的合適輸入命令范圍。最后實現了使用多指機械手的有效且舒適的按摩。

2010年，我國山東建筑大學[19]將模糊控制策略應用到按摩機器人的力度控制，通過仿真對比不同控制器表明：模糊邏輯控制器在處理外界干擾的快速性和靈敏性上明顯優于PID控制器和原始（PD）控制器，實現了預期的工作性能。

2010年，以色列的DreamBots[20]推出了具有傾斜傳感器技術的“WheeMe”按摩機器人，該機器人可以檢測身體在運動過程中的姿勢。按摩過程，并根據身體姿勢調整控制策略，使按摩機器人不會從身體上掉下來，減少按摩力。

可以發現，10年前對于按摩機器人的控制系統的研究不多，且大部分集中于力控制和機械臂的位姿控制，但是僅憑這兩個控制是難以做到完全復現按摩手法和實現按摩效果的，所以10年前的控制系統還是有較大的局限性和不足的。

2 近10年按摩機器人控制方法發展方向

目前國內外關于按摩機器人的控制方法有很多，實現方法也多種多樣，本節將介紹國內外近10年來按摩機器人控制方法發展方向。

2.1 機器視覺

近些年來機器視覺發展迅速，有許多高校和研究機構將機器視覺這項技術與按摩機器人相結合，來推動按摩機器人的進一步發展。

在2014年，我國臺灣大學[21]就提出使用點云數據為機器人按摩應用生成人體軌跡。基于最先進的人體姿勢識別技術，其開發了一種方法來建立相機和人體之間的關系并生成指定的按摩軌跡。假設可以檢測人體姿勢并標記人體的每個部位，其使用RANSAC算法估計正面和矢狀面，并通過計算點云的最小慣性矩來對其進行細化。實驗結果表明該方法為按摩軌跡生成提供了一種有用的方法。

2018年，越南胡志明市科技教育大學[22]提出了利用圖像處理的穴位按摩療法。其描述了使用圖像處理的穴位按摩療法的研究，并從圖像數據中提取信息以控制自動化機器或機器人按摩。通過攝像頭對掃描圖像進行點提取后，將按摩理療軌跡送至主控計算機進行智能控制，按摩線將被映射以支持按摩過程。如圖1所示。該方法不僅適合每個人，節省時間，而且易于數據檢索，不依賴專業專家。本研究基于實際需求，實際應用非常廣泛。此外，它將解決專家的耗時問題。此外，隨著自動化發展，按摩治療的質量更高，并且過程將是連續的。

圖1 圖像處理的穴位按摩療法控制系統程序框圖

2019年，我國清華大學[23]提出了中醫按摩機器人視覺反饋系統。示教或離線編程的方式在一般按摩機器人中被廣泛使用，大大降低了機器人的靈活性。人體一旦移動，定位不準確，無法進行穴位的實時檢測識別。考慮到腧穴體積小、信息復雜，該系統采用二維碼進行腧穴識別，QR碼以1 cm×1 cm的尺寸打印在A4紙上，并通過相機捕獲。至于識別，設計了一種新的穴位定位二維碼，具有CRC校驗功能，提出了一種新的二維碼檢測識別算法。該系統設計了相機標定算法和距離測量模型，將檢測到的識別結果轉換為世界坐標系。測試中水平距離測量誤差控制在±0.8 mm以內，深度測量誤差控制在±1.7 mm以內。實驗驗證了算法的有效性。如圖2所示。

圖2 中醫按摩機器人視覺反饋控制系統的識別算法

2021年，我國上海交通大學[24]提出了一種新型的基于實時視覺的中醫按摩機器人穴位估計。該方法具有如下優點：（1）全自動操作；（2）適應性強；（3）定位結果準確。首先，基于SSTN（對稱空間變換網絡）的深度學習可以穩定高效地獲取人體關節。其次，比例幾何測量以骨關節為度量，解構穴位與關節的幾何關系，得到穴位的精確二維估計。最后結合坐標系配準方法和深度信息完成了穴位的3D估計。與傳統方法相比，此方法可以完全脫離人工輔助，對不同姿勢、衣服和身體的人有很好的適應性。研究表明，穴位精度平均可以達到2.36 cm，實時性能可以達到14 fps。如圖3所示。

圖3 基于實時視覺的穴位識別控制系統

并且關于機器視覺與按摩機器人結合已經不只是停留在理論階段，許多企業已經申請了相關的專利。

在2018年，美的集團股份有限公司就申請了一項專利《使用機器視覺的按摩機器》，此專利通過提供一種使用機器視覺以定位用于按摩的治療部位的按摩機器人來克服現有技術的局限性。在該方法中，按摩機器人包括一個或多個機械手臂、圖像傳感器以及控制系統。圖像傳感器采集用戶的圖像。控制系統包括圖像處理模塊和運動控制器。圖像處理模塊對圖像進行處理以在用戶身上定位治療部位。運動控制器控制機械手臂在所識別的治療部位上執行按摩程序。突破了現有技術的局限，通過機器視覺定位，確定按摩的治療部位[25]。

2019年，武漢市的海沁醫療科技有限公司通過機械手、PC機、控制器、視覺傳感器、驅動器等配合，開發了能針對使用者背部不同的穴位進行按摩的系統，申報了專利《一種基于視覺定位的按摩機器人穴位跟蹤系統》[26]。與現有技術相比，本發明的有益效果是：一種基于視覺定位的按摩機器人穴位跟蹤系統，通過PC機和控制器的配合，通過驅動器和機械手的配合，PC機通過控制器控制驅動器進行工作，機械手在驅動器的驅動下能夠完成按摩的動作，通過圖像采集裝置和視覺傳感器的配合，圖像采集裝置能夠隨著機械手一起移動，攝像機將使用者的背部拍攝下來，在視覺傳感器的傳輸下將圖像的信息傳輸給PC機，PC機根據反饋回來的圖像信息做出相應的指令，再次使控制器控制驅動器進行工作，改變機械手的位置，針對使用者背部不同的穴位進行按摩。

2.2 大數據

隨著大數據時代的到來，按摩機器人也正在向著大數據的方向不斷發展，按摩機器人逐漸能夠通過大數據分析，處理不同體型、年齡、癥狀等的患者。

在2016年，我國山東建筑大學提出了中醫按摩機器人專家控制系統[27]，中醫按摩機器人專家控制系統主要是根據患者提供的基本信息，通過適當的推理規則，決策出適合該患者的治療方案，同時結合傳感器信息以及上位機輸入指令對按摩推拿過程進行實時控制。本專家控制系統主要由專家知識庫、動態數據庫、實時推理機、人機交互、信息獲取、執行機構等部分組成。實驗結果證明了專家控制系統的可行性和可靠性。

在2019年，深圳市司沃康科技有限公司申請了一項專利《基于大數據的智能按摩系統》。此控制系統提供一種基于大數據的智能按摩系統，能夠根據用戶的體型，找準穴位進行針對性的按摩，使得按摩效果更好，用戶更加舒適[28]。本發明的基于大數據的智能按摩系統中，通過智能調節機構的設置，使得在用戶使用所述智能按摩系統時，能夠對用戶的提醒進行識別，并根據用戶的體型而依據人體數據庫中存儲的最接近的體型數據，控制按摩頭的移動，然后針對用戶的穴位進行按摩，避免了現有按摩系統按摩頭位置固定，不僅針對用戶進行準確的穴位按摩的弊端，使得用戶體感更加舒適，且針對穴位的準確按摩不僅使得用戶得到放松，還能對疾病起到輔助治療的治療效果。

2.3 路徑規劃

近些年來，也有不少高校和研究機構將目光放在了按摩機器人的按摩路徑控制上。

在2016年，中國沈陽自動化研究所提出了基于中醫推拿療法的足部按摩機器人軌跡規劃，介紹了一種足部按摩機器人，它再現了中國按摩專家的技術。足部按摩機器人的按摩過程主要包括從一個穴位轉移到另一個穴位，并以按摩療法確定的按摩手法對特定穴位進行按摩。通過軌跡規劃算法生成一組序列點。當機器人按摩特定穴位時，定位機構與進給機構配合。仿真結果表明，當機器人從一個點轉移到另一個點或機器人以指定的方法按摩穴位時，該算法可以有效地規劃軌跡[29]。

2018年，我國西北工業大學提出了一種便攜式人體背部按摩機器人的設計和路徑規劃。為了實現按摩區域的全覆蓋，需要按摩機器人在整個區域內按照軌跡運動。根據設計目標，所提出的按摩機器人需要完成敲擊路徑和滾動（揉捏）路徑。敲擊路徑是通過電磁感應使用按摩頭的按摩路徑，滾動（揉捏）路徑是兩個驅動輪的運動路徑。為進一步增加區域覆蓋范圍，該方法在傳統boustrophedon路徑規劃算法的基礎上，提出了一種高效的全覆蓋路徑規劃算法。如圖4所示。程序啟動時首先使用改進的boustrophedon路徑規劃算法。算法可以標記所有過去的區域。如果前面遇到邊沿或障礙物，則采用縮回法。否則，使用BFS算法搜索附近的未占用區域，直到標記所有規劃區域。此外，一旦傳統的boustrophedon算法與第一覆蓋路徑重疊，就會使用改進的boustrophedon算法[30]。

圖4 高效的全覆蓋路徑控制算法程序框圖

2.4 機器學習

隨著人工智能時代的到來，按摩機器人和機器學習相結合也是大勢所趨。

2017年，我國山東建筑大學提出了遺傳算法優化BP神經網絡在中醫按摩機器人中的應用。其為了提高中醫按摩機器人穴位尋找行為規劃的精度，提出了一種基于遺傳算法優化BP神經網絡的中醫按摩機器人穴位坐標預測方法，利用遺傳算法優化BP神經網絡分為：BP神經網絡的結構確定、遺傳算法優化出最佳權值和國值、BP神經網絡訓練與預測。其中，BP神經網絡結構確定是根據輸人輸出參數個數來確定BP神經網絡結構，繼而確定遺傳個體的長度。使用遺傳算法優化BP神經網絡的權值和國值，每個個體需要通過適應度系數數來計算出個體的適應度值，遺傳算法通過選擇、交叉和變異計算出最優適應度值對應的個體。利用遺傳算法彌補BP神經網絡的缺陷，提高神經網絡的預測精度，保證了中醫按摩機器人對患者做出精確的按摩治療行為決策。并對上述方法進行了實現與仿真，結果表明，該方法對中醫按摩機器人尋找患者穴位坐標具有較好的精度和較高的預測準確性[31]。

2020年，中國北京中科院提出了基于深度卷積神經網絡的穴位檢測，將人體關鍵點檢測方法應用于穴位檢測，并提出使用卷積姿勢機（CPM）進行穴位檢測，因為它在學習局部和空間特征方面具有良好的性能。通過采集人體圖像構建穴位檢測數據集。其所提出方法的框架，包括特征提取器、多級網絡結構和損失函數。人體的原始圖像和標記圖像被輸入到網絡中。在訓練期間，預測的熱圖由網絡生成。預測熱圖和地面實況熱圖之間的損失是基于反向傳播的損失函數計算的。當模型收斂時，可以將測試圖像輸入網絡以得到預測的熱圖。最后，在熱圖上找到響應值最大的點，得到坐標作為穴位的位置。此外，還提出了穴位檢測的評價指標，并進行了實驗。實驗結果達到了預期效果[32]。

在2022年，我國華南理工大學提出了一種皮膚特征不確定的機器人按摩智能控制系統[33]。首先，引入皮膚動力學模型（SDM）來描述人體上的力變形作為力控制的前饋。然后，粒子群優化（PSO）方法與基于圖的知識遷移學習（GKT）相結合。經過研究，這將有效地識別個性化的皮膚參數。最后，設計了一種自整定阻抗控制策略，以適應在實際應用中存在皮膚動力學、系統延遲和信號噪聲的不確定性。將GKT集成到PSO識別算法中，設計了一種自適應阻抗控制算法。因此，機器人可以了解其周圍環境的紋理和生物屬性，并調整其規劃活動，以便在機器人與人之間的動態接觸期間進行穩定且準確的力跟蹤控制。根據實驗數據驗證PSO和GKT的組合提高了鑒定結果的準確性和收斂性。如圖5所示。

圖5 GKT-PSO自調諧

2.5 發展特點

從上述文獻和專利中可以看出，按摩機器人控制方法近10年來發展最大的特點便是與現代機器人技術相結合，其中包括了機器學習，人工智能算法，機器視覺等。利用機器視覺技術能夠針對不同的患者和姿態來調整按摩手法，使得按摩機器人的按摩手法更加精準；利用機器學習能夠使按摩機器人不再需要人工的輔助；大數據算法可以讓按摩機器人更加智能化不只局限于機械按摩。如圖6所示。

圖6 AGV小車模擬實際場景效果

圖6 近10年按摩機器人控制方法

3 目前存在的問題

如今按摩機器人控制方法的研究百花齊放，但是依舊存在著一些共同的問題。

（1）按摩效果不理想，與實際按摩效果有著較大的差距。目前按摩機器人的按摩手法都較為生硬，按摩舒適性差，目前的控制方法都主要集中于位置精度控制和力度控制，但實際的按摩手法比這復雜得多，與真正的按摩手法有著較大的差異。

（2）目前現有的按摩機器人手法都較為單一，一臺機器人手法只能做到一種或是幾種，相較于實際的人工中醫按摩，一個按摩技師能完成十幾種甚至是幾十種的按摩手法，這也是按摩機器人難以產業化的原因之一。

（3）不夠智能化，現有的按摩機器人都較為機械式，即使現在的控制方法已經有了智能化的趨向，但是與實現真正的智能化還差比較大的差距，做不到通過使用者實時的感受反饋來及時自主的改變按摩力度和按摩手法；做不到在按摩的不同治療階段變換所需的力度和手法；以及無法針對不同的人群采取不同的按摩力度和手法。這些都是現有的按摩機器人難以做到的。

（4）實用性不強，功能單一。目前大部分按摩機器人控制方法功能都較單一，基本只能實現一兩項功能，實用性有待提高，功能性有待增加。

4 未來發展方向和趨勢

為了能夠真正地研究出能代替傳統人工中醫按摩的機器人，且其更具有安全性、實用性，以及起到真正的治療效果，中醫按摩機器人控制方法未來的發展方向和趨勢應如下。

（1）更加深入地分析傳統中醫按摩理論。傳統中醫按摩理論是中華文明上千年歷史傳承下來的瑰寶。中醫按摩屬于外治，它能達到扶傷止痛，祛邪扶正等療效。中醫按摩可以增強人體的抵抗能力，可作為一種普遍應用的保健方法。與傳統中醫按摩理論更好地融合能夠幫助中醫按摩機器人真正做到治療效果。

（2）結合軟體機器人技術。軟體機器人技術是現在熱門的前沿科研方向，軟體機器人相對于剛體機器人有諸多好處，如其使用具有與軟生物材料相似的柔順性材料的優點包括顯著減少機器人系統可能無意造成的傷害，增加了它們與人類互動的潛力。軟體機器人不同于剛體的控制，柔軟的材料可以彎曲、扭曲、拉伸、壓縮、扣合等，具有較好的彈性，不局限于平面運動。這種運動被視為提供了無限的自由度，為模擬傳統中醫按摩手法提供了更多的可能[34]。

（3）新型多傳感器信息融合。利用多種新型傳感器，將其信息融合，及時反饋給控制系統，使得機器人能夠更好地實現傳統中醫按摩手法。以及利用新型生物傳感器達到動態監測人體的血壓、血液酸堿度、血糖濃度等的效果[35]，使按摩機器人能夠根據人體的身體狀態更好地調整按摩力度和按摩手法。

（4）融合現代智能機器人技術與中醫按摩機器人。如今現代智能機器人技術隨著計算機技術的發展日新月異。提出借助于智能感知、互聯網、云存儲等新技術，將中醫藥典籍等一切中醫知識、經驗轉化為數據，所形成的中醫大數據將為中醫智能化提供豐富的經驗基礎;深度學習、人工神經網絡和蒙特卡洛搜索樹等機器學習技術將為中醫智能化提供可行的技術手段[36]。將中醫按摩機器人與其技術融合，使得中醫按摩機器人實現智能化并真正做到代替人力。

5 結束語

現如今中國已進入老齡化社會，并且處于快速老齡化階段，目前老年腰部和腿部的疼痛是最為嚴重和普遍的困擾老年人的主要病痛[37]。快節奏的生活里，人們每天都在不斷忙碌，將會導致人們身心俱疲，嚴重的還會產生各種各樣的疾病。對此，中醫按摩可以減緩機體的疲勞感，間接提高了生活質量和工作效率[38]。因此中醫按摩機器人的研制將對醫療服務領域和機器人行業有著深遠的影響和劃時代的意義。