心法：

平和-放空-多问-共感-包容-感恩-积极

总纲：

整体俯视 看清脉络

把握重点 以3为要

局部下挖 适度钻研

提问学习 联同对异

积极交流 百纳缝合

整理总结 踏实推进

用心记录 告别时间

回顾思考 迭代积累

大胆尝试 果断行动

直面恐惧 自我沟通

运用资源 疏通渠道

一气呵成 绝不拖延

③目前外骨骼机器人的难关主要有：

   1.校准和设置的时间较大。（不过很多设备制造者表示已有所缩短，只需要a few minutes）

   2.穿戴者的舒适感以及与设备的互动。（这个通过越来越多的测试正在不断被调整和改良）

   3.如何有效控制。（这是关键）

   以下就来说说关于如何有效控制方面当前较为有前景的设计构想和技术。

      1.前馈神经控制（Feedforward Neural Commands）

          通过EMG、EEG信号来直接高效的读出穿戴者意图，以达到和穿戴者协调统一的目的。但这样做面临的挑战就是如何能够避免疲劳、发汗、放置位置（placement）等因素的干扰。而关于这项挑战，有前景的观点是通过向肌肉、脑、脊柱中插入电极来减小干扰。这样一来，就可以去除除疲劳以外因素的干扰。不过这样做面临的挑战在于：1.需要高额手术（尤其是脑、脊柱方面）。2.一旦插入后便是长期性的。但目前大多数的需求都是短期性的，所以很难找到合适的研究对象。而关于这项挑战，有人提出：退一步，不插入过深，而是像纹身一样插入到表皮细胞即可。这样可以解决长期性这一困扰，但是精准性会降低——除疲劳外，发汗、放置位置、电极移动等因素仍会在一定程度上进行干扰。（但相比贴在皮肤上测量受到的干扰要轻。）

      2.机器视觉（Machine Vision）

        这项技术主要是用于与外界环境的互动。通过相机或红外传感器技术来检测外界环境信息、判断外界状况，如地形（平地或斜坡）、有无威胁（台阶、障碍等），再结合状态机器（state machine）进行切换、调整，控制设备到合适的辅助状态。

      3.状态机器（State Machines）

         控制就需要有目标值，而为了最终获得精准可靠的目标值，信息的检测、融合及处理技术则显得极为重要！信息的检测主要传感系统的三大部分来执行；而信息的融合和处理则和状态机器有关。状态机器将得出的人和环境的状态传输到控制系统，而后控制系统给出合理的目标值（这一步好像是通过机器学习来实现）到执行机构，剩下的就交由执行机构去执行即可。

       （人的周期性运动，具体而言，体现在像由坐到站以及走、跑、上下台阶、越障碍等等行为；而环境的状态则表现在平路、石子路、斜坡、台阶、障碍等等。）

        4.人工神经振荡器（Artificial Neural Oscillators）

         基于CPG（central pattern generator 中枢模式发生器）， 能为在多变的路况下控制多自由度的系统提供稳固、适应性强的框架。在针对周期性运动任务的辅助和减小能耗方面很有前景（promising）。