面向触觉人机交互仿真的多保真度数字人体模型构建与应用研究

　　为解决战场及灾难救援中机器人安全操作伤员的问题，研究人员开发了一种多保真度数字人体模型（M-DHM），通过整合低保真多体动力学（MD）模型与高保真有限元（FE）模型，实现了对抓取、触诊、肢体 repositioning 等交互过程中关节力学与组织应变的精准预测。该模型为机器人路径规划提供了关键生物力学数据，对提升救援机器人操作安全性具有重要意义。

　　

在战场搜救和灾难响应场景中，如何安全高效地转移伤员一直是个重大挑战。虽然机器人技术日益成熟，但让机器人像人类救援人员那样灵活、轻柔地操作人体仍然困难重重——一个不当的抓取或拖拽动作，就可能对伤员造成二次伤害。传统的机器人仿真系统大多依赖简化的物理模型，无法精确模拟人体组织的生物力学响应，而高精度的生物力学模型又往往计算成本高昂、难以集成到实时规划系统中。这种“保真度”与“实用性”之间的矛盾，严重制约了智能救援机器人发展。

针对这一瓶颈，研究团队在《Military Medicine》上发表了一项创新研究，提出并构建了一种多保真度数字人体模型（Multifidelity Digital Human Model, M-DHM）。该模型首次将低计算成本的多体动力学（Multibody Dynamics, MD）模型与高精度的全身有限元（Finite Element, FE）模型整合到统一的机器人仿真框架中，能够为路径规划算法同时提供关节力/力矩等集中载荷数据，以及软组织应力/应变等分布载荷数据，从而在保证计算效率的前提下大幅提升人机交互（Human-Robot Interaction, HRI）仿真的生物力学真实性。

本研究主要依托以下几项关键技术方法：首先，基于CAVEMAN高保真有限元模型（源自Zygote 50百分位男性CAD数据）构建了包括骨骼、肌肉、韧带等细节的生物力学模型，并通过Velodyne显式求解器进行有限元仿真；其次，在集成机器人规划控制器（IRPC）中嵌入低保真多体动力学模型，借助ROS/Gazebo环境实现人机交互运动的实时模拟与数据交换；第三，通过OpenSim平台进行逆动力学（Inverse Dynamics, ID）与关节反力分析（Joint Reaction Analysis, JRA），计算关节水平的广义力；最后，利用基于本征正交分解的径向基函数（POD-RBF）等降阶模型（ROM）技术，对高保真仿真数据进行插值与快速预测，显著提升计算效率。

在抓握仿真（Arm Grasping）中，研究团队通过多指机器人手（MFRH）抓握前臂的有限元模拟，成功获得了接触压力、皮肤及肌肉中的最大主应变（MPS）分布以及各指端的接触力数据。结果表明，抓握过程中不仅表皮承受压力，深层肌肉组织也会发生显著应变，这为评估抓握策略的安全性提供了量化依据。

在手臂触诊（Arm Palpation）的仿真中，研究人员通过160次不同位置的触压训练仿真，构建了ROM预测模型。该模型仅根据机器人指端的位置信息，即可快速插值计算出指定触诊点周围的位移场与应变分布，预测误差仅约0.4%，显著优于传统实时有限元计算，证明了降阶模型在实际应用中的有效性。

在腿部重定位（Leg Repositioning）研究中，结合IRPC提供的运动轨迹与交互力，OpenSim可实时计算髋、膝关节的广义力（力矩与关节反力），同时通过有限元仿真和ROM插值，预测出韧带在运动过程中的应变分布。这使操作人员能在执行动作前评估关节脱位或软组织损伤的风险。

在拖拽模拟（Dragging）中，团队模拟了通过踝部握持并沿胫骨方向拖拽下肢的过程。有限元分析结果显示，拖拽不仅会在腿部肌肉中产生明显的冯·米塞斯应力，还会在膝关节韧带（如ACL）中产生较高应变，同时股骨载荷随拖拽过程动态变化。这些结果揭示了拖拽操作中潜在的损伤机制，为改进机器人操作策略提供了数据支持。

综上所述，该研究构建的M-DHM框架成功实现了多尺度生物力学数据在机器人仿真系统中的融合与调用，能够为救援机器人的路径规划提供接近实时的生物力学反馈。其重要意义在于：一方面，通过降阶模型大幅降低了高保真仿真的计算负担；另一方面，为预测和预防机器人操作中的二次损伤提供了前所未有的数据维度。尽管该模型在衣物建模、个体差异和场景多样性方面仍存在局限，但其整体架构已显示出强大的扩展性与应用潜力。未来，随着模型进一步集成不同人体参数和机器人平台，并嵌入下一代任务规划器，M-DHM有望成为军用及民用救援机器人发展中的核心数字基础设施，最终实现更安全、自主的伤员操作与转运。