BRACE:面向临床机器人研究的模块化纯Python层级闭环控制与离线仿真软件框架

《SoftwareX》:Biomedical robotics architecture for clinical experimentation (BRACE): A software framework for clinical robotics research

【字体: 大 中 小 】 时间:2026年10月10日 来源:SoftwareX 1.9

编辑推荐:

  在临床研究中实施新型机器人设备,需要将大量组件集成至一个具有内聚性的系统中。当前最先进框架(state-of-the-art frameworks)中的开发复杂性限制了快速迭代。在此,研究人员介绍BRACE软件及其三项关键贡献:1)一个开源、可移植的纯Pyth

  
在临床研究中实施新型机器人设备,需要将大量组件集成至一个具有内聚性的系统中。当前最先进框架(state-of-the-art frameworks)中的开发复杂性限制了快速迭代。在此,研究人员介绍BRACE软件及其三项关键贡献:1)一个开源、可移植的纯Python框架,其将层级闭环控制(hierarchical closed-loop control)泛化为模块化、可扩展平台;2)基于图形用户界面(Graphical User Interface, GUI)的远程配置,具有数据流传输和软实时控制律切换(soft real-time control law switching);3)控制律的集成离线仿真。研究人员在两个人类-机器人交互(human-robot interaction)应用中演示BRACE:用于步态训练的下肢外骨骼(lower-limb exoskeleton)和用于测试机械感觉(mechanosensation)的自动化设备。总体而言,这些应用表明BRACE具备支持临床研究环境中快速原型开发(rapid prototyping)和控制器验证(controller validation)的能力。
论文解读:BRACE:面向临床机器人研究的模块化纯Python闭环控制与离线仿真软件框架

研究背景与问题:临床研究实施新型机器人设备需将传感器、执行器、通信协议、数据采集管道和用户界面(User Interface, UI)等集成为内聚系统。不同嵌入式平台、硬件驱动和传感器库常使每种硬件配置需要新软件生态,重复低层开发在软件工程资源有限的临床研究环境中负担突出。现有通用框架中,机器人操作系统(Robot Operating System, ROS)虽被视为最先进,具有开源、文档详细和跨领域稳健性,但其范围广、复杂、可用性有限,对临床研究环境形成可及性障碍。LabVIEW等商业环境适合无强编码技能者,但需专有许可、缺乏原生ARM64支持,二进制源代码造成版本控制困难。因此,研究人员提出开源纯Python实时机器人操作框架BRACE,三项核心贡献:模块化可移植纯Python层级闭环控制框架;基于图形用户界面(Graphical User Interface, GUI)的远程配置、数据流和软实时控制律切换;集成离线控制律仿真。研究人员在两个人类-机器人交互应用中展示BRACE:下肢外骨骼步态训练和机械感觉测试自动化设备,表明其支持临床研究快速原型和控制器验证。

关键技术方法:BRACE基于层级闭环控制(hierarchical closed-loop control),将控制流分为监督层、行动层和执行层。服务器侧以RobotAssemblyABC聚合一个或多个RobotABC,每个RobotABC包含IInputCom、IOutputCom、IMeasurementLists、IControlLogic和ISafetyControl等接口/抽象基类。客户端采用PySide6 GUI,通过MQTT broker进行客户端-服务器和发布-订阅通信,以自定义远程过程调用(Remote Procedure Call, RPC)在运行时修改参数并切换控制律。多进程通过共享内存时间戳同步,数据以Apache Parquet保存,GUI集成离线模拟器回放数据。硬件验证平台为Raspberry Pi 4B,配2通道CAN HAT;外骨骼用膝关节执行器和膝踝足矫形器,机械感觉设备用Zaber线性执行器与载荷传感器。未涉及样本队列来源。

研究结果:
软件功能:通过离散子系统逻辑、输入、输出、安全控制和数据记录,BRACE支持硬实时使用,模块化提高内聚并支持并行开发。标准硬件配置可共享输入输出安全机制,控制逻辑可互换;RPC可在运行时动态修改属性。GUI将RPC抽象为控件,无需中断程序、重编译或重刷设备,支持受监督软实时控制律切换。数据流通过AnimatedGraphManager类,MQTT订阅主题,以可pickle命名元组模式分类,内存缓冲,实时可视化。多进程共享时间戳同步,Parquet保存,NaN编码控制器转换,捕获RPC用于回放。离线模拟支持手动调参,可扩展自动优化。
软件架构:包划分客户端和服务器,由MQTT broker连接。Server实现层级控制,UI处理PySide6 Designer .ui,RealTimeGraphing管理数据存储和实时可视化,example提供两个用例。RobotAssemblyABC为最高级抽象,每次迭代含测量、意图识别、命令生成和执行,启用流时导出数据。RobotABC为传感器和执行器离散单元。IInputCom抽象输入传感器,IOutputCom封装输出效应器,IMeasurementLists保留数据,IControlLogic定义控制律,ISafetyControl执行安全边界。控制回路从传感器采集开始,经控制逻辑计算原始量,安全约束后记录并通过输出接口发送。测量、输入和控制逻辑构成监督层,安全/转换构成行动层,输出构成执行层。
下肢外骨骼驱动:针对蹲伏步态等,研究人员用BRACE构建外骨骼GUI,支持控制器类型和参数更新、离线模拟器。硬件为Raspberry Pi 4B、2通道CAN HAT、两个膝关节执行器、膝踝足矫形器和36 V电池。通过GUI按钮调用RPC连接、校准、读写配置、使能力矩、开始/停止流。安全控制器切换先禁用扭矩再切换再启用。模拟器回放准确性98.1%,误差来自Walk-FSM5控制器未知初始状态。流式可靠性至少6分钟;6分钟步行测试(6-Minute Walk Test, 6MWT)达到199.97 Hz,目标200 Hz,72570样本,5 ms周期抖动0.66%,4核平均CPU使用43%,控制器切换时间1.88 ms。
闭环机械感受设备:机械感觉依赖机械敏感离子通道如PIEZO2;动物模型中传统Von Frey单丝受离散力量定标和手动刺激限制。研究人员用线性执行器与载荷传感器构建闭环控制,硬件为Zaber线性执行器、X-MCC2电机控制器、载荷传感器、Raspberry Pi 4B,Arduino UNO R4 Minima数字化信号。GUI镜像外骨骼,但硬件和控制律不同,支持校准、致动、反相位置、流和配置读写。两个主要输入为载荷与执行器位置。该设备旨在提高机械敏感数据采集保真度,以更快更精确进行测量。
影响:BRACE提供控制回路、数据传输和可适应控制逻辑,支持多嵌入式平台,降低机器人设计技术门槛,使研究者集中于领域逻辑。层级控制可推广至更广泛机器人系统。模拟器支持控制器输出验证和快速调参,减少调参试验,可能减轻参与者疲劳并增强急性控制器效应检测。GUI支持受监督控制器切换、客户端-服务器配置管理和发布-订阅数据收集。显式数据类型序列化减少手动时间分配,共享时间戳同步异质数据模态。
结论:软件在Python Package Index (PyPI)可用,可适配现有工作流。限制包括需避免单次会话过优化导致过拟合和泛化损失,定制需Python和面向对象编程能力,部署需Mosquitto broker。不支持商业固件的加密和验证,MQTT认证可选,pickle序列化有安全风险,建议受控可信环境。仅测试Raspberry Pi 4B与2通道CAN HAT,未来需增加接口、单元/集成测试和替代平台验证。研究人员认为其解决临床机器人研究中控制律快速开发和验证的复杂性差距。

讨论部分与结论翻译:
讨论部分指出,快速设计迭代和控制律实验评估可能提高开发效率,尤其临床或研究环境。纯Python实现支持多个嵌入平台,简化安装和控制设计;清晰接口和核心类降低新手程序员技术门槛,使研究者集中于领域特定逻辑,也可用于教育。层级控制策略可推广。模拟器不复制物理致动的运动学效应,但支持控制器输出验证,有助于人体基线测量和更快配置调参。减少调参试验可能减轻参与者疲劳,并通过最小化练习相关适应影响增强急性控制器效应检测。示例GUI支持受监督控制器切换、客户端-服务器配置管理和发布-订阅数据收集。显式数据类型序列化在记录数据集中引入时间边界,减少手动时间分配;共享时间戳同步异质数据模态,包括与RobotAssemblyABC并发运行的TTL脉冲,促进与运动捕捉和成像模态对齐。

结论翻译:该软件可在Python Package Index (PyPI)获取,并可在无需较大机器人框架复杂性的情况下适配现有机器人控制、数据采集和可视化工作流。一些限制制约更广泛使用。虽然模拟有助于实验的预试验阶段,临床研究人员必须避免在单次会话中过度优化控制器参数,以防止过拟合和泛化损失。定制需要Python和面向对象编程熟练度,部署数据采集和RPC组件需要安装Mosquitto(或等效MQTT)broker。该软件类似于基于微控制器的商业系统,使用户能够快速开发,但并非没有权衡。商业微控制器固件通常采用加密和验证方案防止未授权安装和中间人攻击,而当前框架不支持该功能,限制其商业应用适用性。MQTT认证作为可选参数实现,以验证客户端身份——启用授权控制——从而降低通过远程RPC命令未授权修改参数的风险。该功能被选择为可选,以在需要时保持初始原型使用的简单性,同时促进安全能力。此外,基于pickle的对象序列化用于数据采集可能带来安全风险。由于该软件设计用于物理机器人系统视线范围内的研究环境,建议在受控环境和可信方中使用以防止入侵。安全加固仍是理想的未来方向,JSON或Protobufs可作为潜在更安全的序列化替代方案。该框架仅使用Raspberry Pi 4B与2通道CAN HAT以及两套不同传感器和执行器进行测试,如硬件设置所述。此外,在当前使用范围内,软件质量主要关注系统(端到端)测试及完整硬件和功能使用。因此,未来工作包括实现额外传感器和执行器接口,进一步开展如使用pytest等测试框架的完整单元/集成测试,并在替代嵌入式计算机平台上测试有效性。所提出框架建立层级控制作为核心架构基础,旨在临床研究环境中实现可访问的机器人控制,以进行原型开发和控制器验证,利用Python的语法简单性、广泛库生态系统和跨平台互操作性。随着机电系统日益复杂,抽象可互换组件成为开发灵活、可复用代码库以支持控制逻辑原型的重要设计考虑。该框架设计为广泛可扩展性,支持即时配置修改、集成数据采集和可视化、软实时控制律切换和离线模拟。因此,研究人员认为它通过提供标准化和功能丰富的基础设施,解决了临床机器人研究中控制律快速开发和验证的复杂性差距。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号