表面肌電意圖識別技術是人機融合智能技術發展的重要支撐技術，在智能假肢、康復機器人等領域具有重要應用價值，然而，該技術在實際應用中常受到電極偏移、個體性差異、肌肉疲勞、肢體姿態或其他綜合性干擾等多種因素的影響，難以推廣使用，如何克服上述因素的影響是目前急需解決的關鍵問題。
 

　　中國科學院沈陽自動化研究所醫療康復機器人團隊在深入分析的基礎上，提出了非理想肌電的概念，建立了非理想肌電分析的框架體系，在構建肌電數據集、探索深度學習和遷移學習方法，以及肌電分解技術研究等方面，對未來的關鍵技術進行了展望，相關文章被《自動化學報》中文版錄用。針對電極偏移這一難點問題，科研人員提出了一種自適應矯正方法，可估計出環形傳感器偏移的角度，將動作估計精度提高了35.72%，相關研究成果發表在IEEE J. Biomed. Health Inform上。
 

　　此外，科研人員融合深度學習的特征提取能力和模型泛化能力，對動作分類、角度估計、力估計、多模態信息融合、個體性差異以及魯棒性等問題結合深度學習方法進行了系統性總結，分析了目前主要的問題及相應的解決方案，并展望了未來研究方向，相關研究成果發表在IEEE/CAA J. Autom. Sinica上。
 

　　與人共融是機器人技術發展的重要特征，將人的智能與機器人的智能相融合推動了與人共融機器人的發展。長期以來，課題組致力于人機融合智能領域的理論研究和應用實踐，是國內最早利用表面肌電進行人體連續運動意圖估計的團隊之一，首次提出基于運動單元分解的運動意圖識別方法，開發了手部康復系統、踝關節康復系統、上/下肢外骨骼康復機器人等系統并結合患者開展臨床試驗，相關研究成果先后發表在IEEE Trans. Ind. Electron, IEEE Trans. Neural Syst. Rehabil. Eng上。
 

　　上述研究工作得到國家自然科學基金委員會、中科院和機器人學國家重點實驗室的支持。