การควบคุมแขนขาเทียมหุ่นยนต์เป็นวิธีการควบคุมแขนขาเทียมในลักษณะที่แขนขาเทียมหุ่นยนต์ที่ถูกควบคุมจะฟื้นฟูการเดินที่ถูกต้องตามหลักชีววิทยาให้กับผู้ที่สูญเสียแขนขา^{[ 1 ]}นี่เป็นสาขาการควบคุมพิเศษที่เน้นปฏิสัมพันธ์ระหว่างมนุษย์และหุ่นยนต์

ในช่วงทศวรรษ 1970 นักวิจัยหลายคนได้พัฒนาขาเทียมแบบอิเล็กโทรไฮดรอลิกที่เชื่อมต่อไว้^{[ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ]}ซึ่งประกอบด้วยข้อเข่าที่ขับเคลื่อนด้วยระบบไฮดรอลิกที่ควบคุมโดยอุปกรณ์อิเล็กทรอนิกส์ภายนอกโดยใช้การควบคุมประเภทหนึ่งที่เรียกว่าการควบคุมแบบสะท้อน (echo control) ^{[ 4 ]}การควบคุมแบบสะท้อนพยายามนำจลนศาสตร์จากขาข้างที่ปกติมาใช้ควบคุมขาเทียมให้ตรงกับขาข้างที่สมบูรณ์เมื่อถึงช่วงนั้นของวงจรการเดิน^{[ 3 ]}ในปี 1988 Popovic และ Schwirtlich ได้สร้างข้อเข่าแบบแอคทีฟที่ใช้พลังงานจากแบตเตอรี่ซึ่งขับเคลื่อนด้วยมอเตอร์ DC และควบคุมโดยอัลกอริทึมควบคุมการติดตามตำแหน่งที่แข็งแกร่ง^{[ 8 ] [ 9 ]}การควบคุมการติดตามเป็นวิธีการควบคุมทั่วไปที่ใช้เพื่อบังคับสถานะเฉพาะ เช่น ตำแหน่ง ความเร็ว หรือแรงบิด ให้ติดตามวิถีเฉพาะ นี่เป็นเพียงสองตัวอย่างของงานก่อนหน้านี้ที่ได้ทำในสาขานี้

รูปแบบการควบคุมนี้เป็นแนวทางที่ใช้ในการควบคุมปฏิสัมพันธ์แบบไดนามิกระหว่างสิ่งแวดล้อมและแขนกล^{[ 10 ]}วิธีนี้ทำงานโดยถือว่าสิ่งแวดล้อมเป็นค่าการยอมรับและแขนกลเป็นค่าความต้านทาน^{[ 11 ]}ความสัมพันธ์นี้กำหนดให้กับแขนขาเทียมหุ่นยนต์ ซึ่งเป็นความสัมพันธ์ระหว่างการสร้างแรงเพื่อตอบสนองต่อการเคลื่อนไหวที่กำหนดโดยสิ่งแวดล้อม แปลเป็นแรงบิดที่จำเป็นที่ข้อต่อแต่ละข้อในระหว่างการก้าวเดินแต่ละครั้ง ซึ่งแสดงเป็นชุดของฟังก์ชันความต้านทานแบบพาสซีฟที่เชื่อมต่อกันเป็นชิ้นๆ ตลอดวงจรการเดิน^{[ 10 ]}การควบคุมความต้านทานไม่ได้ควบคุมแรงหรือตำแหน่งอย่างอิสระ แต่ควบคุมความสัมพันธ์ระหว่างแรง ตำแหน่ง และความเร็ว ในการออกแบบตัวควบคุมความต้านทาน จะใช้ การวิเคราะห์การถดถอยของข้อมูลการเดินเพื่อกำหนดพารามิเตอร์ของฟังก์ชันความต้านทาน สำหรับแขนขาเทียมส่วนล่าง ฟังก์ชันความต้านทานจะมีลักษณะคล้ายกับสมการต่อไปนี้^{[ 12 ]}

${\displaystyle \tau =k(\theta -\theta {\scriptstyle {\text{0}}})+b{\dot {\theta }}}$

ค่า k (ความแข็งของสปริง), θ ₀ (มุมสมดุล) และ b (สัมประสิทธิ์การหน่วง) ล้วนเป็นพารามิเตอร์ที่ได้มาจากการวิเคราะห์การถดถอยและปรับแต่งให้เหมาะสมกับช่วงต่างๆ ของวงจรการเดินและความเร็วที่เฉพาะเจาะจง จากนั้นความสัมพันธ์นี้จะถูกโปรแกรมลงในไมโครคอนโทรลเลอร์เพื่อกำหนดแรงบิดที่ต้องการในแต่ละช่วงของระยะการเดิน

อิเล็กโทรไมโอแกรม (EMG) เป็นเทคนิคที่ใช้ในการประเมินและบันทึกกิจกรรมทางไฟฟ้าที่เกิดจากกล้ามเนื้อโครงร่าง [ ^{13 ] อั} ลกอริทึม การจดจำรูปแบบ ขั้นสูงสามารถนำการบันทึกเหล่านี้มาถอดรหัสรูปแบบสัญญาณ EMG ที่เป็นเอกลักษณ์ที่สร้างขึ้นโดยกล้ามเนื้อในระหว่างการเคลื่อนไหวเฉพาะ รูปแบบเหล่านี้สามารถใช้เพื่อกำหนดเจตนาของผู้ใช้และให้การควบคุมสำหรับแขนขาเทียม^{[ 14 ]}สำหรับแขนขาเทียมหุ่นยนต์ส่วนล่าง สิ่งสำคัญคือต้องสามารถระบุได้ว่าผู้ใช้ต้องการเดินบนพื้นราบ ขึ้นทางลาด หรือขึ้นบันได ปัจจุบันนี่คือจุดที่การควบคุมด้วยไฟฟ้ากล้ามเนื้อเข้ามามีบทบาท ในระหว่างการเปลี่ยนผ่านระหว่างโหมดการทำงานที่แตกต่างกันเหล่านี้ สัญญาณ EMG จะมีความแปรปรวนสูงและสามารถใช้เพื่อเสริมข้อมูลจากเซ็นเซอร์เชิงกลเพื่อกำหนดโหมดการทำงานที่ต้องการ^{[ 14 ]}ผู้ป่วยแต่ละรายที่ใช้แขนขาเทียมหุ่นยนต์ที่ปรับแต่งสำหรับการควบคุมประเภทนี้จะต้องได้รับการฝึกฝนระบบสำหรับพวกเขาโดยเฉพาะ ซึ่งทำได้โดยการให้พวกเขาผ่านโหมดการทำงานต่างๆ และใช้ข้อมูลนั้นเพื่อฝึกฝนอัลกอริทึมการจดจำรูปแบบ^{[ 14 ]}

กลไกการปรับความเร็วเป็นกลไกที่ใช้ในการกำหนดแรงบิดที่ต้องการจากข้อต่อที่ความเร็วในการเคลื่อนที่ต่างกัน^{[ 1 ]}ในระหว่างช่วงการยืน พบว่าค่ากึ่งแข็ง (quasistiffness) ซึ่งเป็นอนุพันธ์ของความสัมพันธ์ระหว่างแรงบิดกับมุม เปลี่ยนแปลงอย่างต่อเนื่องตามความเร็วในการเดิน^{[ 1 ]}ซึ่งหมายความว่าในระหว่างช่วงการยืน ขึ้นอยู่กับความเร็วในการเคลื่อนที่ของผู้ป่วย จะมีความสัมพันธ์ระหว่างแรงบิดกับมุมที่สามารถหาอนุพันธ์ได้ ซึ่งสามารถใช้ควบคุมขาเทียมส่วนล่างได้ ในระหว่างช่วงการแกว่ง แรงบิดของข้อต่อจะเพิ่มขึ้นตามสัดส่วนของความเร็วในการเดิน และระยะเวลาของช่วงการแกว่งจะลดลงตามสัดส่วนของเวลาการก้าว^{[ 1 ]}คุณสมบัติเหล่านี้ทำให้สามารถหาเส้นทางการเคลื่อนที่ที่สามารถควบคุมได้ ซึ่งอธิบายเส้นทางการเคลื่อนที่ของมุมในระหว่างช่วงการแกว่งได้อย่างแม่นยำ เนื่องจากกลไกทั้งสองนี้คงที่จากคนสู่คน วิธีนี้จึงขจัดการปรับแต่งความเร็วและเฉพาะผู้ป่วยที่จำเป็นสำหรับตัวควบคุมขาเทียมส่วนล่างส่วนใหญ่^{[ 1 ]}

การเดินจัดเป็นระบบไฮบริดหมายความว่ามีพลวัตที่แยกส่วน ด้วยปัญหาเฉพาะนี้ จึงได้มีการพัฒนาชุดวิธีแก้ปัญหาสำหรับระบบไฮบริดที่ได้รับผลกระทบ เรียกว่าฟังก์ชัน Lyapunov ควบคุม ที่เสถียรอย่างรวดเร็วแบบเอ็กซ์โพเนน เชียล (RES-CLF) ^{[ 15 ]}ฟังก์ชัน Lyapunov ควบคุมใช้เพื่อทำให้ระบบที่ไม่เป็นเชิงเส้น เสถียร ไปยังสถานะที่ต้องการ RES-CLF สามารถสร้างขึ้นได้โดยใช้โปรแกรมกำลังสองที่รับข้อจำกัดความไม่เท่าเทียมกันหลายประการและส่งคืนเอาต์พุตที่เหมาะสมที่สุด^{[ 15 ]}ปัญหาหนึ่งของสิ่งเหล่านี้คือ ต้องใช้แบบจำลองของระบบในการพัฒนา RES-CLF เพื่อขจัดความจำเป็นในการปรับแต่งสำหรับแต่ละบุคคล จึงใช้โปรแกรมกำลังสองที่ไม่ขึ้นกับแบบจำลอง (MIQP) เพื่อหา CLF CLF เหล่านี้มุ่งเน้นเฉพาะการลดข้อผิดพลาดในเอาต์พุตที่ต้องการโดยไม่ต้องรู้ว่าแรงบิดที่ต้องการควรเป็นเท่าใด เพื่อให้ข้อมูลนี้ จึงมีการเพิ่มการควบคุมอิมพีแดนซ์เพื่อให้มีเทอมป้อนไปข้างหน้าซึ่งช่วยให้ MIQP รวบรวมข้อมูลเกี่ยวกับระบบที่กำลังควบคุมโดยไม่ต้องมีแบบจำลองของระบบอย่างสมบูรณ์^{[ 15 ]}

โซลูชันเชิงพาณิชย์ใช้สัญญาณ EMG จากผิวหนังเพื่อควบคุมแขนเทียม นอกจากนี้ นักวิจัยกำลังศึกษาหาทางเลือกอื่นที่ใช้แหล่งชีวภาพที่แตกต่างกัน:

• ฝังอิเล็กโทรด (อิเล็กโทรดประสาท อิเล็กโทรดกล้ามเนื้อ และอิเล็กโทรดผิวหู) เพื่อบันทึกกิจกรรมของระบบประสาทหรือกล้ามเนื้อ
• เมทริกซ์เซ็นเซอร์ความดันเพื่อตรวจจับการเปลี่ยนแปลงของแรงระหว่างการหดตัวของกล้ามเนื้อ
• วิธีการวัดการเปลี่ยนแปลงรูปร่างของกล้ามเนื้อโดยใช้หลักไมโอคิเนติกส์

การควบคุมด้วยไมโอคิเนติกเป็นทางเลือกแทนการควบคุมด้วยไมโออิเล็กทริกมาตรฐาน โดยมีเป้าหมายเพื่อวัดการเปลี่ยนแปลงรูปร่างของกล้ามเนื้อระหว่างการหดตัว แทนที่จะวัดกิจกรรมทางไฟฟ้าของกล้ามเนื้อ แนวทางใหม่ที่เพิ่งเกิดขึ้นในปี 2017 นั้นใช้การตรวจจับสนามแม่เหล็กของแม่เหล็กถาวรที่ฝังลงในกล้ามเนื้อส่วนที่เหลือโดยตรง^{[ 16 ] [ 17 ]}การระบุตำแหน่งของแม่เหล็กเทียบเท่ากับการวัดการหดตัว/การยืดตัวของกล้ามเนื้อที่ฝังแม่เหล็กไว้ เนื่องจากแม่เหล็กเคลื่อนที่ไปพร้อมกับกล้ามเนื้อ ข้อมูลนี้สามารถนำมาใช้ตีความการเคลื่อนไหวโดยสมัครใจของผู้ป่วย และควบคุมแขนขาเทียมได้ สัญญาณแม่เหล็กที่สร้างขึ้นโดยแม่เหล็กจะถูกตรวจจับโดยเซ็นเซอร์ภายนอกที่วางไว้รอบๆ แขนขาส่วนที่เหลือ จากนั้นจึงทำการระบุตำแหน่งโดยใช้วิธีการเพิ่มประสิทธิภาพที่ทำการติดตามโดยการแก้ปัญหาผกผันแม่เหล็ก (เช่นอัลกอริทึม Levenberg–Marquardt ) ^{[ 16 ]}