北京
中风之后，很多人会留下长期的功能障碍。每年有500万人因此带着长期损伤生活，而物理治疗师的数量却越来越跟不上需求——想获得足够的康复训练，成了一件不容易的事。
一种新思路试图在人工智能和人类治疗之间找平衡：让机器人向真正的治疗师学习，再把学到的东西用到病人身上。
这套系统由约翰内斯·拉赫纳（Johannes Lachner）和诺亚·盖格（Noah Geiger）开发。拉赫纳曾是麻省理工学院（MIT）的博士后，现在是普渡大学的助理教授；盖格曾是MIT的访问学生。他们做的是一套结合生成式AI与实时力反馈的机器人系统，能从真实治疗师的操作中学习，再在康复训练中给患者恰到好处的辅助。
训练的内容并不玄乎，都是康复中常见的动作：伸手、抬臂，以及完成日常生活里的各种任务。关键在于"恰到好处"——辅助给多了，患者自己不用发力；给少了，动作又完不成。系统靠实时力反馈来判断该出多少力。
拉赫纳把目标说得很清楚：这套系统"不是要取代治疗师，而是延伸他们的触达范围"。换句话说，它想解决的是治疗师不够用的问题，而不是把人换掉。
目前进展到哪一步了？拉赫纳表示，"初步的机器人实验已经证明了这种方法的可行性"。接下来，项目计划开发针对不同治疗师的个性化模型，并在长期临床研究中评估效果——受试对象正是此前接受过人工治疗的患者。
再往后，拉赫纳还设想了一些别的可能场景，比如需要大量接触式操作的工业环境，或者协作工作空间。
值得留意的是这套系统的定位逻辑：它学习的对象是人，服务的对象也是人，中间那层AI更像是一个把治疗师经验"复制"出去的通道。可行性已经在初步实验中得到了展示，但真正的考验还在后面——长期临床研究能不能站得住，才是这类系统从实验室走向病房的关键一步。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
