买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学申请的专利一种基于情感交互的上肢运动康复系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119943273B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510103384.8，技术领域涉及：G16H20/30；该发明授权一种基于情感交互的上肢运动康复系统是由李翀;贾天宇;潘飞羽;季林红;杨宇帆设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种基于情感交互的上肢运动康复系统在说明书摘要公布了：本公开提供的一种基于情感交互的上肢运动康复系统，包括：传感单元，用于获取患者的生理信号和行为信号；中央控制器中，数据处理模块实时判别患者的身体状态与心理状态，交互策略生成模块基于大语言模型模拟康复医师所具有的专业知识与思维方式进行患者当前状态的理解与融合推理决策，输出与患者的多维交互策略；执行单元中，扬声器用于在训练时根据语音交互内容播放具有患者所熟悉的音色特征及正向情感风格的语音；视觉交互设备根据视觉交互内容生成虚拟人物，并使其配合扬声器生成的语音产生相应的面部动作与表情；上肢康复机器人根据上肢康复训练内容引导患者完成上肢康复训练动作。本公开通过为患者训练额外提供情感支持，增强康复效果。

本发明授权一种基于情感交互的上肢运动康复系统在权利要求书中公布了：1.一种基于情感交互的上肢运动康复系统，其特征在于，包括： 传感单元，用于获取患者的生理信号和行为信号； 中央控制器，包括数据处理模块与交互策略生成模块；所述数据处理模块用于根据所述传感单元获取的生理信号和行为信号实时判别患者的身体状态与心理状态，并输出判别结果作为所述交互策略生成模块的输入，所述交互策略生成模块基于大语言模型模拟康复医师所具有的专业知识与思维方式进行患者当前状态的理解与融合推理决策，输出与患者的多维交互策略，包括实时生成的视觉和语音交互内容以及上肢康复训练内容； 执行单元，包括扬声器、视觉交互设备和上肢康复机器人；所述扬声器用于在训练时根据所述交互策略生成模块生成的语音交互内容播放具有患者所熟悉的音色特征以及具有正向情感风格的语音；所述视觉交互设备用于根据所述交互策略生成模块生成的视觉交互内容生成虚拟人物，作为模拟人际情感交互与支持的载体之一，并使所述虚拟人物配合所述扬声器生成的语音产生相应的面部动作与表情；所述上肢康复机器人用于根据所述交互策略生成模块生成的上肢康复训练内容引导患者完成上肢康复训练动作； 所述交互策略生成模块采用的大语言模型为预训练的第一大语言模型，对所述第一大语言模型进行的预训练过程包括： 步骤S100、思维链训练：对第一大语言模型的思维链进行首次微调训练，通过输入运动康复典型案例及运动康复学与疾病心理学理论，训练第一大语言模型逐步思考与推理决策上肢康复训练内容以及沟通内容和态度的能力，所述上肢康复训练内容包括训练时长、训练模式和任务难度；具体包括： 步骤S110、现有案例收集： 收集具有执照的专业康复医师对患者进行上肢训练时的现有决策案例与决策思路，一个现有案例i至少应记录：1患者病情si，包括损伤时间、病灶区域和运动评估情况；2初始人工康复训练方案，将该初始人工运动康复方案等效为适配于所述上肢康复机器人的初始康复训练方案pi，并将初始康复训练方案pi规范化表示为文本序列：“训练内容：被动助力主动，阻力等级，训练速度，轨迹难度”；3上肢康复训练过程中对训练内容与沟通内容的第j次实时调整策略aij及调整原因rij，其中，将调整策略aij的文本规范化表示为：“训练内容调整：被动助力主动，阻力等级，训练速度，轨迹难度；沟通内容调整：沟通态度，沟通文本”，所述沟通态度具有“安慰”或“鼓励”两种标签；调整原因rij包括患者的心理状态变化、身体状态变化和或医师在做出调整时参考的专业理论知识； 步骤S120、利用第二大语言模型检索专业知识，通过推理分析扩充现有案例中对训练内容与沟通内容的实时调整原因rij： 通过设计提示词，提示第二大语言模型检索专业康复理论与疾病心理学理论，并基于零样本思维链训练方法，在提示词中加入令第二大语言模型逐步思考的指令，使第二大语言模型能结合检索到的知识对现有案例i中的调整策略aij进行逐步分析推理，以补充完善调整原因rij，与单次调整策略aij对应的调整原因rij推理文本字符数被限制为不超过第一最大长度Lr1； 步骤S130、数据标准化： 将案例i的所有文本si、pi、aij、rij按照规定格式生成文本组合wi，并利用所有案例文本组合生成第一文本序列W＝{w1,w2,…,wi,…,wN}； 步骤S140、首次微调训练： 将标准化后的第一文本序列W整理为第一微调数据集，采用适配器微调方法并基于HuggingFaceTransformers的框架对第一大语言模型进行训练；其中，使用第一交叉熵损失函数LLOSS1作为目标函数对适配器的参数θ1进行优化： 式中，|ri|表示案例i具有的训练调整策略-调整原因组的总个数；Ppi|pi,si；θ1表示首次训练后的第一大语言模型输入患者病情si后输出得到初始康复训练方案pi的概率，用以量化由患者病情推理得到初始训练方案的能力；Pai,j|pi,ri,≤j,si,ai,j；θ1用于量化首次训练后的第一大语言模型基于当前患者病情、初始康复训练方案、第j次调整前的康复训练调整策略与调整原因和第j次的调整原因，推理得到第j次的调整策略ai,j的概率；ri,≤j表示第j次及其之前的康复训练调整原因，ai,j表示第j次调整前的康复训练调整策略； 步骤S200、交互文本训练：收集适老化语料和运动训练激励语料对经过首次微调后的第一大语言模型输出的文本内容进行二次微调训练，使其输出的交互文本更加贴合上肢康复训练场景并符合患者期望；具体包括： 步骤S210、语料收集： 通过网络爬虫方式从网络中搜集适老化语料和康复运动训练激励语料； 步骤S220、数据清洗与预处理： 对收集到的语料进行清洗，包括去除重复文本、修正标点符号错误和语法混乱的内容，同时校正语料中的错别字和语言不规范现象；将清洗后的语料按照语义功能划分为不同类别，包括激励性语句、安慰性语句、任务描述语句和日常沟通语句；单个语料片段的最大字符数被限制为不超过第二最大长度Lr2；将得到的所有语料片段按格式整理为第二文本序列V＝{v1,v2,…,vl,…,vM}，vl表示单个语料片段； 步骤S230、二次微调训练 将标准化后的第二文本序列V整理为第二微调数据集，采用适配器微调方法并基于HuggingFaceTransformers的框架对经过首次微调后的第一大语言模型进行训练；其中，使用第二交叉熵损失函数LLOSS2作为目标函数来微调模型参数θ2： 式中，Pvl；θ2表示二次微调后的第一大语言模型预测语料片段vl的概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学，其通讯地址为：100084 北京市海淀区清华园1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。