一种具身智能机械臂残障辅助系统及方法

本申请涉及具身机器人技术领域，具体为一种具身智能机械臂残障辅助系统及方法，方法包括：通过实时采集肌电信号并提取肌电特征，利用分层式深度学习模型预测用户的疲劳程度评分与未来趋势；基于预测结果，建立自适应补偿策略，动态放大因疲劳而衰减的原始控制信号；持续评估补偿后信号的信噪比与稳定性：若效果不佳则触发参数微调；当用户状态恢复且控制性能达标后，则启动渐进式退出程序，平滑撤销补偿。本申请方法构建感知‑预测‑补偿‑评估的完整闭环设计，有效提升对具身机械臂控制时的精确性和稳定性，能让残障用户显著适应对具身机械臂的操控。