在人体运动控制中，中枢神经系统的独特功能就是平行处理多种的输入信号，并能极快的将输入信号整合成平行的输出信号。机器人控制与人类运动相比，其缺点是显而易见的：输入信号单一（依赖于肢体位置信号），整合能力低下（不能有效模拟中枢神经系统的算法），输出信号失真（线性控制电机来提供动力）。克服这些缺点的关键就需要解决如何使用生物信号来控制机械肢体。针对人类步态的特点，生物信号包括关节的角度和角速度（本体感觉），足底压力（触觉）以及肌肉信号（中枢控制信号的表达，例如肌肉电信号、肌肉形变）。如何采集和融合人体运动信息，是获得准确人体运动意图的关键问题。所获得的人体步态信息为实现外骨骼整体运动控制建立了决策基础。

本项目在前期已研制的下肢截瘫残疾人用康复外骨骼机器人系统基础上，针对外骨骼机器人的三个核心问题开展研究。关于动力关节，本项目提出了具有主动驱动的柔性可控关节，将主动驱动和被动柔性结合起来，既减少运动时对主动驱动的冲击，又实现运动中的能量储存和释放、提高行走效率。关于人体步态识别，本项目提出了基于多种人体运动信息反馈的实时步态识别系统，实现人体三维运动信息和足底压力分布信息的融合，从而实现对人体多种步态的实时识别。关于外骨骼运动控制，本项目提出了基于有限状态控制的动力关节实时驱动系统。不同于其他外骨骼机器人控制采用基于零力矩点（ZMP）的静态行走，本研究将基于极限环行走（Limit Cycle Walking）的动态行走机理引入外骨骼控制中。基于这种行走机理的外骨骼具有和人类真实行走相接近的动力学特性，可以更好的和人类肢体配合，并使得行走的能量效率与人类日常步态十分接近，避免了驱动单元在整个运动周期时刻作用，从而提高了系统的能量效率。