走路、跑步是人类最重要的运动方式，但是随之而来的冲击会引起多种下肢疾病，包括膝骨关节炎、髌骨疼痛、胫骨损伤等。已有研究表明通过监测膝关节力矩、地面冲击负载率等动力学参数，可以预测患病风险，从而及时采取预防措施。过去，测量这些参数需要测力板、光学运动捕捉系统等大型设备，其价格昂贵，且将测量限制在少数专业步态实验室内。本研究使用可穿戴传感器推动步态动力学估计向实际生活场景发展。根据人体无线传感网络测得的全身运动学数据，通过人工智能技术建立模型，并通过生物力学知识对模型加以约束，以预测关节力矩、冲击负载率等参数。该研究成果的潜在应用领域包括：1）在诊所中，提供个性化的步态修正建议，以减小下肢冲击；2）在住宅中，为步态训练提供反馈，以强化训练效果；3）在田径场中，对冲击大的危险跑步步态做出警示，以预防运动损伤。