人手协调中时移协同提取的交替最小化方法

从运动学数据中识别运动协同——即按任务相关时移激活的协调手部关节模式——是运动控制和机器人学的核心问题。现有的两阶段方法首先提取候选波形（通过SVD），然后使用稀疏优化选择移位模板，这需要至少两个数据集并使得数据收集复杂化。我们引入了一个基于优化的框架，该框架联合学习一小部分协同及其稀疏激活系数。该公式对协同选择施加组稀疏性，对激活时序施加元素级稀疏性。我们开发了一种交替最小化方法，其中系数更新跨任务解耦，协同更新简化为正则化最小二乘问题。我们的方法仅需要单个数据集，并且模拟表明，使用紧凑且可解释的协同可以实现准确的速度重建。