超越运动模仿：人类运动数据是否足以解释步态控制与力学？
机器人学
2026-03-16 v1 机器学习
摘要
随着对人类力学和可穿戴机器人运动模仿学习的日益关注，本研究探讨了额外的脚-地面相互作用措施作为奖励项，如何影响基于强化学习的IL框架中人类步态运动学和动力学的估计。结果表明，仅准确再现前向运动学并不足以确保关节动力学的生物力学可行性。将脚-地面接触和接触力添加到IL奖励项中，可实现对前向步行模拟中关节力矩的预测，这些力矩与通过逆动力学计算的力矩相差显著。这一发现凸显了仅依赖运动的IL方法的根本局限，这些方法可能优先匹配运动学而牺牲物理一致性。 incorporating动力学约束，特别是地面反作用力和中心压力信息，显著增强了内部和外部动力学的真实性。这些发现表明，当应用于人类相关研究领域，如力学和可穿戴机器人协同设计时，动力学基于的奖励塑形是实现物理一致步态表征所必需的。
引用
@article{arxiv.2603.12408,
title = {Beyond Motion Imitation: Is Human Motion Data Alone Sufficient to Explain Gait Control and Biomechanics?},
author = {Xinyi Liu and Jangwhan Ahn and Edgar Lobaton and Jennie Si and He Huang},
journal= {arXiv preprint arXiv:2603.12408},
year = {2026}
}
备注
8 pages, 7 figures