从线驱动仿生机器人眼的最优控制中涌现的人类眼球运动行为

在人机交互中，眼球运动在非语言交流中扮演着重要角色。然而，控制机器人眼展现出与人类眼球运动系统相似的运动性能仍是一项重大挑战。本文研究如何控制一个逼真的人类眼球模型，该模型采用模仿眼外肌六个自由度的线驱动系统。仿生设计引入了需要解决的新挑战，最显著的是需要控制每根独立肌肉的预张力，以防止运动过程中张力丧失，从而导致线缆松弛和控制失效。我们构建了一个机器人原型，并开发了一个非线性仿真器和两个控制器。在第一种方法中，我们使用局部导数技术对非线性模型进行线性化，并设计了线性二次型最优控制器，以优化一个考虑精度、能量消耗和运动持续时间的代价函数。第二种方法使用一个递归神经网络，从系统的样本轨迹中学习非线性系统动力学，以及一个非线性轨迹优化求解器，最小化一个类似的代价函数。我们专注于生成具有完全无约束运动学的快速扫视眼球运动，以及生成同时满足多个动态优化准则的六根线缆控制信号。该模型忠实地模仿了在人类扫视中观察到的三维旋转运动学和动力学。我们的实验结果表明，虽然两种方法产生了相似的结果，但非线性方法对于模型的未来改进更灵活，因为对于线性化模型，计算依赖于位置的预张力和局部导数变得特别繁琐。