iDeLog：Sigma-Lognormal 参数的迭代双向空间与动力学提取

运动学快速运动理论及其相关的 Sigma-Lognormal 模型在广泛的应用中被广泛使用。尽管该模型的物理和生物学意义已被广泛测试和验证用于快速运动，但在用于连续长且复杂运动时仍检测到一些不足之处。为缓解此类缺陷，并受到运动等效理论和可想象的视觉反馈启发，本文提出了一种新框架用于提取 Sigma-Lognormal 参数，称为 iDeLog。具体而言，iDeLog 包含两个步骤。第一步骤受运动等效模型影响，分别从轨迹和速度中推导出由一组虚拟点和角度定义的初始动作计划，以及一序列对数正态分布。第二步基于与开环运动控制相容的假设性视觉反馈，迭代移动动作计划的虚拟目标点，以提高观察轨迹和速度之间的匹配。在手写签名实验中，iDeLog 的结果优于先前的 Sigma-Lognormal 开发成果。