考虑身体状态变化的肌肉生物人类平衡控制学习

肌肉生物人类因身体柔软性和冗余性而难以建模，其状态可随时间变化，因此其腿部平衡控制具有挑战性。普通PID控制在某些情况下可能导致不稳定。在本研究中，我们提出了一种学习肌肉张力、肌肉长度与踝关节角度以及零力矩点之间相关性模型，以实现平衡控制。此外，通过参数化偏置嵌入身体状态变化的信息，该模型能够在在线学习中估计并适应当前身体状态。这使得能够适应并非直接纳入模型的上身姿势变化，因为考虑整体动力学所需的数据量和计算资源有限。该模型还能适应身体状态的变化，如鞋垫改变和关节原点由于校准而改变。通过仿真和实际肌肉生物人类Musashi的实验验证了本方法的有效性。