鼠前肢肌肉骨骼到达动力学的大规模并行模仿学习

大脑演化出有效控制身体的能力，为了理解这种关系，我们需要建模支撑具身控制的感知运动转换。作为协调性努力的一部分，我们正在开发一个通用平台，用于行为驱动的模拟建模高保真的行为动力学、生物力学和支撑具身控制的神经电路架构。我们提出了一条从神经科学实验室获取运动学数据并创建管道以在生物力学模型中再现这些自然运动的流程。我们实现了一个在模拟物理环境中进行仿身前肢到达任务的模仿学习框架。由于GPU加速的JAX和Mujoco-MJX，鼠臂模型的训练速度可达每秒超过100万次训练步数。我们呈现的结果表明，添加对能量和速度的自然约束，导致的模拟生物力学活动更好地预测真实的EMG信号。这一工作提供了证据表明，能量和控制约束对于建模生物力学运动控制至关重要。