MIMIC-MJX：动物行为的神经力学仿真
神经元与认知
2025-12-03 v2 人工智能
机器人学
摘要
神经系统的主要输出是运动和行为。虽然近期进展使复杂行为期间的姿态跟踪变得更加普及，但仅凭运动轨迹只能间接地访问底层控制过程。本文提出 MIMIC-MJX，一个从运动学轨迹学习生物学可信神经控制策略的框架。MIMIC-MJX 通过训练神经控制器来学习，这些控制器学习如何在物理仿真中驱动生物力学上真实的身体模型，以再现真实的运动学轨迹。我们演示了我们的实现在准确性、速度、数据效率和对多样化动物身体模型的通用性方面都表现出色。使用 MIMIC-MJX 训练的策略可用于分析神经控制策略并模拟行为实验，说明其作为神经科学的集成建模框架的潜力。
引用
@article{arxiv.2511.20532,
title = {MIMIC-MJX: Neuromechanical Emulation of Animal Behavior},
author = {Charles Y. Zhang and Yuanjia Yang and Aidan Sirbu and Elliott T. T. Abe and Emil Wärnberg and Eric J. Leonardis and Diego E. Aldarondo and Adam Lee and Aaditya Prasad and Jason Foat and Kaiwen Bian and Joshua Park and Rusham Bhatt and Hutton Saunders and Akira Nagamori and Ayesha R. Thanawalla and Kee Wui Huang and Fabian Plum and Hendrik K. Beck and Steven W. Flavell and David Labonte and Blake A. Richards and Bingni W. Brunton and Eiman Azim and Bence P. Ölveczky and Talmo D. Pereira},
journal= {arXiv preprint arXiv:2511.20532},
year = {2025}
}
备注
Corrected LaTeX issues. Project page available at https://mimic-mjx.talmolab.org