无需深层肌电重建的可微人体手臂肌骨模型参数辨识
机器人学
2025-09-30 v1
摘要
对特定受试者的人体肌骨模型进行精确参数辨识，对于开发安全可靠的物理协作机器人系统（例如辅助外骨骼）至关重要。基于肌电图（EMG）的参数辨识方法已在个性化肌骨建模中展现出有前景的性能，但其适用性受到难以侵入式测量深层肌肉 EMG 的限制。尽管已提出几种重建深层肌肉 EMG 或激活的策略用于参数辨识，但其可靠性和鲁棒性受到对深层肌肉行为假设的限制。在这项工作中，我们提出了一种方法，可在不重建深层肌肉 EMG 的情况下，同时辨识人体手臂肌骨模型的骨骼和浅层肌肉参数。该方法仅利用深层肌肉力的最小二乘解来计算关于模型参数的损失梯度，从而在可微分优化框架内辨识这些参数。广泛的对比仿真结果表明，与所有肌肉 EMG 均可用时的类似方法相比，我们提出的方法可以达到相当的估计精度。
引用
@article{arxiv.2509.22825,
title = {Parameter Identification of a Differentiable Human Arm Musculoskeletal Model without Deep Muscle EMG Reconstruction},
author = {Philip Sanderink and Yingfan Zhou and Shuzhen Luo and Cheng Fang},
journal= {arXiv preprint arXiv:2509.22825},
year = {2025}
}
备注
8 pages, 5 figures