上肢生物力学模型的强化学习控制
定量方法
2022-04-21 v2 人机交互
机器学习
机器人学
摘要
在可产生的无限多种可能运动中，通常假设人类会选择那些优化诸如最小化运动时间等准则的运动，并受限于某些运动约束，如信号依赖和恒定运动噪声。尽管迄今为止这些假设仅在简化的点质量或平面模型上得到评估，我们探讨了它们是否能预测人体上肢完整骨骼模型中的伸展运动。我们使用强化学习中实现的动作咿呀学语（motor babbling）方法学习控制策略，使用右食指尖朝向随机放置的、大小各异的 3D 目标进行瞄准运动。我们使用最先进的生物力学模型，其包含七个驱动自由度。为应对维数灾难，我们使用简化的二阶肌肉模型，作用于每个自由度而非单个肌肉。结果证实，信号依赖和恒定运动噪声的假设，连同运动时间最小化的目标，足以让最先进的人体上肢骨骼模型复现人类运动的复杂现象，特别是 Fitts 定律和 2/3 幂定律。该结果支持这样一种观点：复杂人体生物力学系统的控制可合理地由一组简单假设决定，并且易于学习。
引用
@article{arxiv.2011.07105,
title = {Reinforcement Learning Control of a Biomechanical Model of the Upper Extremity},
author = {Florian Fischer and Miroslav Bachinski and Markus Klar and Arthur Fleig and Jörg Müller},
journal= {arXiv preprint arXiv:2011.07105},
year = {2022}
}
备注
19 pages, 7 figures