具身智能的自模型：基于分层低维表示的全身人体肌肉骨骼系统建模与运动控制
人工智能
2024-12-30 v5
摘要
人体肌肉骨骼系统的建模与控制对于理解人类运动功能、开发具身智能以及优化人机交互系统具有重要意义。然而，当前的人体肌肉骨骼模型局限于有限的身体部位范围，且通常肌肉数量被缩减。也缺乏能够控制超过 600 块肌肉以产生合理人类运动的算法。为了填补这一空白，我们构建了一个包含 90 个身体段、206 个关节和 700 个肌肉-肌腱单元的肌肉骨骼模型 (MS-Human-700)，允许模拟全身动力学以及与各种设备的交互。我们开发了一种使用低维表示和分层深度强化学习的新算法，以实现最先进的全身控制。我们在具有真实人类运动数据的模拟中验证了我们的模型和算法的有效性。该肌肉骨骼模型及其控制算法将向研究界开放，以促进对人类运动控制的更深入理解和交互机器人的更好设计。项目页面：https://lnsgroup.cc/research/MS-Human-700
引用
@article{arxiv.2312.05473,
title = {Self Model for Embodied Intelligence: Modeling Full-Body Human Musculoskeletal System and Locomotion Control with Hierarchical Low-Dimensional Representation},
author = {Chenhui Zuo and Kaibo He and Jing Shao and Yanan Sui},
journal= {arXiv preprint arXiv:2312.05473},
year = {2024}
}
备注
ICRA 2024