基于模型预测控制的交互运动模拟

我们提出一种利用模型预测控制（MPC）模拟人机交互中运动的方法。该方法始于从最优反馈控制（OFC）视角理解交互。我们假设用户旨在最小化一个内化的代价函数，并受人体与交互系统所施加的约束限制。与 HCI 中以往使用的线性方法不同，MPC 可计算非线性系统的最优控制。这使我们能够使用最先进的生物力学模型，并处理几乎任何交互系统中出现的非线性。我们的模型采用作用于关节处的二阶肌肉，而非力矩驱动。我们比较了三种不同的代价函数，并在一项包含四种不同交互技术的菲茨定律式指向研究中，将模拟轨迹与用户运动进行比对。结果表明，距离、控制与关节加速度代价相结合的方式最贴合个体用户运动，并以介于用户间方差范围内的精度预测运动。为协助 HCI 研究人员与设计者，我们引入 CFAT——一种基于实验数据识别关节驱动模型中最大自主力矩的新方法，并就如何针对不同用户、交互技术与任务模拟人体运动给出实用建议。