基于最优控制预测仿真的疲劳动力学与任务完成的相互作用
机器人学
2023-06-16 v1 最优化与控制
摘要
人体运动的预测仿真可为了解最优技术提供见解。在重复性 or 长时间任务中，这些仿真必须预测由疲劳引起的适应性变化。然而，大多数研究最小化与执行器激活相关的代价函数项，假设其能最小化疲劳。需要额外的建模层来考虑肌肉先前的使用，以揭示针对力量生成能力下降的适应性策略。在此，我们提出将 Xia 的三室疲劳动力学模型与刚体动力学接口。向 Xia 的模型添加了一个稳定不变量。我们使用直接多 shooting 法将哑铃二头肌弯举的最大重复次数模拟为一个最优控制问题（OCP）。我们探索了三种代价函数（最小化最小力矩、疲劳或两者）和两种 OCP 公式（全时域和滑动时域方法）。我们发现，经稳定不变量（10 或 5）修正的 Xia 模型适用于直接多 shooting 法。滑动时域 OCP 实现了 20 到 21 次重复。随着疲劳发生日益损害保持手臂垂直的能力，运动学策略从合理的哑铃举升任务缓慢偏离为摆动策略。在全时域 OCP 中，后一种运动学策略用于整个运动，导致 32 次重复。我们表明，当代价函数中仅包含力矩时，滑动时域 OCP 揭示了针对疲劳的反应性策略，而当代价函数中包含疲劳项时，则揭示了预期性策略。总体而言，所提出的方法有潜力成为优化表现和帮助减少各种领域中疲劳相关损伤的宝贵工具。
引用
@article{arxiv.2306.08164,
title = {The interplay of fatigue dynamics and task achievement using optimal control predictive simulation},
author = {Pierre Puchaud and Benjamin Michaud and Mickaël Begon},
journal= {arXiv preprint arXiv:2306.08164},
year = {2023}
}