模拟人类步行:一种基于模型的强化学习方法,使用肌肉骨模型
Binbin Su1, Elena M Gutierrez-Farewik1,2
1KTH MoveAbility Lab, Department of Engineering Mechanics, KTH Royal Institute of Technology, Stockholm, Sweden.
Frontiers in neurorobotics
|October 30, 2023
概括
这项研究将强化学习与肌肉骨模型相结合,创建了类似人类步行的模型. 该框架显示了模拟病态步行的潜力,并推进了生物机械模拟.
科学领域:
- 生物力学 生物力学
- 机器人技术 机器人技术 机器人技术
- 计算机建模 计算建模
背景情况:
- 强化学习 (RL) 推进了人类运动模拟的控制模型.
- 生物机械模型对于实现真实的人类运动生成至关重要.
- 将RL与肌肉骨模型集成,可以提高步态模拟的准确性.
研究的目的:
- 开发人类行走的控制模式,使用集成的RL和肌肉骨模型.
- 调查模型在没有参考运动数据的情况下产生自然主义步态的能力.
- 探索模拟病态步行的潜力.
主要方法:
- 一个肌肉骨模型 (干部,骨盆,腿) 与RL算法相结合.
- 模拟在没有目标速度的情况下进行,然后使用强加速度.
- 马尔科夫决策过程问题是使用协差矩阵适应演化策略来解决的.
主要成果:
- 该模型自行选择了1.45米/秒的稳定步行速度.
- 模拟的部和膝盖动力学与实验数据密切匹配.
- 与部和膝盖相比,脚运动预测的准确性较低.
结论:
- 集成的RL和肌肉骨模型成功模拟了人类的行走.
- 该框架显示了预测步行异常的潜力,例如来自肌肉衰弱的异常.
- 这种方法推动了复杂的人类运动模型的开发.
更多相关视频
10:52Simulation of Human-induced Vibrations Based on the Characterized In-field Pedestrian Behavior
Published on: April 13, 2016
8.8K
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.5K
