延迟强化学习趋于间歇控制,用于人类安静的姿态
Yongkun Zhao1, Balint K Hodossy1, Shibo Jing2
1Department of Bioengineering, Faculty of Engineering, Imperial College London, London, SW7 2AZ, United Kingdom.
Medical engineering & physics
|August 19, 2024
概括
人类的平衡控制可能不是连续的. 这项研究使用学习算法来建模人体,发现间歇的神经信号,而不是恒定信号,是保持直立姿势的最佳选择.
科学领域:
- 神经科学是一个神经科学.
- 生物物理学的生物物理.
- 控制理论 控制理论
背景情况:
- 人类安静姿势的神经控制受到争论,人们对大脑在保持直立姿势中的作用有不同的看法.
- 当考虑神经时间延迟时,诸如连续阻抗控制等经典模型面临不稳定性问题.
研究的目的:
- 通过使用计算模型,研究人类安静姿势的最佳神经控制策略.
- 为了确定连续或间歇的神经激活是否更有效地维持平衡.
主要方法:
- 使用了一个代表人体的一段倒置摆形模型.
- 开发了一个延迟强化学习算法,以发现没有预先实施的策略的最佳控制策略.
主要成果:
- 开发的算法确定了一个最佳的神经控制器,显示间歇性的,而不是连续的激活模式.
- 模拟结果表明,间歇性控制是维持平衡的可行策略.
结论:
- 这些发现支持人类安静姿势的间歇性控制模型.
- 中枢神经系统可能间歇地提供神经反扭矩以保持直立姿势,挑战连续控制理论.


