生物机械优化和强化学习为人类姿势控制中从脚到部战略的过渡提供了洞察力

科学领域:

• 生物力学 生物力学
• 人类运动科学科学 人类运动科学
• 机器人和控制理论

背景情况:

• 人类的姿势控制涉及到脚和部的策略,适应不同的条件.
• 推动这些战略之间过渡的机制尚不清楚.
• 了解这些转变对于康复和辅助设备设计至关重要.

研究的目的:

• 调查生物力学约束和优化原则是否解释了人类姿势策略的过渡.
• 开发和验证一种强化学习 (RL) 模型,用于模拟姿势控制适应.
• 分析扰动大小和从脚到部转移之间的关系.

主要方法:

• 对人类对逆向扰动的姿势反应的分析.
• 强化学习 (RL) 优化模型的开发.
• 将压力中心 (CoP) 范围限制纳入甲足关节作为生物力学约束.
• 控制目标函数的定义,包括COP约束处罚,直立姿势恢复和控制力度最小化.

主要成果:

• RL模型成功地复制了人类观察到的从脚到部的姿势策略过渡.
• 扰动幅度的增加导致模型中的脚扭矩减少和关节动力学增加,反映了人类的适应.
• 该模型的性能表明,优化原则是适应性姿势控制的基础.

结论:

• 人的姿势策略转换可以通过一个优化框架来解释,其中包括生物力学约束.
• 强化学习模型是分析适应性人类运动的有效工具,因为它们能够处理非线性优化.
• 这项研究提供了对人类姿势控制和其适应性的基本机制的见解.