大规模并行模仿学习小鼠前肢 肌肉骨 达到动态

科学领域:

• 神经科学是一个神经科学.
• 机器人技术 机器人技术 机器人技术
• 计算生物学 计算生物学

背景情况:

• 了解嵌入式控制需要模拟传感运动转换.
• 开发数据驱动的模拟平台,用于高准确度的行为动态,生物力学和神经电路至关重要.

研究的目的:

• 从神经科学动力学数据创建一个模拟自然运动的管道.
• 实施一个模仿学习框架,用于灵巧的前肢伸展任务.

主要方法:

• 在Mujoco物理环境中使用肌肉骨模型.
• 使用JAX和Mujoco-MJX加速的模仿学习框架进行快速培训.
• 在模拟中集成自然主义控制大小约束.

主要成果:

• 通过GPU加速,实现了每秒超过100万个训练步骤.
• 模拟肌肉活动与自然的约束更准确地预测了真实的EMG信号.
• 证明了控制约束在生物运动建模中的关键作用.

结论:

• 控制约束对于准确建模生物运动至关重要.
• 开发的平台和方法推进了嵌入式控制的模拟.
• 这项研究将神经科学数据与基于物理的模拟相结合,以更深入地了解运动控制.