详细内容或原文请订阅后点击阅览
使用 AI 建模运动操控的细节
图片：©2024 EPFL – CC-BY-SA 4.0。作者：Michael David Mitchell 在神经科学和生物医学工程领域，准确模拟人类手部的复杂运动一直是一项重大挑战。当前的模型通常难以捕捉大脑的运动指令与肌肉和肌腱的物理动作之间复杂的相互作用。这一差距并不 […]
来源:ΑΙhub图片：©2024 EPFL – CC-BY-SA 4.0。
图片：©2024 EPFL – CC-BY-SA 4.0。作者：Michael David Mitchell
作者：Michael David Mitchell在神经科学和生物医学工程领域，准确模拟人类手部的复杂运动一直是一项重大挑战。 当前的模型通常难以捕捉大脑的运动指令与肌肉和肌腱的物理动作之间复杂的相互作用。 这种差距不仅阻碍了科学进步，而且限制了旨在恢复肢体丧失或瘫痪者手部功能的有效神经假体的开发。
EPFL 教授 Alexander Mathis 和他的团队开发了一种人工智能驱动的方法，可以增进我们对这些复杂运动功能的理解。 该团队使用了一种创造性的机器学习策略，将基于课程的强化学习与详细的生物力学模拟相结合。
Mathis 的研究提出了一个详细、动态且解剖学上准确的手部运动模型，该模型直接受到人类学习复杂运动技能的方式的启发。这项研究不仅在 2022 年的 NeurIPS 会议上赢得了 MyoChallenge，而且结果还发表在《神经元》杂志上。
2022 年的 NeurIPS 会议 发表在《神经元》杂志上虚拟控制保定球
“这项研究最让我兴奋的是，我们正在深入研究人类运动控制的核心原理——这一直是个谜。我们不只是在建立模型；我们正在揭示大脑和肌肉如何协同工作的基本机制，”Mathis 说。
将任务分解成更小的部分——然后重复它们
“为了获胜，我们从人类学习复杂技能的方式中汲取灵感，这一过程在体育科学中被称为从部分到整体的训练，”Mathis 说。这种从部分到整体的方法启发了人工智能模型中使用的课程学习方法，其中控制手部动作的复杂任务被分解成更小、更易于管理的部分。
EPFL