《Cognitive Neurodynamics》:Effect of changes in the arm physical parameters on the minimum torque-change trajectories of human reaching movements
编辑推荐:
最小力矩变化模型是描述人类点对点伸手运动轨迹形成的计算模型。该模型大致预测了在人类伸手运动中观察到的、具有钟形速度轮廓的直线手部轨迹。然而,最小力矩变化准则是动态量,计算出的轨迹至少在一定程度上会受到手臂各环节物理参数(如质量、转动惯量和粘性)变化的影响。本研
最小力矩变化模型是描述人类点对点伸手运动轨迹形成的计算模型。该模型大致预测了在人类伸手运动中观察到的、具有钟形速度轮廓的直线手部轨迹。然而,最小力矩变化准则是动态量,计算出的轨迹至少在一定程度上会受到手臂各环节物理参数(如质量、转动惯量和粘性)变化的影响。本研究系统地研究了手臂物理参数的变化如何影响基于最小力矩变化准则计算出的最优手臂轨迹。计算出的最优轨迹在很大程度上是弯曲的,特别是当前臂的物理参数(mass, moment of inertia)从原始参数加倍或减半时。此外,当原始参数被修改为在生物力学上更合适时,轨迹也变得相当弯曲,这与实际的人类伸手运动不同。结果表明,人类伸手运动中的手部轨迹可能是由一个对生物力学特性变化较不敏感的动态优化准则决定的。
论文解读:手臂物理参数对最小力矩变化轨迹影响的研究
一、 研究背景、问题与研究目的
在人类运动控制领域,点对点的伸手运动展现出显著的规律性,例如手部轨迹近似直线且速度轮廓呈钟形。为解释这种规律性,学者们提出了多种计算模型。其中,一类模型假设中枢神经系统(CNS)通过最小化某个目标函数(成本函数)来规划运动轨迹。这些模型可分为基于运动学的(如最小手部加加速度模型)和基于动力学的(如最小力矩变化模型)两大类。
最小力矩变化模型(minimum torque-change model)由Uno等人于1989年提出,它通过最小化关节力矩的导数(即力矩变化率)的积分来计算最优轨迹。该模型因其能大致复现人类伸手运动的轨迹特征而广受关注。然而,与运动学模型不同,该模型的预测依赖于对肢体动力学模型的参数设定,包括各环节(如前臂、上臂)的质量、绕其质心的转动惯量(moment of inertia),以及关节的粘性(阻尼)系数等。这些物理参数的准确性会直接影响模型预测的有效性。早期研究(如Flash, 1990; Nakano等, 1999)曾指出最小力矩变化轨迹对模型物理参数的变化敏感,但缺乏系统性的量化分析。因此,一个核心问题在于:手臂物理参数的变化究竟在多大程度上影响最小力矩变化准则下的最优轨迹?这种敏感性是否会削弱模型作为解释人类运动规划一般原理的普适性?为了解决这些问题,本文研究人员开展了系统性研究,旨在量化评估手臂物理参数变化对最小力矩变化轨迹的影响,并探讨在采用更符合生物力学的参数时,该模型是否仍能预测出近似直线的轨迹。这项研究对于理解运动控制中优化准则的鲁棒性、评估模型的有效性以及指导未来模型的发展具有重要意义。本研究发表在国际期刊《Cognitive Neurodynamics》上。
二、 关键技术方法概述
本研究主要采用计算模拟与优化求解相结合的方法。核心模型是一个在水平面内运动的二连杆(上臂与前臂)人体手臂模型,其动力学方程(包括质量矩阵M(θ)和科氏力/离心力及粘性项B(θ, θ?))构成了轨迹优化的约束条件。研究人员设定了五个与Uno等(1989)原始工作一致的、从起点到不同目标点的点对点伸手任务。研究采用了三种数值优化方法来求解最小力矩变化轨迹:一种基于变分法与牛顿类方法的“方法I”,以及两种针对高粘性系数难以收敛情况而设计的退火优化方法(“方法II”和“方法III”)。这两种退火方法通过引入包含缩放目标函数和惩罚函数的新评价函数,并采用梯度下降法进行迭代优化。轨迹计算中,运动持续时间T固定为0.75秒,时间步长Δt为0.001秒。为了评估轨迹弯曲度,引入了“整体偏差”指标W的绝对值,该指标量化了预测轨迹与连接起止点的参考直线之间的偏离面积。
三、 研究结果
1. 质量(m1, m2)变化的影响
改变上臂质量(m1)对轨迹和速度轮廓几乎没有影响。然而,改变前臂质量(m2)则产生了显著影响。当m2加倍时,手部轨迹倾向于向左弯曲(凹形),减半时则向右弯曲(凸形),且速度轮廓发生倾斜。轨迹整体偏差的变化幅度在m2变化时远大于m1变化时。
2. 转动惯量(IG1, IG2)变化的影响
改变上臂绕质心转动惯量(IG1)对轨迹的影响较小。而改变前臂绕质心转动惯量(IG2)则对轨迹产生了很大影响。IG2减半导致轨迹向左弯曲,加倍则导致轨迹向右弯曲,与质量m2变化引起的趋势相反。速度轮廓同样受到影响。
3. 粘性系数(b1, b2)变化的影响
肩关节粘性系数(b1)增加五倍会显著影响轨迹,使其倾向于呈凸形。而肘关节粘性系数(b2)增加对轨迹影响较小。将粘性系数减至五分之一对轨迹和速度轮廓的影响轻微。研究还发现,在采用生物力学相关参数时,高粘性(bi=0.8 N m s/rad)并未使轨迹完全恢复到原始参数下的近似直线形态。
4. 采用生物力学相关物理参数的影响
当将所有惯性参数替换为基于Winter(2009)人体测量学数据估算的、生物力学上更合理的参数集时,计算出的最小力矩变化轨迹在低粘性条件下(bi=0.0, 0.2, 0.4 N m s/rad)倾向于向左弯曲,且速度轮廓倾斜。随着粘性增加(bi=0.8 N m s/rad),这种弯曲和倾斜趋势有所减弱,但轨迹仍与原始模型的直线轨迹存在明显偏差。研究还指出,即使使用不同的优化方法(方法II和III),也可能得到目标函数值相近但轨迹形状不同的局部最优解,表明识别全局最优轨迹存在困难。
四、 讨论与结论总结
研究人员在讨论部分对上述发现进行了解释和分析。他们认为,远端环节(前臂)物理参数变化对轨迹影响更大的原因在于,其旋转惯性的变化会影响近端关节(肩关节)的旋转惯性,从而更显著地改变作为优化约束的运动方程。而近端关节(肩关节)粘性影响显著,可能是因为在所研究的伸手轨迹中,肩关节运动范围和角速度通常较大。这些敏感性分析表明,最小力矩变化轨迹的形状高度依赖于特定的物理参数设置。
研究结论明确指出,最小力矩变化模型计算出的最优轨迹对手臂物理参数,特别是前臂的质量和转动惯量以及肩关节粘性的变化非常敏感。当使用Uno等人(1989)的原始参数时,模型能预测出近似直线的轨迹,但这似乎是特定参数集下的结果,而非模型的普遍特性。当使用生物力学上更合理的参数时,模型预测的轨迹发生了显著弯曲,与人类实际伸手运动中观察到的、在不同个体间相对稳定的近似直线轨迹不符。这一矛盾提示,人类伸手运动的手部轨迹可能并非由最小力矩变化准则决定,或者说,决定轨迹的优化准则对生物力学特性的变化具有较低的敏感性。
本研究揭示了最小力矩变化模型在参数敏感性方面的局限性,对将该模型作为普适性运动规划原理的有效性提出了质疑。研究人员建议,未来应探索对物理参数变化更不敏感的模型,例如最小指令力矩变化模型,或考虑结合运动学准则(如最小手部加加速度)与动力学准则的混合模型。同时,在最优反馈控制框架下,通过自适应反馈过程可能缓解参数敏感性问题。此外,研究也指出了识别最小力矩变化问题全局最优解的数值困难,这进一步削弱了该模型作为生物可行计算框架的合理性。总之,这项工作强调了在评估运动控制计算模型时,系统检验其对生物力学参数假设的鲁棒性的重要性。