論文の概要: MyoSuite -- A contact-rich simulation suite for musculoskeletal motor control

• arxiv url: http://arxiv.org/abs/2205.13600v1
• Date: Thu, 26 May 2022 20:11:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-30 13:28:52.451262
• Title: MyoSuite -- A contact-rich simulation suite for musculoskeletal motor control
• Title（参考訳）: 筋骨格運動制御のためのコンタクト豊富なシミュレーションスイートMyoSuite
• Authors: Vittorio Caggiano, Huawei Wang, Guillaume Durandau, Massimo Sartori and Vikash Kumar
• Abstract要約: myoSuiteは、生理学的に正確な肘、手首、手首の生体力学的モデルで、物理的な接触機能を備えている。 簡単な姿勢制御から熟練した手-物体間相互作用まで、さまざまな運動制御課題を提供する。
• 参考スコア（独自算出の注目度）: 7.856809409051587
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Embodied agents in continuous control domains have had limited exposure to tasks allowing to explore musculoskeletal properties that enable agile and nimble behaviors in biological beings. The sophistication behind neuro-musculoskeletal control can pose new challenges for the motor learning community. At the same time, agents solving complex neural control problems allow impact in fields such as neuro-rehabilitation, as well as collaborative-robotics. Human biomechanics underlies complex multi-joint-multi-actuator musculoskeletal systems. The sensory-motor system relies on a range of sensory-contact rich and proprioceptive inputs that define and condition muscle actuation required to exhibit intelligent behaviors in the physical world. Current frameworks for musculoskeletal control do not support physiological sophistication of the musculoskeletal systems along with physical world interaction capabilities. In addition, they are neither embedded in complex and skillful motor tasks nor are computationally effective and scalable to study large-scale learning paradigms. Here, we present MyoSuite -- a suite of physiologically accurate biomechanical models of elbow, wrist, and hand, with physical contact capabilities, which allow learning of complex and skillful contact-rich real-world tasks. We provide diverse motor-control challenges: from simple postural control to skilled hand-object interactions such as turning a key, twirling a pen, rotating two balls in one hand, etc. By supporting physiological alterations in musculoskeletal geometry (tendon transfer), assistive devices (exoskeleton assistance), and muscle contraction dynamics (muscle fatigue, sarcopenia), we present real-life tasks with temporal changes, thereby exposing realistic non-stationary conditions in our tasks which most continuous control benchmarks lack.
• Abstract（参考訳）: 連続制御領域の具体化エージェントは、生物におけるアジャイルとニムブルな行動を可能にする筋骨格特性を探索できるタスクへの露出が限られていた。 神経筋骨格制御の高度化は、運動学習コミュニティに新たな課題をもたらす可能性がある。 同時に、複雑な神経制御問題を解決するエージェントは、ニューロリハビリテーションや協調ロボット工学などの分野に影響を及ぼす。 ヒトのバイオメカニクスは複雑なマルチジョイント・マルチアクチュベータ・筋骨格系を基盤としている。 感覚運動系は、物理的な世界で知的な行動を示すのに必要な筋肉の運動を定義し、条件付けする感覚接触豊かで固有的な入力に依存する。 現在の筋骨格制御の枠組みは、物理的世界の相互作用能力とともに筋骨格系の生理学的洗練をサポートしない。 さらに、それらは複雑で熟練した運動タスクに埋め込まれたり、大規模学習パラダイムを研究するのに計算的に効果的でスケーラブルではない。 今回紹介するMyoSuiteは、肘、手首、手の生理学的に正確なバイオメカニカルモデルで、物理的な接触能力を備えており、複雑で熟練した接触に富んだ現実世界のタスクを学習することができる。 簡単な姿勢制御から、キーを回したり、ペンを回したり、2つのボールを片手で回転させたりといった熟練したハンドオブジェクトインタラクションまで、さまざまなモーター制御課題を提供する。 筋骨格形状(腱移動)、補助装置(外骨格補助)、筋収縮動態(筋疲労、サルコパニア)の生理的変化を補助することにより、時間的変化を伴う実生活課題を提示し、最も継続的な制御ベンチマークが欠落しているタスクにおける現実的な非定常条件を明らかにする。

関連論文リスト

• Synergistic pathways of modulation enable robust task packing within neural dynamics [0.0]
  ニューラルダイナミクスの文脈変調の2つの形態の区別を探索するために、リカレント・ネットワーク・モデルを用いる。 我々はこれらのメカニズムの区別を、それらが引き起こす神経力学のレベルで示す。 これらの特徴は、これらのメカニズムがどのように振る舞うかの相補性と相乗性を示している。
  論文  参考訳（メタデータ） (2024-08-02T15:12:01Z)
• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• Natural and Robust Walking using Reinforcement Learning without Demonstrations in High-Dimensional Musculoskeletal Models [29.592874007260342]
  人間は複雑な自然環境の中を歩く頑丈な二足歩行で運動します。 神経系が筋骨格の冗長性をどのように解決し、多目的制御問題を解決するかは、まだ完全には分かっていない。
  論文  参考訳（メタデータ） (2023-09-06T13:20:31Z)
• Persistent-Transient Duality: A Multi-mechanism Approach for Modeling Human-Object Interaction [58.67761673662716]
  人間は高度に適応可能で、異なるタスク、状況、状況を扱うために異なるモードを素早く切り替える。 人間と物体の相互作用(HOI)において、これらのモードは、(1)活動全体に対する大規模な一貫した計画、(2)タイムラインに沿って開始・終了する小規模の子どもの対話的行動の2つのメカニズムに起因していると考えられる。 本研究は、人間の動作を協調的に制御する2つの同時メカニズムをモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-07-24T12:21:33Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• DMAP: a Distributed Morphological Attention Policy for Learning to Locomote with a Changing Body [126.52031472297413]
  本稿では,生物学的に着想を得たポリシーネットワークアーキテクチャであるDMAPを紹介する。 主観的状態に基づく制御ポリシは,高度に可変な身体構成では不十分であることを示す。 DMAPは、すべての考慮された環境において、全体的な一致またはオラクルエージェントのパフォーマンスを超越して、エンドツーエンドで訓練することができる。
  論文  参考訳（メタデータ） (2022-09-28T16:45:35Z)
• From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
  我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。 一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。 その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。 最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
  論文  参考訳（メタデータ） (2021-05-25T20:17:10Z)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)
• I am Robot: Neuromuscular Reinforcement Learning to Actuate Human Limbs through Functional Electrical Stimulation [5.066245628617513]
  機能電気刺激(FES)は筋肉の上の皮を刺激して収縮を誘発することによって筋肉を収縮させる確立された技術です。 動的状態表現のためのリカレントニューラルネットワークを用いて,人間の筋肉をFESで制御するためのDeep Reinforcement Learningアプローチを提案する。 以上の結果から,本制御器は筋力操作を学習でき,与えられた課題を達成するために適切なレベルの刺激を施し,作業中に生じる筋疲労の進行を補償できることがわかった。
  論文  参考訳（メタデータ） (2021-03-09T10:58:51Z)
• Control for Multifunctionality: Bioinspired Control Based on Feeding in Aplysia californica [0.3277163122167433]
  我々は,ニューラルバースト活動と簡単なバイオメカニクスをリアルタイムに高速にモデル化できるハイブリッドBooleanモデルフレームワークを開発した。 Aplysia californica 摂餌の多機能モデルについて述べる。 実験可能な仮説を定式化し,ロボット制御と神経科学への応用について考察する。
  論文  参考訳（メタデータ） (2020-08-11T19:26:50Z)
• Reinforcement Learning of Musculoskeletal Control from Functional Simulations [3.94716580540538]
  本研究は、深部強化学習(DRL)に基づく逆動力学制御器を用いて、人間の肩の生体力学的モデルによる筋活動の制御を訓練する。 その結果,無作為に発生する角軌道に追従する作業に対して,肩下降の単一軸運動制御を行うことができた。
  論文  参考訳（メタデータ） (2020-07-13T20:20:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。