Simulating Human Upper and Lower Limb Balance Recovery Responses Using Nonlinear Model Predictive Control
Notice bibliographique
Résumé
The ability to generate predictive dynamic simulations of human movement using optimal control has been a growing point of interest in the design of medical/assistive devices, e.g. robotic exoskeletons. Despite this, many disseminated simulations of whole-body tasks, such as balance recovery, neglect the role of the upper body instead focusing on postural joints, e.g. ankle, knees, hips. Thus, the purpose of the current study was to use a novel nonlinear model predictive control (NMPC) approach to assess how actuated upper limbs, as well as different individual performance (optimality) criteria, can shape simulated reactive balance recovery responses. A sagittal biomechanical model of a young adult standing was designed and actuated via nonlinear muscle torque generators (rotational single-muscle equivalents). Forward dynamic simulations of balance recovery (NMPCdriven) following an unexpected support-surface perturbation were generated for each unique combination of selected performance criteria (6 total), perturbation direction (forward and backward), and arm joints free/locked. The observed joint trajectories provide insight into the emergence of human elements of postural control from individual optimality criteria, e.g. hip-ankle strategies emerge from single-joint regulation. Quantitative analysis of performance improvements with the arms free suggest that whether arm responses emerge in the simulations may be dependent on the problem's initial guess. Future work should focus on testing further performance criteria and improving NMPC as a model of the nervous system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».