Be Careful What You Wish for: Cost Function Sensitivity in Predictive Simulations for Assistive Device Design
Notice bibliographique
Résumé
Software packages that use optimization to predict the motion of dynamic systems are powerful tools for studying human movement. These “predictive simulations” are gaining popularity in parameter optimization studies for designing assistive devices such as exoskeletons. The cost function is a critical component of the optimization problem and can dramatically affect the solution. Many cost functions have been proposed that are biologically inspired and that produce reasonable solutions, but which may lead to different conclusions in some contexts. We used OpenSim Moco to generate predictive simulations of human walking using several cost functions, each of which produced a reasonable trajectory of the human model. We then augmented the model with motors that generated hip flexion, knee flexion, or ankle plantarflexion torques, and repeated the predictive simulations to determine the optimal motor torques. The model was assumed to be planar and bilaterally symmetric to reduce computation time. Peak torques varied from 41.3 to 79.0 N·m for the hip flexion motors, from 48.0 to 94.2 N·m for the knee flexion motors, and from 42.6 to 79.8 N·m for the ankle plantarflexion motors, which could have important design consequences. This study highlights the importance of evaluating the robustness of results from predictive simulations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».