Replication of Impedance Identification Experiments on a Reinforcement-Learning-Controlled Digital Twin of Human Elbows

要約

本研究は、デジタル人体モデルを用いた仮想環境において、ヒトの神経力学実験を再現する先駆的な取り組みを紹介する。強化学習(RL)により強化された最先端の人体運動シミュレーションプラットフォームであるMyoSuiteを用い、筋骨格系モデル上でヒト肘の複数種類のインピーダンス同定実験を再現した。RLエージェントによって制御された肘の動きを、トルク摂動実験で同定されたインピーダンスの観点から実際の人間の肘の動きと比較した。その結果、RLエージェントは、摂動下での目標肘運動を安定させるために、人間よりも高い肘インピーダンスを示すことが明らかになった。本研究は、神経力学研究における仮想環境シミュレーションの可能性を探るための予備的な研究であり、従来の実験的アプローチに代わる初期の有望な選択肢を提供するものである。人体の完全な筋骨格系モデルを備えたRL制御のデジタル・ツインは、実際の人間を対象とした実験に先立ち、実験の設計やリハビリテーション理論の検証に役立つことが期待される。

要約(オリジナル)

This study presents a pioneering effort to replicate human neuromechanical experiments within a virtual environment utilising a digital human model. By employing MyoSuite, a state-of-the-art human motion simulation platform enhanced by Reinforcement Learning (RL), multiple types of impedance identification experiments of human elbow were replicated on a musculoskeletal model. We compared the elbow movement controlled by an RL agent with the motion of an actual human elbow in terms of the impedance identified in torque-perturbation experiments. The findings reveal that the RL agent exhibits higher elbow impedance to stabilise the target elbow motion under perturbation than a human does, likely due to its shorter reaction time and superior sensory capabilities. This study serves as a preliminary exploration into the potential of virtual environment simulations for neuromechanical research, offering an initial yet promising alternative to conventional experimental approaches. An RL-controlled digital twin with complete musculoskeletal models of the human body is expected to be useful in designing experiments and validating rehabilitation theory before experiments on real human subjects.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL