基于協(xié)同控制的手臂移動(dòng)與抓取神經(jīng)網(wǎng)絡(luò)研究

張少白，施夢(mèng)甜

(南京郵電大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 210023)

1 概 述

在努力開發(fā)工作在未知環(huán)境的機(jī)器人控制系統(tǒng)的背景下，機(jī)器人專家和運(yùn)動(dòng)行為研究人員面臨著共同問題。這些問題包括：計(jì)算機(jī)系統(tǒng)如何模擬并協(xié)調(diào)多自由度的肢體運(yùn)動(dòng)；如何將感官信息與運(yùn)動(dòng)行為相結(jié)合；手臂移動(dòng)與抓取過程又如何與認(rèn)知心理學(xué)相關(guān)聯(lián)等。從這個(gè)意義上說，理解人類抓取運(yùn)動(dòng)已經(jīng)成為了許多致力于開發(fā)靈巧擬人機(jī)械手的機(jī)器人專家的關(guān)注焦點(diǎn)。擬人機(jī)械手的實(shí)現(xiàn)除了要做到人手抓取的靈活性，即面對(duì)不同被抓物體和任務(wù)要求生成不同的抓取姿勢(shì)，更重要的是根據(jù)手指的逆運(yùn)動(dòng)學(xué)預(yù)測(cè)目標(biāo)關(guān)節(jié)狀態(tài)，其中如何降低手指多自由度(degree of freedom，DOF)帶來的高維特性便成了關(guān)鍵。

神經(jīng)網(wǎng)絡(luò)由于其強(qiáng)大的函數(shù)逼近能力被許多專家用于研究機(jī)器人逆運(yùn)動(dòng)學(xué)問題。Rezzoug和Gorce利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)手指3D位置與抓取關(guān)節(jié)角度之間的非線性映射，簡(jiǎn)化了手指逆運(yùn)動(dòng)的處理過程[1]。文獻(xiàn)[2-3]基于分步學(xué)習(xí)思想構(gòu)建了一種面向抓取任務(wù)的模塊化神經(jīng)網(wǎng)絡(luò)模型，提出首先學(xué)習(xí)手指的逆運(yùn)動(dòng)學(xué)，然后學(xué)習(xí)面向物體特征的抓取任務(wù)進(jìn)而處理更多未知情況下的手勢(shì)抓取任務(wù)。

近年來，手勢(shì)協(xié)同效應(yīng)的研究不僅吸引了神經(jīng)科學(xué)領(lǐng)域?qū)＜?，還被許多機(jī)器人專家用于解決擬人手設(shè)計(jì)與控制問題[4]。Santello等基于主成分分析法(principal components analysis，PCA)對(duì)真實(shí)人手抓取實(shí)驗(yàn)中數(shù)據(jù)手套采集的手指關(guān)節(jié)數(shù)據(jù)進(jìn)行分析，提取出表示手部姿勢(shì)的兩個(gè)協(xié)同權(quán)值，結(jié)果表明利用兩個(gè)成分組件即可解釋超過80%的手部姿勢(shì)，極大程度降低了模擬人手自由度控制器的計(jì)算量[5]。Ficuciello等從36種人類日常手部抓取姿勢(shì)(包括精確抓取、中間抓取、穩(wěn)定抓取)提取出三個(gè)主要手勢(shì)協(xié)同權(quán)值用于表示不同抓取任務(wù)下的手指抓取形態(tài)，將手勢(shì)表示程度提高至85%[4,6]。Geng Tap等利用三個(gè)協(xié)同權(quán)值和結(jié)合物體特征的協(xié)同系數(shù)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了人類到機(jī)器人的抓取動(dòng)作映射[7]。李順沖等圍繞再造人手的“靈”、“活”功能要求，將協(xié)同效應(yīng)應(yīng)用于欠驅(qū)動(dòng)仿人機(jī)械手抓取模型，有效提高了設(shè)計(jì)效率、縮短了機(jī)械手研發(fā)的周期[8]。

考慮到人類手勢(shì)抓取的靈活性與復(fù)雜度，某些情況下，異形物體可以采用同種模式抓取，同時(shí)同一物體也可對(duì)應(yīng)多種抓取模式。機(jī)械手抓取模式規(guī)劃大都采用基于知識(shí)或?qū)＜蚁到y(tǒng)的方法[9]。然而專家系統(tǒng)知識(shí)庫的建立是一個(gè)很長的過程，且不能保證后期規(guī)則是否會(huì)與早期規(guī)則矛盾，因此不少學(xué)者將目光轉(zhuǎn)移到了具備快速學(xué)習(xí)歸納特性的人工神經(jīng)網(wǎng)絡(luò)上。文獻(xiàn)[10-11]考慮通過被抓物體的幾何特征、初始位姿以及任務(wù)要求，利用徑向基函數(shù)(radial basis function，RBF)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了物體樣本特征和抓取模式之間的非線性映射?；诖?，文中采用神經(jīng)網(wǎng)絡(luò)與手勢(shì)協(xié)同相結(jié)合的方法實(shí)現(xiàn)面向任務(wù)和物體特征的抓取手勢(shì)表示方法。目前學(xué)者對(duì)手勢(shì)協(xié)同系數(shù)的研究大多集中于抓取過程的最終手部形態(tài)[12]，即手指目標(biāo)抓取狀態(tài)，而抓取運(yùn)動(dòng)涉及一系列手部姿勢(shì)的完整演變，協(xié)同系數(shù)應(yīng)隨著動(dòng)作進(jìn)度的推進(jìn)不斷變化?；谖墨I(xiàn)[13]思想，文中通過計(jì)算抓取過程中手勢(shì)最大抓取孔徑時(shí)刻和最終時(shí)刻對(duì)應(yīng)的協(xié)同系數(shù)，利用Bullock[14]的VITE (vector integration to endpoint)計(jì)算模型指導(dǎo)協(xié)同系數(shù)演變，實(shí)現(xiàn)手指從初始態(tài)到最大抓取孔徑態(tài)，再到最終合攏態(tài)的完整演變過程。

上述對(duì)抓取手勢(shì)的討論均屬手指預(yù)成型組件范疇。除此之外，手臂抓取運(yùn)動(dòng)還涉及手臂移動(dòng)和手掌朝向的變化。Jeannerod提出的人類抓取概念性模型指出抓取運(yùn)動(dòng)涉及組件分別由相互獨(dú)立的視覺運(yùn)動(dòng)通道構(gòu)成，通過中央計(jì)時(shí)機(jī)制統(tǒng)一協(xié)調(diào)，從而實(shí)現(xiàn)組件間時(shí)間等效性[15]。Ulloa和Bullock通過設(shè)置中央門控信號(hào)和耦合神經(jīng)元構(gòu)建了一種應(yīng)對(duì)擾動(dòng)的手臂抓取時(shí)空協(xié)調(diào)神經(jīng)網(wǎng)絡(luò)模型[16]。在上述研究的基礎(chǔ)上，文中提出并構(gòu)建了一種面向任務(wù)和物體特征的手臂移動(dòng)與手勢(shì)抓取時(shí)空協(xié)調(diào)模型。該模型中的手臂移動(dòng)組件能指導(dǎo)手臂生成點(diǎn)對(duì)點(diǎn)運(yùn)動(dòng)理想軌跡，并通過逆運(yùn)動(dòng)學(xué)和小腦逆模學(xué)習(xí)模塊處理手臂動(dòng)態(tài)逆，實(shí)現(xiàn)精確軌跡控制，很好地再現(xiàn)了單峰鐘形速度曲線等手臂運(yùn)動(dòng)動(dòng)力學(xué)關(guān)鍵特征。手指預(yù)成型組件的任務(wù)認(rèn)知模塊能幫助模型生成面向任務(wù)和物體特征的協(xié)同系數(shù)，并通過與手部形狀的連續(xù)映射再現(xiàn)抓取手勢(shì)的完整演變過程。

2 手勢(shì)協(xié)同系數(shù)生成模型

2.1 手勢(shì)協(xié)同效應(yīng)分析

(1)

(2)

2.2 協(xié)同系數(shù)神經(jīng)網(wǎng)絡(luò)構(gòu)建

針對(duì)人類抓取的靈活性，機(jī)器學(xué)專家希望構(gòu)建具有學(xué)習(xí)能力、能識(shí)別目標(biāo)任務(wù)意圖自主生成理想抓取姿勢(shì)的手勢(shì)規(guī)劃模型。Vilaplana在文獻(xiàn)[18]中提出了一種“意圖與任務(wù)約束”的概念來描述當(dāng)前任務(wù)的抓取意圖。文獻(xiàn)[2-3,7,17]利用神經(jīng)網(wǎng)絡(luò)的泛化和學(xué)習(xí)能力描述不同抓取物體與任務(wù)要求和特定抓取姿勢(shì)之間的非線性映射關(guān)系。不同于文獻(xiàn)[2]訓(xùn)練模型直接生成手指關(guān)節(jié)姿勢(shì)，文中基于協(xié)同效應(yīng)構(gòu)建了一種面向抓取任務(wù)的協(xié)同系數(shù)網(wǎng)絡(luò)模型。該模型能根據(jù)不同的任務(wù)要求和物體幾何特征生成理想?yún)f(xié)同系數(shù)，用于描述多自由度的手部運(yùn)動(dòng)以及相關(guān)對(duì)象的屬性(如形狀、大小以及應(yīng)用狀況等)如何與手勢(shì)相互映射的問題，結(jié)構(gòu)如圖1所示。

圖1 協(xié)同系數(shù)神經(jīng)網(wǎng)絡(luò)示意圖

網(wǎng)絡(luò)輸入為物體的幾何特征和任務(wù)的期望抓取類型(采用二進(jìn)制表示，精確抓取取1，穩(wěn)定抓取取0)，輸出為協(xié)同權(quán)值的時(shí)間系數(shù)。模型采用Matlab神經(jīng)網(wǎng)絡(luò)工具箱，根據(jù)Nguyen-Widrow規(guī)則初始化網(wǎng)絡(luò)層權(quán)值和閾值，并采用Levenberg-Marquardt算法優(yōu)化求解。

3 手臂移動(dòng)與抓取神經(jīng)網(wǎng)絡(luò)模型

文中構(gòu)建的手臂移動(dòng)與手勢(shì)抓取神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖2所示。

圖2 手臂移動(dòng)與抓取神經(jīng)網(wǎng)絡(luò)示意

基于Jeannerod提出的概念模型，將抓取動(dòng)作細(xì)分為手臂運(yùn)動(dòng)、手指預(yù)成型和手掌朝向三個(gè)獨(dú)立的視覺運(yùn)動(dòng)通道，通過特定的視覺輸入啟動(dòng)GO信號(hào)并行激活，保證組件在關(guān)鍵時(shí)刻的時(shí)間協(xié)調(diào)性與可校正性。圖中的VITE是Bullock和Grossberg根據(jù)點(diǎn)對(duì)點(diǎn)手臂運(yùn)動(dòng)動(dòng)力學(xué)構(gòu)建的一種描述手臂運(yùn)動(dòng)軌跡的計(jì)算模型[14]。新模型采用VITE模型實(shí)現(xiàn)組件通道的運(yùn)動(dòng)命令更新，指導(dǎo)手臂移動(dòng)與手勢(shì)抓取。圖的左半部是有關(guān)手臂移動(dòng)的計(jì)算模型，被抓物體在三維坐標(biāo)系中的位置向量通過視覺系統(tǒng)傳遞給VITE作為目標(biāo)位置，指導(dǎo)產(chǎn)生理想的手臂移動(dòng)向量，再通過小腦實(shí)現(xiàn)手臂動(dòng)態(tài)逆控制，指導(dǎo)生成實(shí)際手臂運(yùn)動(dòng)軌跡。圖的右半部分將與抓取相關(guān)的視覺通道分為分別與手指結(jié)構(gòu)和手掌朝向有關(guān)的兩個(gè)子通道，以確保合適的手指預(yù)成型以及正確的手掌朝向。協(xié)同系數(shù)神經(jīng)網(wǎng)絡(luò)根據(jù)物體幾何特征和抓取任務(wù)要求生成特定的協(xié)同系數(shù)，通過VITE模型不斷計(jì)算再現(xiàn)手勢(shì)預(yù)成型和合攏過程。參照文獻(xiàn)[16]，手掌朝向組件同樣采用VITE模型實(shí)現(xiàn)。

3.1 手指預(yù)成型組件

手指預(yù)成型組件的主要功能包括基于協(xié)同效應(yīng)模擬全部手指的抓取變化過程，并通過連續(xù)映射的方式生成理想抓取手勢(shì)的關(guān)節(jié)軌跡。文中采用三個(gè)協(xié)同權(quán)值時(shí)間系數(shù)(α1,i,α2,i,α3,i)來描述當(dāng)前手部姿勢(shì)，利用VITE模型不斷更新協(xié)同系數(shù)，使之產(chǎn)生抓取過程中的各種手指形態(tài)，再現(xiàn)最大抓取孔徑與合攏過程?；赩ITE的手指預(yù)成型組件結(jié)構(gòu)如圖3所示。

圖3 基于VITE的手指預(yù)成型組件

模型遵循式3～式5。

(3)

(4)

(5)

其中，ε是積分速率，取值30；GO是關(guān)于運(yùn)動(dòng)速度的比例因子。模型可以通過式1持續(xù)地將協(xié)同系數(shù)表示的當(dāng)前手勢(shì)映射為現(xiàn)實(shí)中的關(guān)節(jié)運(yùn)動(dòng)軌跡。

(6)

3.2 手臂運(yùn)動(dòng)組件

手臂運(yùn)動(dòng)組件的主要功能包括：(1)根據(jù)目標(biāo)物體位置產(chǎn)生理想手臂移動(dòng)方式；(2)學(xué)習(xí)實(shí)現(xiàn)機(jī)械臂運(yùn)動(dòng)軌跡控制，解決手臂移動(dòng)的經(jīng)典動(dòng)態(tài)逆問題。Kawato在文獻(xiàn)[19]中指出，小腦包含前向內(nèi)模和逆向內(nèi)模兩種不同結(jié)構(gòu)，前向模型負(fù)責(zé)預(yù)測(cè)感官運(yùn)動(dòng)或行為結(jié)果，逆模則提供完成預(yù)期動(dòng)作或行為軌跡所必需的命令。通過將Kawato提出的基于反饋誤差的小腦學(xué)習(xí)模型與VITE手臂運(yùn)動(dòng)軌跡計(jì)算模型相結(jié)合，組件可以很好地解決手臂在運(yùn)動(dòng)中的動(dòng)態(tài)控制問題，包括小腦學(xué)習(xí)如何控制和協(xié)調(diào)多關(guān)節(jié)運(yùn)動(dòng)，如何調(diào)整運(yùn)動(dòng)命令等。手臂運(yùn)動(dòng)組件結(jié)構(gòu)如圖4所示。

圖4 手臂運(yùn)動(dòng)組件結(jié)構(gòu)

其中VITE模塊同樣遵循式3～式5。假設(shè)抓取動(dòng)作均發(fā)生在橫向平面，TPV表示目標(biāo)物體在橫向平面的視覺位置(X,Y)，PPV為當(dāng)前手腕位置，PPV向TPV的不斷變化構(gòu)成了手臂移動(dòng)的理想運(yùn)動(dòng)軌跡。軌跡通過VITE模型在笛卡爾空間孕育后，通過逆運(yùn)動(dòng)學(xué)和小腦控制模塊，輸出就是對(duì)關(guān)節(jié)間手臂狀態(tài)的評(píng)估值，這與文獻(xiàn)[20]的敘述是一致的。

手臂運(yùn)動(dòng)采用雙關(guān)節(jié)機(jī)械臂小腦控制模型進(jìn)行軌跡控制，機(jī)械臂分為肩肘兩個(gè)關(guān)節(jié)(θ1,θ2)，具體結(jié)構(gòu)參見文獻(xiàn)[21]，關(guān)節(jié)的逆運(yùn)動(dòng)學(xué)表示如下：

(7)

(8)

其中，L1和L2為手臂連桿長度；d=x2+y2-(L1+L2)/2L1L2。

小腦運(yùn)動(dòng)控制學(xué)習(xí)模型結(jié)構(gòu)包括一個(gè)固定的、能夠確保系統(tǒng)穩(wěn)定性的反饋控制器和一個(gè)能夠提高控制性能的小腦逆模模塊，類似于文獻(xiàn)[21]中構(gòu)建的逆向靜態(tài)模塊(inverse static module，ISM)與逆向動(dòng)態(tài)模塊(inverse dynamic module，IDM)。其中IDM作為一個(gè)可靠的在線學(xué)習(xí)小腦模型而被發(fā)現(xiàn)。前期反饋控制器作為手臂逆模的線性近似，作用是將期望軌跡θd與實(shí)際軌跡θ的誤差轉(zhuǎn)換為運(yùn)動(dòng)命令誤差，并應(yīng)用該命令作為教師信號(hào)訓(xùn)練小腦逆模。逆模則負(fù)責(zé)將手臂的期望軌跡轉(zhuǎn)換成手臂運(yùn)動(dòng)所必需的運(yùn)動(dòng)命令。隨著學(xué)習(xí)過程的深入，反饋運(yùn)動(dòng)命令趨近于零，小腦逆模將承擔(dān)近乎全部的手臂動(dòng)態(tài)逆映射。模型的具體學(xué)習(xí)過程參見文獻(xiàn)[22]。

3.3 手掌朝向組件

隨著手腕逐漸接近目標(biāo)物體，手掌朝向必須到達(dá)目標(biāo)配置，即幫助實(shí)現(xiàn)手指的正確抓取。VITE運(yùn)動(dòng)學(xué)模型被用來模擬手掌方向變化的神經(jīng)通道。此通道中，手掌方向以一個(gè)三自由度的系統(tǒng)建模，包括表示手腕彎曲/伸展的α角度、前臂旋前/旋后的β角度，以及尺側(cè)與手腕自由度的徑向偏差γ角度[18]，運(yùn)動(dòng)過程中關(guān)節(jié)角度的自由度范圍分別為[-90°，45°],[0°，180°]和[-30°，30°]。與手掌朝向相關(guān)的動(dòng)作程序是單相的，可以用TPV={α,β,γ}直接表示，因此給定組件的目標(biāo)朝向，即可生成機(jī)械手始末位置間的手掌關(guān)節(jié)角度變化軌跡。組件同樣遵循式3～式5，且不存在與其他組件的相互作用關(guān)系。

4 實(shí)驗(yàn)與仿真

4.1 協(xié)同系數(shù)神經(jīng)網(wǎng)絡(luò)的仿真

為更好評(píng)估該方法的準(zhǔn)確性，與Vilaplana的二協(xié)同權(quán)值手勢(shì)表示方法進(jìn)行對(duì)比。通過采集20次抓取過程中最大抓取孔徑時(shí)刻和最終時(shí)刻對(duì)應(yīng)的手部姿勢(shì)C={ci|i=1,2,…,40}，人手抓取關(guān)節(jié)角度與神經(jīng)網(wǎng)絡(luò)協(xié)同系數(shù)映射的關(guān)節(jié)角度之間的平均關(guān)節(jié)誤差采用式9歐幾里得范數(shù)計(jì)算，20次抓取過程中二協(xié)同值與三協(xié)同值表示方法和實(shí)際抓取關(guān)節(jié)間的平均誤差如圖5所示。

表1 協(xié)同權(quán)值與零偏移向量的具體數(shù)值

圖5 兩種任務(wù)下二協(xié)同值與三協(xié)同值的 平均關(guān)節(jié)角度誤差

由圖可知，相較于二協(xié)同權(quán)值表示法，采用三協(xié)同權(quán)值的手勢(shì)關(guān)節(jié)誤差有所減小，且在穩(wěn)定抓取任務(wù)中表現(xiàn)更加良好。模型生成的關(guān)節(jié)角度與實(shí)際抓取關(guān)節(jié)角度相差不大，具有較高的準(zhǔn)確性。

(9)

4.2 抓取系統(tǒng)仿真

4.2.1 不同任務(wù)的抓取動(dòng)作

文中對(duì)手臂移動(dòng)與手勢(shì)抓取神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了基本抓取動(dòng)作仿真。同一圓柱體在兩種不同抓取任務(wù)下的手臂運(yùn)動(dòng)與手勢(shì)變化參見圖6，第一行和第二行分別表示穩(wěn)定抓取和精確抓取任務(wù)下的手臂抓取狀態(tài)，每張子圖對(duì)應(yīng)抓取過程中三個(gè)關(guān)鍵時(shí)刻的組件狀態(tài)，即運(yùn)動(dòng)的初始時(shí)刻(第一列)、最大抓取孔徑時(shí)刻(第二列)和最終抓取時(shí)刻(第三列)。由圖可見，兩種抓取任務(wù)生成兩種不同的抓取姿勢(shì)，穩(wěn)定抓取表現(xiàn)為全部手指的握合，而精確抓取只涉及到拇指與食指的夾取。同時(shí)手臂運(yùn)動(dòng)組件與手指預(yù)成型組件通過并行的運(yùn)動(dòng)通道協(xié)調(diào)發(fā)生，保證了組件間良好的時(shí)間等效性。實(shí)驗(yàn)具體仿真條件參見表2。仿真中，G1和G2為手指預(yù)成型組件的雙相抓握動(dòng)作程序，表現(xiàn)為最大抓取孔徑時(shí)刻和最終時(shí)刻對(duì)應(yīng)的理想目標(biāo)手勢(shì)TPV。α,β,γ對(duì)應(yīng)手掌朝向組件的目標(biāo)關(guān)節(jié)自由度。

圖6 兩種抓取任務(wù)下的基本抓取動(dòng)作

表2 穩(wěn)定抓取和精確抓取對(duì)應(yīng)的仿真條件

4.2.2 不同速度的抓取動(dòng)作

三種不同速度下的精確抓取運(yùn)動(dòng)仿真參見圖7。任務(wù)中，組件運(yùn)動(dòng)速度可通過比例因子GO變換實(shí)現(xiàn)，GO=15對(duì)應(yīng)低速運(yùn)動(dòng)的軌跡，GO=25對(duì)應(yīng)于高速運(yùn)動(dòng)，GO=20則是上述兩者之間的軌跡。由圖可知，手腕運(yùn)動(dòng)速度呈現(xiàn)出一種點(diǎn)對(duì)點(diǎn)手臂運(yùn)動(dòng)特有的鐘形、非對(duì)稱速度變化曲線。抓取孔徑變化曲線表明抓取過程中手指先是張開到最大角度，然后合攏收縮直至達(dá)到物體目標(biāo)大小。隨著GO輸入強(qiáng)度的增大，手腕運(yùn)動(dòng)速度的峰值也逐漸增大，運(yùn)動(dòng)時(shí)間也相應(yīng)變短。同時(shí)最大抓取孔徑也隨著手腕速度的增大而增大，這與A.Ulloa在文獻(xiàn)[16]的表述相匹配。此外，最大抓取孔徑時(shí)刻總是與手腕最大減速度時(shí)刻相關(guān)，且手臂運(yùn)動(dòng)與抓取通道間存在的這種時(shí)空協(xié)調(diào)是不隨速度和任務(wù)需求變化而改變的。圖8明確地呈現(xiàn)了手指預(yù)成型組件抓取孔徑和手臂移動(dòng)通道加速度間存在的時(shí)間一致性。

圖7 三種速度下的抓取動(dòng)作仿真

圖8 組件間時(shí)間協(xié)調(diào)示意

4.3 模型的生物學(xué)似真性

文獻(xiàn)[23]指出，VITE模型組件結(jié)構(gòu)與抓取運(yùn)動(dòng)涉及腦區(qū)變化表現(xiàn)出較高一致性。對(duì)于手指預(yù)成型組件，初級(jí)運(yùn)動(dòng)皮層的手部區(qū)域和通道中的當(dāng)前位置孔徑(PPV)有關(guān)，后頂葉皮層則和孔徑差向量DV相關(guān)。FMRI研究指明后頂葉皮層病變會(huì)造成手指抓取孔徑與物體大小之間的預(yù)估錯(cuò)誤。至于抓取過程的手腕方向組件，猴類后頂葉皮層V6A區(qū)域的病變也會(huì)造成手腕方向運(yùn)動(dòng)誤差。VITE模型附加生理學(xué)支持來自于關(guān)于基底神經(jīng)節(jié)的病變和電刺激實(shí)驗(yàn)。Horak和Anderson的實(shí)驗(yàn)表明，抓取過程中，內(nèi)蒼白球與VITE模型中的GO信號(hào)生成器性質(zhì)一致，并解釋基底神經(jīng)節(jié)電路會(huì)生成一種與GO信號(hào)特性相同的時(shí)變門控信號(hào)。

對(duì)于手臂運(yùn)動(dòng)組件的小腦運(yùn)動(dòng)控制學(xué)習(xí)模型，許多研究表明，浦肯野細(xì)胞在運(yùn)動(dòng)學(xué)習(xí)中起著十分重要的作用。浦肯野細(xì)胞接收來自平行纖維和攀爬纖維的主要輸入，然后傳遞小腦皮質(zhì)的輸出信號(hào)。大量理論提出，小腦代表著肌肉骨骼系統(tǒng)的內(nèi)部逆模存在，不斷計(jì)算理想軌跡信息所需的前饋運(yùn)動(dòng)命令。其中，攀爬纖維作為理想與實(shí)際運(yùn)動(dòng)性能誤差檢測(cè)部分，將運(yùn)動(dòng)命令誤差傳入小腦逆模，幫助調(diào)節(jié)神經(jīng)突觸效能進(jìn)而指導(dǎo)逆模學(xué)習(xí)。浦肯野細(xì)胞則用于學(xué)習(xí)將平行纖維的輸入轉(zhuǎn)換成適當(dāng)前饋運(yùn)動(dòng)命令。浦肯野細(xì)胞中，攀爬纖維激活的復(fù)合峰反映了這些誤差信號(hào)，而平行纖維輸入激活的簡(jiǎn)單峰則反映了輸出運(yùn)動(dòng)命令[22]。

通過主成分分析法得到的簡(jiǎn)化控制策略促進(jìn)了文中對(duì)抓取過程中手勢(shì)協(xié)同控制方案的設(shè)計(jì)與建模。運(yùn)動(dòng)皮層的刺激與損傷研究和手部全局控制相一致。初級(jí)運(yùn)動(dòng)皮層(F1或4區(qū))中一個(gè)部位刺激可引起手部幾塊肌肉的反應(yīng)或是手指連續(xù)關(guān)節(jié)周圍的運(yùn)動(dòng)。初始運(yùn)動(dòng)皮層和前運(yùn)動(dòng)皮層的單元記錄也表明手部是作為一個(gè)統(tǒng)一體控制的。Schieber進(jìn)行的猴子試驗(yàn)表明，F(xiàn)1區(qū)域的單個(gè)神經(jīng)元通常會(huì)關(guān)于多個(gè)運(yùn)動(dòng)指令放電，而且不同手指運(yùn)動(dòng)激活的細(xì)胞分布呈現(xiàn)出普遍的重疊。

5 結(jié)束語

針對(duì)抓取過程中手勢(shì)運(yùn)動(dòng)的時(shí)空協(xié)調(diào)，提出了一種新的計(jì)算神經(jīng)模型。該模型通過構(gòu)建視覺通道相互獨(dú)立的手臂移動(dòng)、手指預(yù)成型和手掌朝向仿真模塊，建立中央統(tǒng)一定時(shí)的協(xié)調(diào)標(biāo)志，采用手勢(shì)簡(jiǎn)化控制策略，構(gòu)建面向具體任務(wù)的協(xié)同系數(shù)神經(jīng)網(wǎng)絡(luò)以及添加具有輸入輸出連接的小腦逆模神經(jīng)系統(tǒng)等方法，使得模型不僅能在認(rèn)知層面上解決類似確定手勢(shì)形狀的有效自由度、提供單個(gè)手勢(shì)的時(shí)空變化格局、識(shí)別手腕速度的時(shí)空不對(duì)稱性以及保證手指間相互動(dòng)作的高協(xié)調(diào)性等常見問題，而且還具有為手勢(shì)跟蹤模擬實(shí)驗(yàn)提供明確的預(yù)估值、對(duì)擬人手的神經(jīng)控制系統(tǒng)進(jìn)行準(zhǔn)確預(yù)測(cè)、構(gòu)建由運(yùn)動(dòng)基元組成的手勢(shì)預(yù)成型手勢(shì)庫等功能。在擬人化手臂仿真系統(tǒng)上的實(shí)驗(yàn)表明該模型可以作為自治控制器來學(xué)習(xí)、規(guī)劃和執(zhí)行真實(shí)擬人化機(jī)械臂上復(fù)雜的抓取任務(wù)，為擬人化假肢或者機(jī)械手臂提供先進(jìn)的神經(jīng)形態(tài)學(xué)控制系統(tǒng)。任務(wù)認(rèn)知模塊中，提出增設(shè)協(xié)同系數(shù)神經(jīng)網(wǎng)絡(luò)的方法一定程度上考慮了抓取任務(wù)的客觀外在因素，但如何模擬抓取任務(wù)中操作者的心理活動(dòng)和抓取意圖還值得進(jìn)一步的研究與探討。