Внутренняя модель (управление двигателем)

Передняя модель движения руки. Двигательная команда u(t) движения руки вводится в установку, а прогнозируемое положение тела x̃(t) выводится.

В предметной области теории управления внутренняя модель — это процесс, который моделирует реакцию системы с целью оценки результата нарушения системы. Принцип внутренней модели был впервые сформулирован в 1976 году Б. А. Фрэнсисом и У. М. Вонэмом. ^{[ 1 ]} как явная формулировка теоремы Конанта и Эшби о хорошем регуляторе . ^{[ 2 ]} Он отличается от классического управления тем, что классический контур обратной связи не может явно моделировать управляемую систему (хотя классический контроллер может содержать неявную модель). ^{[ 3 ]}^{[ 4 ]}

Теория внутренней модели управления двигателем утверждает, что двигательная система управляется постоянным взаимодействием «объекта » и « контроллера ». Растение — это управляемая часть тела, а сама внутренняя модель считается частью контроллера. Информация от контроллера, такая как информация от центральной нервной системы (ЦНС) , информация обратной связи и эффективная копия , отправляется на установку, которая движется соответствующим образом.

Внутренними моделями можно управлять с помощью прямого или обратного управления. Управление с прямой связью вычисляет входные данные в систему, используя только текущее состояние и свою модель системы. Он не использует обратную связь, поэтому не может исправлять ошибки в своем управлении. При управлении с обратной связью часть выходных данных системы может быть возвращена на вход системы, и тогда система может вносить коррективы или компенсировать ошибки на основе желаемого выходного сигнала. Было предложено два основных типа внутренних моделей: прямые модели и обратные модели. В симуляциях модели можно комбинировать для решения более сложных задач движения.

Передние модели

Рисунок 1. Желаемое положение тела является опорным входом для гипотетического контроллера, который формирует необходимую моторную команду. Эта команда двигателя отправляется на завод для перемещения корпуса, а эффективная копия команды двигателя отправляется на переднюю модель. Выходные данные прямой модели (прогнозируемое положение тела) сравниваются с выходными данными объекта (положение тела). Шум от системы или окружающей среды может вызвать различия между фактическим и прогнозируемым положением тела. Ошибка (разница) между фактическим и прогнозируемым положением может обеспечить обратную связь для улучшения движения для следующей итерации внутренней модели.

В своей простейшей форме передние модели передают входную команду двигателя «растению» и выводят прогнозируемое положение тела.

Входные команды двигателя для прямой модели могут представлять собой эффективную копию, как показано на рисунке 1. Выходные данные этой прямой модели — прогнозируемое положение тела — затем сравниваются с фактическим положением тела. Фактическое и прогнозируемое положение тела может отличаться из-за шума, вносимого в систему либо внутренними (например, датчики тела несовершенны, сенсорный шум), либо внешними (например, непредсказуемыми силами извне тела) источниками. Если фактическое и прогнозируемое положения тела различаются, разницу можно снова передать в качестве входных данных во всю систему, чтобы можно было сформировать скорректированный набор двигательных команд для создания более точного движения.

Инверсные модели

Рисунок 2. Обратная модель достижения задачи. Желаемая траектория руки Xref(t) вводится в модель, которая генерирует необходимые двигательные команды ũ(t) для управления рукой.

Инверсные модели используют желаемое и фактическое положение тела в качестве входных данных для оценки необходимых двигательных команд, которые преобразуют текущее положение в желаемое. Например, в задаче достижения руки желаемое положение (или траектория последовательных положений) руки вводится в постулируемую обратную модель, а обратная модель генерирует двигательные команды, необходимые для управления рукой и приведения ее в это желаемое положение. конфигурация (рис. 2). Инверсные внутренние модели также находятся в тесной связи с гипотезой неуправляемого многообразия (UCM) , см. также здесь .

Комбинированные прямые и обратные модели

Теоретическая работа показала, что в моделях управления двигателем, когда обратные модели используются в сочетании с прямой моделью, эффективная копия вывода команды двигателя из обратной модели может использоваться в качестве входных данных для прямой модели для дальнейших прогнозов. Например, если помимо протягивания руки необходимо управлять рукой, чтобы схватить объект, эффективная копия команды движения руки может быть введена в прямую модель для оценки прогнозируемой траектории руки. Используя эту информацию, контроллер может затем сгенерировать соответствующую моторную команду, сообщающую руке схватить объект. Было высказано предположение, что, если они существуют, эта комбинация обратной и прямой моделей позволит ЦНС выполнить желаемое действие (дотянуться рукой), точно контролировать досягаемость, а затем точно управлять рукой для захвата объекта. ^{[ 5 ]}

Теория адаптивного управления

Если предположить, что можно приобрести новые модели и обновить уже существующие, эффективная копия важна для адаптивного управления задачей перемещения. На протяжении всего двигательного задания эффективная копия передается в прямую модель, известную как предиктор динамики, выходные данные которой позволяют прогнозировать двигательную мощность. При применении методов теории адаптивного управления к управлению двигателем эффективная копия используется в схемах косвенного управления в качестве входных данных для эталонной модели.

Ученые

Широкий круг ученых вносит свой вклад в развитие гипотезы внутренней модели. Майкл И. Джордан , Эмануэль Тодоров и Дэниел Вулперт внес значительный вклад в математическую формализацию. Сандро Мусса-Ивальди , Мицуо Кавато , Клод Гез , Реза Шадмер , Рэнди Фланаган и Конрад Кординг внесли свой вклад в многочисленные поведенческие эксперименты. Модель DIVA производства речи , разработанная Фрэнком Х. Гюнтером и его коллегами, использует комбинированные прямые и обратные модели для создания слуховых траекторий с помощью моделируемых речевых артикуляторов. Две интересные обратные внутренние модели управления речевым производством ^{[ 6 ]} были разработаны Ярославом Благоушиным и Эриком Моро. ^{[ 7 ]} Обе модели сочетают в себе принципы оптимума и гипотезу точки равновесия (двигательные команды λ принимаются в качестве координат внутреннего пространства). Входная команда двигателя λ находится путем минимизации длины пройденного пути во внутреннем пространстве либо при акустическом ограничении (первая модель), либо при одновременном акустическом и механическом ограничении (вторая модель). Акустическое ограничение связано с качеством произносимой речи (измеряется с помощью формант ), а механическое — с жесткостью тела языка. Первая модель, в которой жесткость остается неконтролируемой, соответствует стандартной гипотезе UCM . Напротив, вторая оптимальная внутренняя модель, в которой задана жесткость, демонстрирует хорошую вариативность речи (по крайней мере, в разумном диапазоне жесткости) и согласуется с более поздними версиями гипотезы неконтролируемого многообразия (UCM). . Существует также богатая клиническая литература по внутренним моделям, включая работы Джон Кракауэр , ^{[ 8 ]} Пьетро Маццони , Морис А. Смит , Курт Торугман , Йорн Дидрихсен и Эми Бастиан .

См. также

Повторяющийся контроль

Ссылки

^ Б. А. Фрэнсис и В. М. Вонэм, « Принцип внутренней модели теории управления », Automatica 12 (1976) 457–465.
^ Роджер К. Конант и В. Росс Эшби, « Каждый хороший регулятор системы должен быть моделью этой системы », Международный журнал системной науки , том 1 (1970), 89–97.
^ Ян Свеверс, « Внутренний контроль модели (IMC). Архивировано 30 августа 2017 г. в Wayback Machine », 2006 г.
^ Перри Ю. Ли, « Принцип внутренней модели и повторяющийся контроль »
^ Кавато, М. (1999). «Внутренние модели управления двигателем и планирования траектории». Современное мнение в нейробиологии . 9 (6): 718–727. дои : 10.1016/S0959-4388(99)00028-8 . ПМИД 10607637 . S2CID 878792 .
^ Также с имитацией речевых артикуляторов, таких как биомеханические модели языка (BTM).
^ Ярослав Благоушин и Эрик Моро. Управление речевым роботом с помощью оптимальной внутренней модели на основе нейронной сети с ограничениями. Транзакции IEEE по робототехнике, том. 26, нет. 1, стр. 142–159, февраль 2010 г.
^ «Ошибки сенсорного прогнозирования приводят к зависимой от мозжечка адаптации достижения» , Ценг, Дидрихсен, Кракауэр и др., Журнал нейрофизиологии, 98:54-62, 16 мая 2007 г.

[1] Б. А. Фрэнсис и В. М. Вонэм, « Принцип внутренней модели теории управления », Automatica 12 (1976) 457–465.

[2] Роджер К. Конант и В. Росс Эшби, « Каждый хороший регулятор системы должен быть моделью этой системы », Международный журнал системной науки , том 1 (1970), 89–97.

[3] Ян Свеверс, « Внутренний контроль модели (IMC). Архивировано 30 августа 2017 г. в Wayback Machine », 2006 г.

[4] Перри Ю. Ли, « Принцип внутренней модели и повторяющийся контроль »

[Kawato-5] Кавато, М. (1999). «Внутренние модели управления двигателем и планирования траектории». Современное мнение в нейробиологии . 9 (6): 718–727. дои : 10.1016/S0959-4388(99)00028-8 . ПМИД 10607637 . S2CID 878792 .

[6] Также с имитацией речевых артикуляторов, таких как биомеханические модели языка (BTM).

[iaroslav_02-7] Ярослав Благоушин и Эрик Моро. Управление речевым роботом с помощью оптимальной внутренней модели на основе нейронной сети с ограничениями. Транзакции IEEE по робототехнике, том. 26, нет. 1, стр. 142–159, февраль 2010 г.

[8] «Ошибки сенсорного прогнозирования приводят к зависимой от мозжечка адаптации достижения» , Ценг, Дидрихсен, Кракауэр и др., Журнал нейрофизиологии, 98:54-62, 16 мая 2007 г.

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]