我的角色
我参与构建了一个回放约束的仿真框架,用于主动式膝–踝假肢控制器的个性化,串联用户记录的步态数据、MuJoCo 假肢动力学与硬件验证。
一个回放约束的仿真框架,用于在真实用户测试之前,为主动式膝–踝假肢控制器进行个性化。该流程不再直接在硬件上盲目调参,而是在 MuJoCo 中回放用户记录的髋部运动与地面反作用交互,再搜索能够安全迁移到真实假肢的阻抗策略。
假肢从不独立行走——它与人体紧密耦合,而人的神经肌肉响应难以建模。这项工作不去仿真人体,而是在仿真假肢的同时回放用户真实运动,从而在任何真实用户实验之前,先筛选并排序高维、可能存在风险的阻抗策略。
我参与构建了一个回放约束的仿真框架,用于主动式膝–踝假肢控制器的个性化,串联用户记录的步态数据、MuJoCo 假肢动力学与硬件验证。
全维阻抗个性化涉及膝、踝关节间大量相互耦合的参数,直接在硬件上探索既慢、风险高,又难以规模化。
一个回放约束的 MuJoCo 仿真框架,在真实用户测试前对个性化的膝–踝阻抗控制器进行排名筛选。
本研究于密歇根大学 LocoLab 开展,导师为 Robert D. Gregg 教授。