计算学习和运动控制实验室的研究重点是感觉运动控制和学习的神经计算领域。神经计算试图将生物学的知识与物理学和工程学的知识结合起来,以发展对复杂系统中信息处理的更基础和更正式的理解。
受分析动力学结果的启发,我们与我们的合作者Firdaus Udwadia(航空航天和机械工程系)一起引入了一种新的控制架构。这种体系结构允许从独特的直接成本最优控制角度推导新的和已建立的控制律(例如,操作空间控制律)。我们目前正在进行泛化工作,这将使框架成为一个学习框架。
我们使用非线性控制技术来解决操作空间中任务完成的问题,同时保持冗余自由度之间的协调:对于高度冗余的机器人来说,这是一个特别具有挑战性的问题仿人机器人.除了在我们的7自由度机械臂上研究传统和新型冗余解决方案外,我们还在研究操作空间控制技术,作为一种重心放置平衡的手段腿平台.
在双步目标位移协议中,我们研究了一个意想不到的即将到来的新目标如何改变正在进行的离散运动。文献中有趣的观察是:运动的初始方向,运动到第二个目标的空间路径,在第二个运动中速度的放大。实验数据表明,上述特性受运动反应时间和第一目标与第二目标之间的刺激间隔的影响。在本研究中,我们使用DMP模拟再现了文献中大量的目标切换实验数据,并证明了在线校正和观察到的目标切换现象可以通过改变一个正在进行的DMP的目标状态来实现,而不需要切换到不同的运动原语或重新计划运动。
我们在单个和两个联合实验中研究离散和有节奏的运动的相互作用。在以往的单关节运动任务研究中,确定了两种相互作用的度量:1)与正在进行的节奏性运动叠加的离散运动的启动被限制在特定的相位窗口内;2)正在进行的节奏性运动在离散启动过程中被中断,即相位重置。我们研究的目标是确定交互是发生在更高的大脑(如计划)还是更低的肌肉/脊柱(如执行)水平。在我们的心理物理实验中,我们使用Sensuit来记录关节的角度位置,同时执行有节奏的和离散的任务。我们正在使用一个简化的脊髓模型来研究单个关节中离散和有节奏的运动同时发生的影响。