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)

0 引 言

近年來，行為和認(rèn)知神經(jīng)科學(xué)迅速發(fā)展，不僅深化了人類對(duì)大腦行為功能機(jī)制的理解，而且推動(dòng)了其與神經(jīng)計(jì)算科學(xué)的結(jié)合，有力地促進(jìn)了機(jī)器智能的發(fā)展。神經(jīng)解剖學(xué)、神經(jīng)生物學(xué)的研究成果為闡明人類認(rèn)知機(jī)理提供了大量的實(shí)驗(yàn)證據(jù)和理論觀點(diǎn)，如何利用這些研究發(fā)現(xiàn)構(gòu)建新的認(rèn)知計(jì)算模型，將其應(yīng)用于3D手勢(shì)跟蹤人機(jī)交互，是目前許多學(xué)者研究的重點(diǎn)，其中包括了手臂運(yùn)動(dòng)協(xié)調(diào)控制模型。

Jeannerod針對(duì)手臂抓取運(yùn)動(dòng)提出的概念模型指出，抓取運(yùn)動(dòng)由延伸(運(yùn)動(dòng))和抓取(操作)組件構(gòu)成，兩個(gè)組件具有獨(dú)立的視覺運(yùn)動(dòng)通道，并由一個(gè)統(tǒng)一的中心時(shí)間機(jī)制進(jìn)行協(xié)調(diào)[1]。針對(duì)手臂運(yùn)動(dòng)形式和手部預(yù)成型之間有關(guān)的時(shí)間協(xié)調(diào)問題，Hoff和Arbib通過剩余時(shí)間(time-to-go)預(yù)估的形式構(gòu)建了一個(gè)基于最小加加速度(minimum jerk)最優(yōu)標(biāo)準(zhǔn)的控制模型[2]，解釋了手臂運(yùn)動(dòng)以及手部預(yù)成型相關(guān)過程的運(yùn)動(dòng)學(xué)原理，但未考慮組件間的空間協(xié)調(diào)，線性確定最大抓取孔徑(maximum grip aperture，MGA)的方式不能準(zhǔn)確反映實(shí)驗(yàn)結(jié)果。Haggard和Wing指出手部抓握形狀很大程度上取決于手臂移動(dòng)的空間位置，并構(gòu)建了一種在線誤差軌跡驅(qū)動(dòng)糾正模型用于實(shí)現(xiàn)組件間的空間狀態(tài)交流[3]。后來，基于Bullock的VITE(vector integration to endpoint)手臂運(yùn)動(dòng)軌跡生成模型[4]，Ulloa提出了一種通過不斷更新向量位置命令以實(shí)現(xiàn)運(yùn)動(dòng)協(xié)調(diào)的神經(jīng)網(wǎng)絡(luò)模型[5]。Vilaplana等利用最大抓取孔徑更新變換和中心協(xié)調(diào)函數(shù)統(tǒng)一控制的方法實(shí)現(xiàn)了抓取延伸組件的時(shí)空協(xié)調(diào)[6]，但模型需要人為設(shè)定MGA，對(duì)實(shí)驗(yàn)的真實(shí)性具有不確定影響因素。文獻(xiàn)[7-8]在手臂抓取的時(shí)間和空間維度分別提出了一種軌跡優(yōu)化算法。文獻(xiàn)[9]利用小腦超前狀態(tài)學(xué)習(xí)和剩余時(shí)間預(yù)測(cè)構(gòu)建了一種運(yùn)動(dòng)協(xié)調(diào)控制模型。鑒于此，文中期望構(gòu)建一種無需人為干預(yù)的、能自動(dòng)調(diào)節(jié)抓取孔徑再現(xiàn)抓握過程的時(shí)空協(xié)調(diào)神經(jīng)網(wǎng)絡(luò)模型。

手臂抓取運(yùn)動(dòng)要求各組件能協(xié)調(diào)、同步和變速，既需要不同肌群之間具有較好的協(xié)同性，且在抓取過程中速度是可以被改變的[10]。VITE模型較好地滿足了以上特性，其門控(GO)信號(hào)與大腦基底神經(jīng)節(jié)(basal ganglia)的作用基本相符。文獻(xiàn)[10-11]指出基底神經(jīng)節(jié)具有相當(dāng)多類型的認(rèn)知調(diào)節(jié)作用，不僅協(xié)調(diào)運(yùn)動(dòng)、錐體系功能，支持條件反射、空間知覺、注意轉(zhuǎn)換等簡(jiǎn)單的認(rèn)知和記憶功能，而且參與啟動(dòng)效應(yīng)、言語記憶、邏輯推理等復(fù)雜的認(rèn)知和記憶功能。

基于此，文中借鑒Bullock VITE模型的構(gòu)建理念，在利用基底神經(jīng)節(jié)對(duì)手臂抓取運(yùn)動(dòng)進(jìn)行時(shí)間協(xié)調(diào)的基礎(chǔ)上，設(shè)置組件間狀態(tài)信息交流的耦合單元用以實(shí)現(xiàn)空間協(xié)調(diào)，并且針對(duì)目標(biāo)物體距離、位置變化等實(shí)驗(yàn)擾動(dòng)情況，增設(shè)了本體感受和目標(biāo)物體內(nèi)部表示差異的監(jiān)督細(xì)胞，構(gòu)建了一個(gè)具有神經(jīng)生物學(xué)意義和較好認(rèn)知功能的時(shí)空協(xié)調(diào)抓取模型。不同于Vilaplana模型，該模型無需人為指定最大抓取孔徑，采用運(yùn)動(dòng)速度自動(dòng)調(diào)節(jié)抓取孔徑的方式能更好地生成最大抓取孔徑并指導(dǎo)手勢(shì)合攏，避免手指與物體產(chǎn)生抓取沖突。

1 手臂抓取運(yùn)動(dòng)

手臂抓取過程主要涉及三個(gè)組件(延伸、抓取和方向)之間的協(xié)調(diào)。其中，手臂延伸組件處理手/手腕從起始位置移動(dòng)到抓取目標(biāo)物體位置的全部過程；抓取組件包含手指的預(yù)成型和合攏階段；方向組件則用于調(diào)整手掌朝向，使之最終與目標(biāo)物體對(duì)齊。

1.1 組件協(xié)調(diào)

根據(jù)Jeannerod的視覺運(yùn)動(dòng)通道假說，抓取動(dòng)作涉及組件分別位于獨(dú)立的運(yùn)動(dòng)通道，通過一個(gè)統(tǒng)一的中心控制機(jī)制進(jìn)行時(shí)間協(xié)調(diào)，以維持組件間相對(duì)時(shí)間的不變性。相對(duì)時(shí)間不變性，除了指通道運(yùn)動(dòng)幾乎同時(shí)開始和結(jié)束，還包括最大抓取孔徑基本上發(fā)生在運(yùn)動(dòng)過程的60%～70%時(shí)刻；同時(shí)該時(shí)刻也時(shí)常對(duì)應(yīng)于延伸組件運(yùn)動(dòng)加速度最小時(shí)刻。文獻(xiàn)[2]的最小加加速度模型便是通過指定固定的合攏時(shí)間來預(yù)估運(yùn)動(dòng)所需總時(shí)間實(shí)現(xiàn)組件在關(guān)鍵時(shí)刻的一致性。

抓取運(yùn)動(dòng)組件間不僅滿足時(shí)間協(xié)調(diào)，還存在空間狀態(tài)信息的交流。Haggard等對(duì)同一目標(biāo)物體進(jìn)行了不同速度的抓取，以探討延伸和抓取組件間的空間影響。結(jié)果表明手臂運(yùn)動(dòng)速度越快，最大抓取孔徑也越大[12]。因此，Haggard構(gòu)建了一個(gè)基于耦合位置反饋的空間協(xié)調(diào)抓取模型來描述組件間存在的空間狀態(tài)交流，模型的矩陣方程如式1所示，下標(biāo)t和a分別表示延伸和抓取組件。

(1)

其中，Ti為組件i的目標(biāo)狀態(tài)，Pi為當(dāng)前狀態(tài)，ΔPi表示組件i對(duì)應(yīng)的增量，增量矩陣元素Cij表示組件i對(duì)組件j的影響。一旦增量矩陣確定，算法將反復(fù)更新Pi，使其不斷向Ti靠攏，完成抓取動(dòng)作。

1.2 VITE模型

Bullock等根據(jù)點(diǎn)對(duì)點(diǎn)手臂運(yùn)動(dòng)動(dòng)力學(xué)構(gòu)建了一個(gè)描述手臂運(yùn)動(dòng)軌跡的計(jì)算模型VITE。VITE不包含自適應(yīng)學(xué)習(xí)過程，是一種能描述人類抓取運(yùn)動(dòng)特性(如鐘形速度曲線、速度精度權(quán)衡法則)的生物上可行的機(jī)制，具體生物背景參見文獻(xiàn)[4]。模型實(shí)現(xiàn)了抓取運(yùn)動(dòng)組件間的時(shí)間等效性[5]。在VITE模型中，不同組件并行運(yùn)動(dòng)執(zhí)行器的起始時(shí)間可以不同，但通過一個(gè)共同的增量信號(hào)可以保證時(shí)間的等效性。模型結(jié)構(gòu)如圖1所示。TPV代表理想位置，可表示目標(biāo)物體的體心坐標(biāo)位置；PPV是當(dāng)前手臂的位置描述；DV是以上兩者的誤差向量；G(t)是用于時(shí)間協(xié)調(diào)的門控信號(hào)函數(shù)。給定目標(biāo)TPV和初始位置PPV，門控信號(hào)開啟時(shí)，PPV開始不斷地對(duì)DV和G(t)的乘積進(jìn)行積分，并輸出一個(gè)理想速度命令到手臂，使得PPV不斷逼近TPV，直到DV為0，此時(shí)手臂到達(dá)目標(biāo)位置，延伸動(dòng)作完成。

Vilaplana指出手指抓取組件同樣可采用VITE模型實(shí)現(xiàn)，并把抓取孔徑看作是由不同自由度(DOF)組成的系統(tǒng)，以模擬抓取過程中拇指和食指之間的距離變化[6]?？紤]到抓取的階段性，即手指先張開到最大角度然后合攏，對(duì)應(yīng)著孔徑曲線單調(diào)增大到MGA后再減小為物體的實(shí)際大小。Vilaplana將目標(biāo)抓取孔徑TA設(shè)置為兩個(gè)連續(xù)的目標(biāo)值(GA1,GA2)。其中GA1表示最大抓取孔徑，GA2為實(shí)際物體大小。模型通過式2指定TA的連續(xù)變化。其中β為積分比例系數(shù)，i等于{1,2}。

圖1 VITE模型示意圖

dTA/dt=β(-TA+GA(i))

(2)

由于延伸組件加速度最小時(shí)刻對(duì)應(yīng)于抓取角度最大時(shí)刻，即手腕移動(dòng)加速度最小時(shí)刻是手指合攏的起始時(shí)刻，Vilaplana設(shè)置了一個(gè)神經(jīng)元CP用來監(jiān)測(cè)手腕移動(dòng)的速度和加速度，使得當(dāng)加速度最小時(shí)，有關(guān)GA2的信息可以被有效寫入，指導(dǎo)手指完成合攏動(dòng)作。

Vilaplana的工作是卓有成效的，但存在一點(diǎn)問題，那就是對(duì)于抓取組件，他所采用的二目標(biāo)值給定法需要人為設(shè)定MGA，這對(duì)組件間時(shí)空協(xié)調(diào)的真實(shí)性和有效性具有不確定性影響，不能實(shí)時(shí)地體現(xiàn)抓取過程中手臂運(yùn)動(dòng)組件對(duì)抓取孔徑的空間影響。因此針對(duì)這一問題，文中擬通過設(shè)置耦合神經(jīng)元來代替最大抓取孔徑的更新轉(zhuǎn)換，實(shí)現(xiàn)空間協(xié)調(diào)，以再現(xiàn)最大抓取孔徑形成過程中呈現(xiàn)的各種動(dòng)態(tài)特征。

2 模型構(gòu)建

文中構(gòu)建了一種新的解釋手臂延伸和抓取過程時(shí)空協(xié)調(diào)的神經(jīng)模型，參見圖2，左側(cè)的VITE模型用于解釋抓取運(yùn)動(dòng)的運(yùn)動(dòng)學(xué)特征。模型考慮了手臂延伸(T)、抓取角度(A)和抓取方向(O)三個(gè)組件的協(xié)調(diào)，其中T,D,P分別表示目標(biāo)、誤差和當(dāng)前的位置向量，下標(biāo)對(duì)應(yīng)各自的組件。原始VITE中的門控信號(hào)G(t)則由右側(cè)的基底神經(jīng)節(jié)丘腦皮層環(huán)路表示，基底神經(jīng)節(jié)結(jié)構(gòu)參見文獻(xiàn)[13-15]。不同于文獻(xiàn)[14]，模型所有組件通過同一個(gè)基底核環(huán)路門控調(diào)節(jié)以實(shí)現(xiàn)時(shí)間等效。神經(jīng)元Cij表示組件i對(duì)組件j的耦合影響，體現(xiàn)組件間的空間協(xié)調(diào)。針對(duì)實(shí)驗(yàn)條件發(fā)生擾動(dòng)的情況，模型增設(shè)了監(jiān)督神經(jīng)元Ei，負(fù)責(zé)記錄本體感受和目標(biāo)物體內(nèi)部表示之間的差異，進(jìn)而進(jìn)行運(yùn)動(dòng)調(diào)節(jié)。運(yùn)動(dòng)前區(qū)和輔助運(yùn)動(dòng)區(qū)(supplementary motor area，SMA)接受感官輸入的環(huán)境信息，并投射給VITE和基底神經(jīng)節(jié)從而控制運(yùn)動(dòng)，同時(shí)VITE生成的速度命令也被傳遞回SMA用于激發(fā)后續(xù)組件的連續(xù)工作。

圖2 手臂延伸和抓取運(yùn)動(dòng)模型

(左側(cè)的VITE模型模擬抓取運(yùn)動(dòng)，右側(cè)基底神經(jīng)節(jié)的輸出用來調(diào)節(jié)抓取速度。箭頭表示正連接，圓點(diǎn)表示負(fù)連接)

參考Bullock的VITE工作等式，設(shè)置的抓取組件遵循如下等式：

dDA/dt=α(-DA+TA-PA)

(3)

dVA/dt=αV(-VA+VLo[DA]+)

(4)

dPA/dt=VA+CTA

(5)

dTA/dt=αEA

(6)

其中，TA為目標(biāo)物體大小，PA為當(dāng)前抓取角度，DA是以上兩者的差值。VLo表示丘腦細(xì)胞活度，起著運(yùn)動(dòng)初始化和調(diào)節(jié)速度的作用。CTA表示延伸組件對(duì)抓取角度的影響。EA為本體感受IA和內(nèi)部表示TA之間的差，代表著擾動(dòng)條件下目標(biāo)物體大小的變化。α和αV為積分比例系數(shù)。延伸組件和方向組件遵循的等式與抓取組件相似，只是在耦合神經(jīng)元Cij的個(gè)數(shù)上有所不同，在此不再?gòu)?fù)述。

不同于Vilaplana的二目標(biāo)值給定法，新模型采用耦合神經(jīng)元Cij進(jìn)行組件間狀態(tài)信息交流，其中CTA表示延伸組件對(duì)抓取組件的空間影響，使之生成最大抓取孔徑和合攏過程，COT則用于表示抓取方向變化對(duì)延伸組件的影響，進(jìn)而影響抓取組件。神經(jīng)元遵循如下等式，其中Vi為Di×VLo的產(chǎn)物，指明了當(dāng)前通道的運(yùn)動(dòng)速度。

dCTA/dt=α(-CTA+ρVT)

(7)

dCOT/dt=α(-COT+ζVO)

(8)

針對(duì)目標(biāo)物體位置、大小、方向發(fā)生擾動(dòng)的情況，模型設(shè)置差異細(xì)胞Ei完成組件目標(biāo)(TT,TA,TO)的更新，等式如下：

dET/dt=α[-ET+abs(IT-TT)]

(9)

dEA/dt=α[-EA+abs(IA-TA)]

(10)

dEO/dt=α[-EO+abs(IO-TO)]

(11)

模型右側(cè)的基底神經(jīng)節(jié)電路參見文獻(xiàn)[13]。基底神經(jīng)節(jié)的直接通路(direct pathway)和間接通路(indirect pathway)分別表現(xiàn)為削弱和增強(qiáng)蒼白球(GPi/GPe)對(duì)丘腦VLo細(xì)胞的抑制作用。模型遵循的非線性常微分方程如下所示：

dSK/dt=βK[-AKSK+(BK-SK)EK-(DK+SK)IK]

(12)

(13)

其中，SK分別表示殼核(K=1)、內(nèi)蒼白球(GPi,K=2)、外蒼白球(GPe,K=3)、丘腦底核(STN,K=4)和丘腦VLo(K=5)的神經(jīng)元活性；EK和IK分別表示SK受到的興奮性和抑制性輸入。

當(dāng)運(yùn)動(dòng)前區(qū)或SMA投射一個(gè)運(yùn)動(dòng)命令到紋狀體，紋狀體神經(jīng)元興奮后便會(huì)釋放一種抑制性神經(jīng)遞質(zhì)GABA，使得直接通路中的GPi對(duì)丘腦的抑制作用減弱。丘腦神經(jīng)元VLo的活動(dòng)強(qiáng)度也相應(yīng)增強(qiáng)。式13中，NJ表示直接(J=1)和間接(J=2)通路可用的神經(jīng)遞質(zhì)的數(shù)量?？捎蒙窠?jīng)遞質(zhì)的最大值BNJ是多巴胺水平的函數(shù)(BNJ(DA)=1,DA=1,J={1,2})。

相比于文獻(xiàn)[6]設(shè)置固定的G(t)函數(shù)進(jìn)行運(yùn)動(dòng)調(diào)節(jié)，新模型基于神經(jīng)解剖學(xué)和生物學(xué)構(gòu)建的基底神經(jīng)節(jié)丘腦皮層環(huán)路使得手臂抓取運(yùn)動(dòng)更具生物學(xué)意義，增設(shè)的耦合神經(jīng)元也更能反映抓取過程的各種動(dòng)態(tài)特征，有效地解決了手臂運(yùn)動(dòng)跟蹤的問題，具有更好的運(yùn)動(dòng)協(xié)調(diào)功能。

3 仿 真

文中將對(duì)新模型進(jìn)行多種情況的仿真，包括不同抓取速度、實(shí)驗(yàn)條件擾動(dòng)等。仿真中基底神經(jīng)節(jié)丘腦模塊涉及的參數(shù)為：βK=(1,2,1,1,5),AK=(10,3,3,10,2),BK=(1,3,2,2,2),DK=(0.0,0.8,0.8,0.8,0.8),K=(1,2,3,4,5)。網(wǎng)絡(luò)的興奮性EK和抑制性IK輸入分別為：E1=I(t)+Iach+f(S1),E2=10S4+f(S2),E3=10S4+f(S3),E4=IS+f(S4),E5=0.2;I1=0.0,I2=50S1N1+0.2S3,I3=50S1N2+0.2S2,I4=10S3,I5=0.5S2,其中f(x)=x3/(0.3+x2)。

3.1 基本抓取動(dòng)作

為了測(cè)試新模型的抓取性能，對(duì)Vilaplana模型的抓取實(shí)驗(yàn)進(jìn)行了仿真，設(shè)置目標(biāo)物體直徑TA為2 cm，起止點(diǎn)位置距離TT為30 cm。仿真結(jié)果如圖3所示。手腕運(yùn)動(dòng)速度呈現(xiàn)鐘形曲線，抓取孔徑的變化表明了抓取過程中手指先是張開到最大角度然后合攏收縮直至完成抓取。兩個(gè)組件在基底神經(jīng)節(jié)丘腦環(huán)路的時(shí)間協(xié)調(diào)下同時(shí)開始、同時(shí)結(jié)束，最大抓取孔徑的產(chǎn)生也表明了組件間的空間耦合神經(jīng)元CTA發(fā)揮了作用。相較于Vilaplana的二目標(biāo)值給定法，新模型利用耦合神經(jīng)元進(jìn)行抓取協(xié)調(diào)，使得手臂運(yùn)動(dòng)的延滯時(shí)間縮短7.57%，上升時(shí)間縮短7.47%，調(diào)節(jié)時(shí)間縮短10.4%(假定穩(wěn)態(tài)誤差為±5%)。抓取孔徑的最大超調(diào)量增加了21.4%(速度加快使得孔徑增大)，延滯時(shí)間縮短23.9%，上升時(shí)間縮短26.1%，調(diào)節(jié)時(shí)間縮短了13.3%。

圖3 基本抓取動(dòng)作的對(duì)比仿真

3.2 不同速度的仿真

圖4是不同速度下抓取運(yùn)動(dòng)的仿真，(a)、(b)分別表示抓取過程的運(yùn)動(dòng)速度和孔徑變化，(c)、(d)為VLo和GPi細(xì)胞的活動(dòng)強(qiáng)度。仿真中，基底神經(jīng)節(jié)網(wǎng)絡(luò)的輸入I初步分為3個(gè)等級(jí)，即I=0.1表示低速運(yùn)動(dòng)的軌跡，I=10對(duì)應(yīng)于高速運(yùn)動(dòng)，I=1則是上述兩者之間的軌跡。紋狀體的輸入來自運(yùn)動(dòng)或運(yùn)動(dòng)前區(qū)。由圖可知，隨著紋狀體輸入強(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)最大抓取角度隨著手腕速度的增大而增大，體現(xiàn)了組件間的空間協(xié)調(diào)?；咨窠?jīng)節(jié)中，GPi和VLo細(xì)胞的活動(dòng)強(qiáng)度呈現(xiàn)出一定的反比關(guān)系，運(yùn)動(dòng)皮層輸入強(qiáng)度增大，紋狀體對(duì)GPi的抑制作用增大，導(dǎo)致GPi對(duì)丘腦細(xì)胞的抑制作用減弱，VLo活動(dòng)強(qiáng)度也相應(yīng)增大。

圖4 3種速度下的抓取動(dòng)作仿真

3.3 目標(biāo)距離擾動(dòng)實(shí)驗(yàn)

圖5是目標(biāo)抓取物體距離變化情況下的抓取動(dòng)作仿真，實(shí)驗(yàn)設(shè)置目標(biāo)物體直徑TA為1.5 cm，起止點(diǎn)位置距離TT初始15 cm，100 ms后增大為45 cm，目標(biāo)方向TO為0°，表示當(dāng)前物體方向與手肘對(duì)齊。仿真結(jié)果的第一、二列分別表示延伸和抓取組件各個(gè)指標(biāo)的當(dāng)前狀態(tài)，第四行表示耦合神經(jīng)元發(fā)揮的作用。從圖中可以看出，目標(biāo)距離TT的擾動(dòng)使得當(dāng)前距離PT和手腕速度VT曲線發(fā)生改變。同時(shí)由于CTA的耦合影響，抓取角度曲線PA出現(xiàn)了合攏張開再合攏的過程。由于TO初始設(shè)置為0°，且未發(fā)生方向擾動(dòng)，方向組件暫未發(fā)揮出實(shí)際作用。

圖5 目標(biāo)距離擾動(dòng)實(shí)驗(yàn)

3.4 目標(biāo)位置擾動(dòng)實(shí)驗(yàn)

圖6是目標(biāo)物體位置變化情況下的抓取動(dòng)作仿真，實(shí)驗(yàn)設(shè)置目標(biāo)物體直徑TA為1.5 cm，起止點(diǎn)位置距離TT初始15 cm，目標(biāo)角度TO初始為0°，100 ms后TT增大為45 cm，TO偏離手肘15°。仿真結(jié)果顯示，目標(biāo)物體位置擾動(dòng)不僅使得延伸和抓取組件發(fā)生變化，同時(shí)方向組件也開始工作，并通過耦合神經(jīng)元COT影響著抓取運(yùn)動(dòng)。實(shí)驗(yàn)數(shù)據(jù)對(duì)比發(fā)現(xiàn)，相較于距離擾動(dòng)實(shí)驗(yàn)，目標(biāo)位置擾動(dòng)情況下的手腕抓取速度略微加快，以補(bǔ)償方向擾動(dòng)帶來的影響。

圖6 目標(biāo)位置擾動(dòng)實(shí)驗(yàn)

3.5 模型對(duì)比

新模型以Jeannerod提出的人類抓握概念模型為基礎(chǔ)，設(shè)置三個(gè)由基底神經(jīng)節(jié)定時(shí)機(jī)制統(tǒng)一協(xié)調(diào)的、獨(dú)立運(yùn)行的視覺運(yùn)動(dòng)信道(移動(dòng)、抓取和方向組件)，并利用具有生理表征的VLo信號(hào)和耦合神經(jīng)元改進(jìn)了前人處理組件時(shí)空協(xié)調(diào)的方法。

基于相同假設(shè)條件下，新模型與其他計(jì)算模型存在某些概念上的相似和差異性。這些模型共同指出，抓取運(yùn)動(dòng)的不同信道間僅存在著唯一的一個(gè)時(shí)間交互，通過建立一個(gè)時(shí)間片來表示抓握初始張開階段的結(jié)束以及手指最終合攏階段的開始。而模型間的具體差異是時(shí)間片的決定方式。Vilaplana模型中，這種時(shí)間片主要來源于與手部移動(dòng)加速度相關(guān)的假定的傳入信號(hào)(假設(shè)CNS能夠從主要的身體感受信號(hào)中得到這種信號(hào))。Hoff-Arbib模型是在運(yùn)動(dòng)開始前，對(duì)手指預(yù)成型組件進(jìn)行預(yù)計(jì)算以及利用假定的時(shí)間運(yùn)動(dòng)組織單元確定合攏時(shí)間常量。而新模型則是利用速度和方向的單相控制調(diào)節(jié)來代替抓握角度的雙相控制，大大簡(jiǎn)化了抓取任務(wù)假定在大腦F5區(qū)域所進(jìn)行的過程。

在抓取方面，文中將抓取孔徑定義為食指和拇指之間距離相關(guān)的理想標(biāo)量，而Vilaplana等基于主成分分析法僅用兩個(gè)參數(shù)低維控制手指關(guān)節(jié)協(xié)調(diào)，為手勢(shì)庫(kù)的建立提供了新思路[16]。因此，在具體手勢(shì)跟蹤應(yīng)用方面，模型可參照該手勢(shì)協(xié)同控制方案完成手指關(guān)節(jié)角度的生成與手勢(shì)建模，指導(dǎo)多指靈巧機(jī)械手的運(yùn)動(dòng)與抓取。

在文獻(xiàn)[17]中，筆者提出了一種控制模擬仿生機(jī)械臂延伸運(yùn)動(dòng)的小腦學(xué)習(xí)模型。該模型利用脊髓反射線路的伺服機(jī)制，將神經(jīng)網(wǎng)絡(luò)嵌入模擬哺乳動(dòng)物的控制系統(tǒng)，用以控制6肌肉塊2關(guān)節(jié)的平面手臂，真正從生物學(xué)意義上實(shí)現(xiàn)了并行分層控制的方法。文中將新模型作為軌跡生成器嵌入該控制系統(tǒng)，使其快速學(xué)會(huì)精確軌跡控制。仿真結(jié)果表明，通過將脊髓層次上的軌跡誤差檢測(cè)與小腦中的記憶軌跡相結(jié)合，嵌入的控制系統(tǒng)能對(duì)快速手臂延伸運(yùn)動(dòng)進(jìn)行精確的魯棒控制。

4 結(jié)束語

針對(duì)手臂延伸和抓取運(yùn)動(dòng)的時(shí)空協(xié)調(diào)問題，提出了一種基于基底神經(jīng)節(jié)丘腦皮層環(huán)路結(jié)構(gòu)進(jìn)行時(shí)間協(xié)調(diào)、通過耦合神經(jīng)元進(jìn)行空間協(xié)調(diào)的神經(jīng)網(wǎng)絡(luò)模型。模型再現(xiàn)了基本抓取動(dòng)作的基本特征，保證了并行組件間的時(shí)間等效性，生動(dòng)地描述了抓取孔徑受其他組件影響的空間因素，且無需對(duì)運(yùn)動(dòng)時(shí)間進(jìn)行預(yù)計(jì)算，無需人為干預(yù)最大抓取孔徑的生成過程，增設(shè)的耦合神經(jīng)元也更能反映抓取組件間的空間狀態(tài)關(guān)聯(lián)性。通過對(duì)模型進(jìn)行不同速度和擾動(dòng)情況的仿真，結(jié)果表明，該模型具有良好的運(yùn)動(dòng)協(xié)調(diào)性和抗干擾性。然而，模型只考慮了基底神經(jīng)節(jié)這一生理結(jié)構(gòu)，忽略了小腦與基底神經(jīng)節(jié)、丘腦的生物聯(lián)系以及小腦對(duì)軀體運(yùn)動(dòng)的調(diào)節(jié)作用[18]。筆者也曾在文獻(xiàn)[9]中探討了小腦對(duì)手臂抓取的時(shí)間協(xié)調(diào)功能，因此下一步研究方向是結(jié)合小腦和基底神經(jīng)節(jié)，研究?jī)烧邔?duì)手臂抓取運(yùn)動(dòng)的共同調(diào)節(jié)和認(rèn)知指導(dǎo)作用。