【作者】 张少白； 周宁宁； 冯志全；

【Author】 ZHANG Shao-bai 1 , ZHOU Ning-ning 1 , FENG Zhi-quan 2 1.College of Computer, Nanjing University of Posts and Telecommunications, Nanjing, Jiangsu, 210003,China 2. School of Information Science and Engineering ,Jinan University, Jinan, Shandon,250022,China

【机构】 南京邮电大学计算机学院； 济南大学信息科学与工程学院；

【摘要】 基于Hoff和Arbib最小加加速度(minimum jerk)控制理论,提出一种新的类小脑结构控制模型,用以解释延伸和抓取过程中,手臂运动与预抓取之间时间协调问题,并就这种结构如何学习Hoff-Arbib理论中两个关键功能(超前状态和剩余时间预测)的过程做了说明。仿真分两步完成。第一步对一维空间进行训练和学习,结果表明,模型能获得精确平滑的运动轨迹,本文对这一部分内容作了详细介绍和说明;第二步针对二维空间,也就是对第一步仿真进行扩展。具体方法是应用文献所描述的双关节平面手臂取代第一步仿真中的位置标量,将一维距离训练变换为笛卡尔空间中的多维运动(方向和距离)训练,从而增加了对系统复杂性和实用性的评价标准,结果非常理想。但限于篇幅,这一部分的仿真过程和结果准备在另一篇论文予以介绍和说明。更多还原

【Abstract】 Based on Hoff and Arbib’ s control theory of the minimum jerk, this paper presents a new control model with cerebellar-like structure which can account for the temporal coordination of arm transport and hand preshape during reach and grasp tasks. And it has also be suggested that how the structure could learn two key functions required in the Hoff-Arbib theory, namely state look-ahead and TTG (time-to-go) estimation. The simulation results demonstrate that whether it be in a d or 2 d space, by training and learning, the model can obtain the accurate smooth motor trajectory.更多还原