研究提出可识别子运动分解方法Sub-ID

人类自主运动长期被认为由称为子运动的离散基元构成，但现有分解方法扩展性差，且缺乏判断分解是否有信息量的原则性手段。为此，作者提出以基元对之间的时空核相关性作为可识别性准则，并构建子运动可识别分解方法Sub-ID。该方法将该准则嵌入自适应岭正则化，使优化器偏向低相关解。当基元趋于共线时可识别性丧失，当其在空间上分离时可恢复。在合成数据合成数据在电脑模拟的虚拟世界里批量生成的训练数据。成本低、速度快，但要跨过「虚拟与现实的差距」这道坎才能真正好用。◆ 小白科普 · 现身上，Sub-ID能恢复真实参数分布，而现有方法则失败；当基元重叠严重到无法区分时，该方法会显式检测出这种模糊性，而非输出误导性结果。Sub-ID可从真实三维长时程运动中提取子运动，这是此前方法未能处理的场景。该方法有望为运动控制运动控制让机器人的身体按想法精准动起来、并保持平衡的技术，相当于人类的「小脑」。◆ 小白科普 · 现身研究与模仿学习识别具有生理依据的基元。