Modeling Head-Neck Dynamics under Lateral Perturbations Using MPC to Mimic CNS postural stabilization strategy
作者: Chrysovalanto Messiou, Riender Happee, Georgios Papaioannou
分类: eess.SY, cs.HC
发布日期: 2025-07-30
💡 一句话要点
利用MPC模拟中枢神经系统姿势稳定策略，建模侧向扰动下的头颈动力学
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 头颈动力学 姿势稳定 侧向扰动 自动驾驶 感觉反馈 肌肉控制
📋 核心要点
- 自动驾驶场景下，乘客易受意外扰动影响，引发感觉冲突，降低舒适性。
- 论文扩展了基于模型预测控制（MPC）的框架，模拟侧向扰动下的头颈姿势控制。
- 实验验证表明，该模型能准确重现人体在侧向躯干扰动下的动态响应，且肌肉努力与体感反馈至关重要。
📝 摘要（中文）
自动驾驶车辆将允许乘客从事非驾驶任务，但有限的视觉线索会使他们容易受到意外运动的影响。这些不可预测的扰动产生了一种“惊奇因素”，迫使中枢神经系统依赖于补偿性姿势调整，这种调整效果较差，并且更容易引发感觉冲突。由于头部是感觉输入（前庭和视觉）的关键参考，因此准确捕捉头颈姿势稳定性的模型对于评估自动驾驶车辆的舒适性至关重要。本研究扩展了一个现有的基于模型预测控制的框架，以模拟侧向扰动下的头颈姿势控制。通过与人体数据的实验验证表明，该模型可以准确地重现侧向躯干扰动期间的动态响应。结果表明，肌肉努力与部分体感反馈相结合，提供了最佳的整体动态拟合，而无需用于姿势校正的相对和全局头部方向积分器。
🔬 方法详解
问题定义：论文旨在解决自动驾驶车辆中，乘客在受到侧向扰动时，头颈部的姿势稳定问题。现有方法难以准确模拟中枢神经系统（CNS）的姿势控制策略，尤其是在缺乏视觉线索的情况下，乘客更容易受到“惊奇因素”的影响，导致不适。
核心思路：论文的核心思路是利用模型预测控制（MPC）来模拟中枢神经系统的姿势稳定策略。MPC能够预测未来状态，并根据预测结果优化控制输入，从而实现对头颈部姿势的有效控制。通过结合肌肉努力和部分体感反馈，模型能够更好地模拟人体在受到扰动时的动态响应。
技术框架：该研究扩展了一个现有的基于MPC的框架。该框架主要包含以下几个模块：1）头颈部动力学模型：描述头颈部的运动规律；2）MPC控制器：根据动力学模型和目标姿势，计算最优的肌肉控制信号；3）感觉反馈模块：模拟来自前庭和体感系统的感觉信息；4）扰动输入模块：模拟外部扰动对头颈部的影响。整体流程是，扰动输入作用于头颈部动力学模型，感觉反馈模块提供感觉信息，MPC控制器根据感觉信息和目标姿势计算最优控制信号，控制头颈部运动。
关键创新：论文的关键创新在于将肌肉努力与部分体感反馈相结合，用于头颈部姿势控制的MPC模型。与以往依赖视觉信息的模型不同，该模型更加关注体感和肌肉控制在姿势稳定中的作用。此外，该模型无需额外的相对和全局头部方向积分器，简化了模型结构，提高了计算效率。
关键设计：模型中，肌肉努力被建模为控制输入，体感反馈被建模为状态估计的输入。MPC控制器的目标函数旨在最小化姿势误差和控制输入的能量消耗。实验中，通过调整肌肉努力和体感反馈的权重，来优化模型的性能。具体的参数设置和损失函数细节在论文中进行了详细描述（未知）。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该模型能够准确重现人体在侧向躯干扰动下的动态响应。通过与人体数据的对比，验证了模型的有效性。研究发现，肌肉努力与部分体感反馈相结合，能够提供最佳的整体动态拟合，而无需额外的头部方向积分器。具体的性能指标和提升幅度在论文中进行了详细描述（未知）。
🎯 应用场景
该研究成果可应用于自动驾驶车辆的舒适性设计。通过准确预测乘客在各种扰动下的头颈部运动，可以优化座椅设计、安全带约束策略和车辆运动规划，从而减少乘客的不适感和感觉冲突。此外，该模型还可以用于康复医学领域，帮助评估和改善颈部损伤患者的姿势控制能力。
📄 摘要（原文）
Automated vehicles will allow occupants to engage in non-driving tasks, but limited visual cues will make them vulnerable to unexpected movements. These unpredictable perturbations create a "surprise factor," forcing the central nervous system to rely on compensatory postural adjustments, which are less effective, and are more likely to trigger sensory conflicts. Since the head is a key reference for sensory input (vestibular and vision), models accurately capturing head-neck postural stabilization are essential for assessing AV comfort. This study extends an existing model predictive control-based framework to simulate head-neck postural control under lateral perturbations. Experimental validation against human data demonstrates that the model can accurately reproduce dynamic responses during lateral trunk perturbations. The results show that muscle effort combined with partial somatosensory feedback provides the best overall dynamic fit without requiring corrective relative and global head orientation integrators for posture.