使用 MPC 建模侧向扰动下的头颈动力学以模仿中枢神经系统姿态稳定策略.pdfVIP

使用MPC建模侧向扰动下的头颈动力学以模仿中

枢神经系统姿态稳定策略

ChrysovalantoMessiou,RienderHappee,andGeorgiosPapaioannou

DelftUniversityofTechnology,TheNetherlands

c.messiou@tudelft.nl

摘要自动驾驶车辆将允许乘员从事非驾驶任务，但有限的视觉提示会使

本他们容易受到意外移动的影响。这些不可预测的变化会产生“惊喜因素”，

迫使中枢神经系统依赖补偿性姿势调整，这种调整效果较差，并且更可能

译引发感官冲突。由于头部是感官输入（前庭和视觉）的关键参考点，准确捕

中捉头颈部姿势稳定的模型对于评估自动驾驶车辆的舒适度至关重要。本研

1究扩展了现有的基于模型预测控制的框架，以模拟侧向干扰下的头颈部姿

v势控制。与人类数据进行的实验验证表明，该模型能够准确再现侧向躯干

8干扰期间的动力响应。结果显示，肌肉努力结合部分体感反馈提供了最佳

2

9的整体动态拟合，无需采用校正相对和全局头部方向整合器来维持姿势。

0

0

.Keywords:振动，舒适性，头颈模型，MPC，代偿姿势调整，自动驾驶

8

0车辆

5

2

:

v1介绍

i

x

r在自动驾驶车辆（AVs）中，乘员预计会将视线从道路上移开，并利用通

a

勤时间[17]。关于车辆即将动作的有限视觉线索阻碍了乘员在遇到意外干扰

时的预期姿势控制，使中枢神经系统（CNS）依赖于代偿性姿势调整（CPA）

[13]。扰动后的感官反馈引发的CPA涉及反射性和自愿阶段以恢复平衡。当

由于缺乏准确的感觉预测而CPA成为唯一机制时，“意外因素”会出现。该

因素使得调整效率降低且更耗能[15]，增加突然头部运动，并触发感觉冲突

[8]，被认为是AVs中晕动病的主要原因。

头部-颈部系统的姿势稳定依赖于整合感官信息（视觉、前庭觉、本体感

觉和听觉输入）与中枢神经系统关于先前运动的“记忆”，通过神经存储[11]

实现感官预测。准确的感官信息和中枢神经系统对相对及全局定向的可靠预

测，使得中枢神经系统能够发布精确的控制动作。事实上，在不稳定的干扰

2Messiouetal.

期间，最小化预测定向信号与感知到的定向信号之间的感官冲突被认为是中

枢神经系统的首要目标[14]。然而，很少有模型试图捕捉感官整合与姿势稳

定的关系[7]。同时，现有的颈部模型由于其生物力学复杂性[3,4,10]，通

常速度较慢，并依赖过于简化的控制框架，这些框架未能考虑到中枢神经系

统可能的推理和信念过程。因此，它们评估动态驾驶场景中头部-颈部动力

学的能力有限。

Messiou等人介绍了首个基于模型预测控制（MPC）的头部-颈部系统

姿态控制框架[9]。该模型在Simscape(MATLAB)中开发，将头颈部动力

学表示为简化后的生物力学多体系统。该MPC通过内部模型预测未来行为

来反映中枢神经系统（CNS）的功能，优化控制输入以在生物力学约束内最

小化感觉冲突。通过将来自人