Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen gezeigt.

Link zu dieser Vergleichsansicht

Beide Seiten der vorigen Revision Vorhergehende Überarbeitung
Nächste Überarbeitung
Vorhergehende Überarbeitung
abschlussarbeiten:msc:dorschsarah [09.08.2018 18:22]
Sarah Dorsch [Literatur]
abschlussarbeiten:msc:dorschsarah [16.08.2018 17:21] (aktuell)
Sarah Dorsch [Robustheit des Hüpfmodells gegen dauerhafte Störungen]
Zeile 7: Zeile 7:
 | Autor          ^ Sarah Dorsch ​                                                                          ^ | Autor          ^ Sarah Dorsch ​                                                                          ^
 | Department ​    ^ FB 16 Mechanical Engineering ​                                                          ^ | Department ​    ^ FB 16 Mechanical Engineering ​                                                          ^
-| Last revision ​ ^ 09.08.2018 ​                                                                            ^+| Last revision ​ ^ 16.08.2018 ​                                                                            ^
 | Status ​        ^ in progress ​                                                                           ^ | Status ​        ^ in progress ​                                                                           ^
 |                ^                                                                                        ^ |                ^                                                                                        ^
Zeile 25: Zeile 25:
  ​(Dörge et al., 2002).\\ ​  ​(Dörge et al., 2002).\\ ​
  
-In Deutschland wurden im Jahr 2016 fast 65000 Amputationen des Fußes und der unteren Extremitäten durchgeführt (Statistisches Bundesamt, 2016). Um technischen Ersatz zu entwickeln, der die biomechanische Funktion wieder herstellt und dem Träger das Gefühl gibt, auf den zwei eigenen Beinen zu laufen, ist ein tiefergehendes Verständnis der Lokomotion notwendig. Zudem findet dies Anwendung in der Entwicklung von Orthesen, Exoskeletten und Robotern. Insbesondere ​stellt sich dabei die Frage, wie der Mensch sich an seine Umgebung anpasst, um diese Regelstrategien nachbilden und auf ein technisches System übertragen zu können. \\ +Zur Entwicklung von Prothesen, ​Orthesen, Exoskeletten und Robotern stellt sich die Frage, wie der Mensch sich an seine Umgebung anpasst, um diese Regelstrategien nachbilden und auf ein technisches System übertragen zu können. \\ 
  
-Das Gehen oder Rennen als grundlegende Arten der Lokomotion erfordern die Schwerpunktbewegung in drei Dimensionen. Aufgrund der Komplexität der Interaktion zwischen Bestandteilen des mechanischen und des neuronalen Systems ist diese noch nicht vollständig verstanden. Um sich diesem Thema anzunähern,​ wird in dieser Thesis ​das Hüpfen auf der Stelle untersucht, welches der vertikalen Schwingung der Lokomotion entspricht (Häufle et al., 2010). \\ +Das Gehen oder Rennen als grundlegende Arten der Lokomotion erfordern die Schwerpunktbewegung in drei Dimensionen. Aufgrund der Komplexität der Interaktion zwischen Bestandteilen des mechanischen und des neuronalen Systems ist diese noch nicht vollständig verstanden. Um sich diesem Thema anzunähern,​ wird hier das Hüpfen auf der Stelle untersucht, welches der vertikalen Schwingung der Lokomotion entspricht (Häufle et al., 2010). \\ 
  
 Es fragt sich, welchen Einfluss beispielsweise die im Alter verringerte Muskelkraft auf unsere Bewegung hat (Hortobágyi und Devita, 2000). Oder wie wir unsere Bewegung auf anderen unebenen Untergründen anpassen, z. B. auf Kopfsteinpflaster. Auch das Laufen auf weichem Untergrund wie Gras, also ein nachgiebiger Boden, stellt eine alltägliche Bewegung unter Störung dar.\\ ​ Es fragt sich, welchen Einfluss beispielsweise die im Alter verringerte Muskelkraft auf unsere Bewegung hat (Hortobágyi und Devita, 2000). Oder wie wir unsere Bewegung auf anderen unebenen Untergründen anpassen, z. B. auf Kopfsteinpflaster. Auch das Laufen auf weichem Untergrund wie Gras, also ein nachgiebiger Boden, stellt eine alltägliche Bewegung unter Störung dar.\\ ​
  
-Ziel dieser Arbeit ​ist es, die Robustheit eines reflex-nutzenden neuromechanischen Hüpfmodells nach Geyer (Geyer et al., 2003) mittels simulativ aufgeprägter Störungen zu analysieren. Dabei werden sowohl sensorische Störungen, wie Rauschen oder Signalverzögerung,​ als auch mechanische Störungen, wie Beinlängenunterschiede oder Bodenhöhenveränderungen,​ betrachtet. Das Störverhalten wird anschließend anhand von Kriterien ​ quantifiziert,​ die die Stabilität,​ die Performance und die Effizienz des Hüpfmusters beschreiben,​ wie z. B. Anzahl der Hüpfer, Hüpfhöhe und metabolische Effizienz. In der Literatur wird angedeutet, dass der Bereich des stabilen Gehens und Rennens durch simulierte Asymmetrien zwischen den Beinen nicht zwangsläufig verringert wird und sogar für spezielle Asymmetrien des Beinwinkels beim Auftreten erweitert werden kann (Merker et al., 2015; Merker et al., 2011). Hierdurch und durch die Gegebenheiten in der Realität motiviert, wird das Hüpfverhalten unter asymmetrischen Bedingungen betrachtet. Dazu wird das Hüpfmodell um ein zweites Bein erweitert. Anschließend wird anhand von Bodenhöhenvariationen untersucht, in welchem Maße Störungen ausgeglichen werden können und ob sich dies in Abhängigkeit der Feedbackkonfiguration verändert. Des Weiteren wird an diesem Beispiel das Modell validiert, indem ein Vergleich der vorausgesagten Beinsteifigkeit mit experimentellen Ergebnissen angestellt wird.  +Ziel ist es, die Robustheit eines reflex-nutzenden neuromechanischen Hüpfmodells nach Geyer (Geyer et al., 2003) mittels simulativ aufgeprägter Störungen zu analysieren. Dabei werden sowohl sensorische Störungen, wie Rauschen oder Signalverzögerung,​ als auch mechanische Störungen, wie Beinlängenunterschiede oder Bodenhöhenveränderungen,​ betrachtet. Das Störverhalten wird anschließend anhand von Kriterien ​ quantifiziert,​ die die Stabilität,​ die Performance und die Effizienz des Hüpfmusters beschreiben,​ wie z. B. Anzahl der Hüpfer, Hüpfhöhe und metabolische Effizienz. In der Literatur wird angedeutet, dass der Bereich des stabilen Gehens und Rennens durch simulierte Asymmetrien zwischen den Beinen nicht zwangsläufig verringert wird und sogar für spezielle Asymmetrien des Beinwinkels beim Auftreten erweitert werden kann (Merker et al., 2015; Merker et al., 2011). Hierdurch und durch die Gegebenheiten in der Realität motiviert, wird das Hüpfverhalten unter asymmetrischen Bedingungen betrachtet. Dazu wird das Hüpfmodell um ein zweites Bein erweitert. Anschließend wird anhand von Bodenhöhenvariationen untersucht, in welchem Maße Störungen ausgeglichen werden können und ob sich dies in Abhängigkeit der Feedbackkonfiguration verändert. Des Weiteren wird an diesem Beispiel das Modell validiert, indem ein Vergleich der vorausgesagten Beinsteifigkeit mit experimentellen Ergebnissen angestellt wird.  
-Zuletzt ​soll geprüft ​werden, ob eine adaptive Einstellung der Reflexparameter das Störverhalten verbessern kann. Diese Erkenntnisse können genutzt werden, um die Qualität von Assistenzsystemen,​ wie Prothesen und Orthesen, zu steigern, indem z. B. an den Menschen angepasste Regelungen verwendet werden.+Zuletzt ​wird geprüft, ob eine adaptive Einstellung der Reflexparameter das Störverhalten verbessern kann. Diese Erkenntnisse können genutzt werden, um die Qualität von Assistenzsystemen,​ wie Prothesen und Orthesen, zu steigern, indem z. B. an den Menschen angepasste Regelungen verwendet werden.
  
 \\ \\
 \\ \\
-==== Einführendes Beispiel ​==== +===== Robustheit des Hüpfmodells gegen dauerhafte Störungen ===== 
-Ein einführendes Beispiel ​kann helfen, die Problemstellung ​zu verdeutlichen+====Robustheit des zweibeinigen Modells gegenüber sensorischen und mechanischen Störungen==== 
-An dieser Stelle ​wird ein kurzes Video (<3mingerne gesehenwenn nicht bereits ​bei der Einleitung eines gezeigt ​wurde.+Für die untersuchten Störungen ​kann insgesamt festgehalten werdendass robuste Sensor-Motor-Maps 
 +gefunden wurden. Der Stabilitätsbereich wurde nicht zerklüftet und es existiert ein großer, zusammenhängender 
 +Bereich für stabiles Hüpfen.\\ 
 +\\ 
 +Größere Veränderungen des Hüpfverhaltens können bei Variation des Offsets des Längenfeedbacks 
 +beobachtet werden. 
 +Die Offsets spiegeln ​die Sensitivität der Sensoren wider [47].\\ 
 +\\ 
 +Durch 
 +loff 
 +wird daher eine frühzeitige Aktivierung des Muskels unterdrückt [55],[24]. Bei 
 +einem verringertem 
 +loff 
 +wird somit die Absenkung des Massenschwerpunkts frühzeitig gestoppt, da der 
 +Muskel bereits aktiviert ist und zu kontrahieren beginntHierdurch ist auch die Zeit 
 +zur Beschleunigung bis zum TO verkürzt, wodurch eine geringere Geschwindigkeit im TO erreicht ​wird 
 +und damit ein deutlicher Einfluss auf die Performance entsteht. Durch die geringere Geschwindigkeit ist 
 +die kinetische Energie verringert und damit auch die potentielle Energie im Maximum. Es kommt zu 
 +einer niedrigeren Hüpfhöhe. Hierdurch entsteht auch eine erhöhte Steifigkeit,​ da das Modell weniger stark einsinkt 
 +und damit 
 +$k_{\text{leg}}=F_{\text{leg}_{\text{max}}}/​\Delta l_{\text{leg}}$ 
 +vergrößert wird. Bei Vergrößerung von 
 +loff 
 +wird das Bein weiter verkürzt,​ 
 +wodurch bis zum Abheben eine höhere Geschwindigkeit erreicht wird. Hierdurch wird die Performance mit Anteilen von LFB stark erhöht, allerdings das Stabilitätsgebiet verkleinert,​ da der kritische Punkt des 
 +VFB schon früher erreicht wird\\ 
 +\\ 
 +Die Variation von 
 +hat hingegen nur sehr wenig Einfluss auf die Sensor-Motor-Maps,​ was zum einen 
 +voff 
 +daran liegen könnte, dass der Offset besonders zu Beginn starken Einfluss auf die Aktivierung hat, wenn 
 +die Kraft-Geschwindigkeits- und die Kraft-Längen-Funktion noch in Bereichen geringer Kraft sind, da die 
 +Geschwindigkeit hoch ist und die Länge das Optimum noch nicht erreicht hat.\\ 
 +\\ 
 +Die Muskelgeschwindigkeit 
 +nimmt kurz nach dem TD etwa sechsfache Werte der 
 +vCE 
 +Muskellänge 
 +lCE 
 +an. Der Offset des VFB ist im ungestörten Fall hingegen nur etwa doppelt so groß wie 
 +der des LFB. Wird für beide Feedbacks der Offset um 20% gegenüber dem optimalen Wert verringert,​ 
 +so ist die Änderung des Stimulationssignals des LFB 
 +$(S_{\text{LFB}} (t)=G_{\text{L}}*(l_{\text{CE}}-l_{\text{off}})) $ prozentual größer als die 
 +des Stimulationssignals des VFB $(S_{\text{VFB}} (t)=G_{\text{V}}*(v_{\text{CE}}-v_{\text{off}})) $. Dies wird zusätzlich durch den größeren 
 +Gain des LFB verstärkt. Die Aktivierung wird da 
 +(vCE 
 +voff)). Dies wird zusätzlich durch den größeren 
 +Gain des LFB verstärkt. Die Aktivierung wird daher b 
 +)). Dies wird zusätzlich durch den größeren 
 +voff 
 +B(t) = 
 +
 +f) 
 +Gain des LFB verstärkt. Die Aktivierung wird daher bei Variation von 
 +weniger beeinflusst und damit 
 +voff 
 +auch das Hüpfverhalten nur geringfügig verändert.\\ 
 +\\ 
 +Bei Aufschalten der Delays kommt es für verschiedene Blendings zu Peaks im Kraftverlauf (siehe Abbil 
 +dung 
 +3.11. Dies ist kein physiologisches Verhalten. Es könnte darauf hindeutendass das verwendete 
 +stark vereinfachte biomechanische Modell bei diesem Delay physiologisch sinnvolle Hüpfmuster ​nicht 
 +mehr abbilden kann und die Grenzen des Systems erreicht sind. Durch ein detaillierteres Modell, das 
 +aus mehreren parallelen Muskelfasern mit solchen Signalen besteht, könnte ein physiologisch sinnvol 
 +leres 
 +Verhalten erzeugt werden. Leicht abweichende Verzögerungen der Sensorsignale der einzelnen 
 +Muskelfasern würden dann zu einer Glättung des Verlaufs führen.\\ 
 +\\ 
 +In [23] kann die Hüpfperformance 
 +von positiven Feedbacks durch die anfängliche Unterdrückung der Sensorsignale verbessert werden\\ 
 +\\ 
 +Diese Ergebnisse 
 +können ebenso hier gefunden werden. Durch die Verzögerung von FFB und LFB kann die Performance 
 +verbessert werden, während das Verzögern des negativen VFB zu einer verschlechterten Performance 
 +führt. 
 +Außerdem werden die Stabilitätsbereiche durch Verzögern von FFB und LFB verkleinert,​ was 
 +darauf hindeutet, dass das Hüpfverhalten ​bei äußeren Störungen leichter destabilisiert wird.\\ 
 +\\ 
 +Rauschen aller Feedbacks hauptsächlich durch das Rauschen des LFB beeinflusst werden. Beim 
 +Verrauschen des FFB und des VFB veränderte sich das Hüpfverhalten kaum. Wie schon für den Offset 
 +beschrieben,​ ist die Sensitivität des LFB größer als die des VFB.\\ 
 +\\ 
 +Rauschen aller Feedbacks hauptsächlich durch das Rauschen des LFB beeinflusst werden. Beim 
 +Verrauschen des FFB und des VFB veränderte sich das Hüpfverhalten kaum. Wie schon für den Offset 
 +beschrieben,​ ist die Sensitivität des LFB größer als die des VFB. Durch das Rauschen wird $l_{\text{off}}$ 
 +immer 
 +wieder überschritten,​ was eine frühzeitigen Aktivierung des Muskels auslöst. Performance nimmt ab. Vergrößerung des Stabilitätsbereichs erklären. Aufgrund ​der frühere Aktivierung durch das 
 +LFB wird der verzögerten Aktivierung durch das VFB entgegengewirkt und damit die kritische Grenze 
 +des VFB verschoben.\\ 
 +\\ 
 +Bei verringerter Bodensteifigkeit konnte eine Erhöhung der Performance und eine verringerte Beinsteifigkeit 
 +festgestellt werden. Diese Ergebnisse entsprechen dem Störverhalten des einbeinigen Modells 
 +in [55]. Allerdings widersprechen sie experimentellen Ergebnissen. In [20] konnte ​gezeigt ​werden, dass 
 +der Mensch bei unterschiedlichen Bodensteifigkeiten die Beinsteifigkeit anpasst, sodass die Gesamtsteifigkeit 
 +aus Bein und Boden konstant bleibt, also bei einer Verringerung der Bodensteifigkeit eine höhere 
 +Beinsteifigkeit hat. 
 +Dies deutet darauf hin, dass der Mensch Anpassungsmechanismen hat, die durch das 
 +Modell nicht abgebildet wurden. 
 +====Störverhalten bei asymmetrisch aufgeprägten Störungen==== 
 +Für die meisten getesteten Asymmetrien kann festgestellt werden, dass das Hüpfverhalten nicht durch 
 +die Asymmetrie selbst beeinflusst wird, sondern die Störung das veränderte Hüpfverhalten verursacht,​ 
 +sodass sich bei symmetrischer Störung lediglich die Änderung verstärkt.\\ 
 +\\ 
 +Besonders auffällig ist, dass eine asymmetrische Aufschaltung eines Delays zu einem vergrößerten Stabilitätsgebiet führt. Die Kombination aus „schnellem“ und „langsamem Bein“ scheint eine stabilisierende Wirkung für Blendings mit ähnlichen Anteilen aller Feedbacks zu haben. Die kurz nacheinander aktivierierenden Muskeln der zwei Beine führen wie die in anderen Winkeln aufkommenden Beine bei der Untersuchung von Merker (2011) zu einer Stabilisierung von im Referenzfall instabilen Feedback 
 +zusammensetzungen.\\ 
 +\\ 
 +Die Stabilität wird somit durch die Asymmetrie verbessert, jedoch wird dadurch das Systemverhalten schwieriger voraussagbar,​ da häufig quasi-stabiles Hüpfen auftritt und es kommt zu Einbußen der Performance.\\ 
 +\\ 
 +Für die asymmetrische Erhöhung von $l_{\text{off}}$ wird bei Blendings nahe des isolierten LFB Stehenbleiben vorausgesagt. Dies kann bei symmetrischer Erhöhung nicht gefunden werden. Durch die Erhöhung des Offsets wird der Muskel des linken Beins erst später aktiviert als der des rechten Beins. Entgegen der sonst auf die Performance positiv wirkenden Verzögerung der Aktivierung,​ führt dies hier vermutlich 
 +dazu, dass das Hüpfen hauptsächlich aus dem rechten Bein entsteht und das linke Bein schon kurz nach Anstieg der Aktivierung wieder abhebt. Es kommt dann zum Stehenbleiben,​ wenn die Aktivierung des linken Beins so gering zum Hüpfen beiträgt, dass das Modell den TO nicht mehr erreicht und daraufhin 
 +stehenbleibt. Das Stehenbleiben bei der asymmetrischen Beinlängenveränderung ergibt sich vermutlich aus ähnlichen Prozessen.\\ 
 +\\ 
 +Nur für den Delay konnte die stabilisiernde Wirkung von Asymmetrien,​ wie in Merker (2011, 2015) beschrieben,​ gefunden werden. Allerdings werden dort verschiedene Stufen der Asymmetrie getestet, wobei keine allgemein verbesserte Stabilität gefunden, sondern lediglich für einen bestimmten Wert einer Asymmetrie ein positiver Effekt festgestellt wird. In dieser Arbeit wurden jeweils nur zwei Konfigurationen der Asymmetrie betrachtet. In weitergehenden Untersuchung sollten weitere Asymmetrieeinstellungen untersucht werden. Hierbei sollte die Asymmetrie immer weiter gesteigert und gleichzeitig die Stabilität beobachtet werden.
 \\ \\
 \\ \\
Zeile 108: Zeile 220:
  
 ===== Zusammenfassung und Ausblick ===== ===== Zusammenfassung und Ausblick =====
-In dieser Arbeit konnte das Störverhalten eines zweibeinigen reflektorischen Hüpfmodells mit je einem Streckmuskel quantifiziert werden und durch eine adaptive Feedbackgainanpassung eine höhere Robustheit erreicht werden.\\ +Basierend auf dem Modell nach Geyer (Geyer et al., 2003), wurde durch Schumacher (Schumacher und Seyfarth, 2017) eine Erweiterung zur Abmischung mehrerer Feedbacks implementiert. Dieses erweiterte Modell wurde in dieser Arbeit zusätzlich um ein zweites Bein ergänzt. Die Störuntersuchungen ​dieses Modells ​anhand der Sensor-Motor Maps haben ergeben, dass die Topologien robust gegen Veränderung der Feedbackgains,​ des LFB-Offset und der Bodennachgiebigkeit waren. Dagegen wurde bei Änderung der Beinlänge, des LFB-Offset oder bei Störung der Sensorsignale durch Delay und Rauschen zusätzlich die Status Stehenbleiben und Schwingen vorhergesagt.
- +
-Basierend auf dem Modell nach Geyer (Geyer et al., 2003), wurde durch Schumacher (Schumacher und Seyfarth, 2017) eine Erweiterung zur Abmischung mehrerer Feedbacks implementiert. Dieses erweiterte Modell wurde in dieser Arbeit zusätzlich um ein zweites Bein ergänzt.\\ +
- +
-Die Störuntersuchungen anhand der Sensor-Motor Maps haben ergeben, dass die Topologien robust gegen Veränderung der Feedbackgains,​ des LFB-Offset und der Bodennachgiebigkeit waren. Dagegen wurde bei Änderung der Beinlänge, des LFB-Offset oder bei Störung der Sensorsignale durch Delay und Rauschen zusätzlich die Status Stehenbleiben und Schwingen vorhergesagt.+
 Dies galt bei Verzögerung des VFB sowie aller Feedbacks und bei Verrauschen des LFB sowie aller Feedbacks. Dies galt bei Verzögerung des VFB sowie aller Feedbacks und bei Verrauschen des LFB sowie aller Feedbacks.
 Überraschenderweise wurde durch das Rauschen der ursprüngliche Instabilitätsbereich verkleinert.\\ Überraschenderweise wurde durch das Rauschen der ursprüngliche Instabilitätsbereich verkleinert.\\
 Für das LFB-Offset und alle getesteten Verzögerungen der Sensorsignale wurde zusätzlich die Topologie der Performance und der anderen Untersuchungskriterien teilweise grundlegend verändert.\\ Für das LFB-Offset und alle getesteten Verzögerungen der Sensorsignale wurde zusätzlich die Topologie der Performance und der anderen Untersuchungskriterien teilweise grundlegend verändert.\\
  
-In dieser Arbeit wurden nur einzeln wirkende Störungen betrachtet. In weitergehenden Studien sollten Kombinationen von Störungen getestet werden, da der Mensch in seiner Umwelt auch gleichzeitig von verschiedenen Störungen umgeben ist, wie beispielsweise das Laufen auf einer Wiese (nachgiebiger Boden) mit Löchern (Bodenhöhenvariation). Hier wäre interessant,​ ob der asymmetrische Delay oder das Rauschen, die beide den Stabilitätsbereich ​vergrößerten, genutzt werden können, um robuster auf Bodenabsenkungen zu reagieren.\\+In dieser Arbeit wurden nur einzeln wirkende Störungen betrachtet. In weitergehenden Studien sollten Kombinationen von Störungen getestet werden, da der Mensch in seiner Umwelt auch gleichzeitig von verschiedenen Störungen umgeben ist, wie beispielsweise das Laufen auf einer Wiese (nachgiebiger Boden) mit Löchern (Bodenhöhenvariation). Hier wäre interessant,​ ob Störungen, die den Stabilitätsbereich ​vergrößern, genutzt werden können, um beispielsweise ​robuster auf Bodenabsenkungen zu reagieren.\\
  
-Die asymmetrische Störung durch einseitige Verzögerung der Sensorssignale konnte den Stabilitätsbereich vergrößern. Andere ​Asymmetrien zeigten grundsätzlich den halben Effekt einer symmetrischen Störung, sodass kein Einfluss durch die Asymmetrie selbst feststellbar war.\\+Die meisten ​Asymmetrien zeigten grundsätzlich den halben Effekt einer symmetrischen Störung, sodass kein Einfluss durch die Asymmetrie selbst feststellbar war. Die asymmetrische Störung durch einseitige Verzögerung der Sensorssignale hingegen konnte den Stabilitätsbereich vergrößern. \\
  
 Die Untersuchung der Asymmetrie sollte in zukünftigen Arbeiten erweitert werden. Merker fand lediglich für eine bestimmte Einstellung der Asymmetrie eine verbesserte Stabilität (Merker et al., 2011). In dieser Arbeit wurden jeweils nur zwei Asymmetrieeinstellungen je Störung betrachtet. Ähnlich wie die Untersuchung der Bodenhöhenstörung sollte die Asymmetrie immer weiter gesteigert und die Stabilitätsgrenzen aufgetragen werden.\\ Die Untersuchung der Asymmetrie sollte in zukünftigen Arbeiten erweitert werden. Merker fand lediglich für eine bestimmte Einstellung der Asymmetrie eine verbesserte Stabilität (Merker et al., 2011). In dieser Arbeit wurden jeweils nur zwei Asymmetrieeinstellungen je Störung betrachtet. Ähnlich wie die Untersuchung der Bodenhöhenstörung sollte die Asymmetrie immer weiter gesteigert und die Stabilitätsgrenzen aufgetragen werden.\\
Zeile 132: Zeile 240:
 Zum Vergleich des menschlichen Hüpfverhaltens mit dem Modell wurden zwei Probanden betrachtet. Diese reagierten unterschiedlich auf die unerwartete Bodenhöhenstörung. Proband 1 hielt seine Beinsteifigkeit konstant, Proband 2 erhöhte seine Beinsteifigkeit im gestörten Sprung stark. Dabei war diese Verstärkung umso größer, je höher die Störung war. Entgegen diesen Beobachtungen,​ sagte das Modell eine verringerte Beinsteifigkeit als im ungestörten Fall voraus. Die Beinsteifigkeit wurde umso geringer, je tiefer der Boden absank. Das experimentelle Ergebnis konnte daher durch das Modell mit konstanten Feedbackparametern nicht abgebildet werden. Für eine realitätsnahe Betrachtung wird daher eine adaptive Gainanpassung notwendig.\\ Zum Vergleich des menschlichen Hüpfverhaltens mit dem Modell wurden zwei Probanden betrachtet. Diese reagierten unterschiedlich auf die unerwartete Bodenhöhenstörung. Proband 1 hielt seine Beinsteifigkeit konstant, Proband 2 erhöhte seine Beinsteifigkeit im gestörten Sprung stark. Dabei war diese Verstärkung umso größer, je höher die Störung war. Entgegen diesen Beobachtungen,​ sagte das Modell eine verringerte Beinsteifigkeit als im ungestörten Fall voraus. Die Beinsteifigkeit wurde umso geringer, je tiefer der Boden absank. Das experimentelle Ergebnis konnte daher durch das Modell mit konstanten Feedbackparametern nicht abgebildet werden. Für eine realitätsnahe Betrachtung wird daher eine adaptive Gainanpassung notwendig.\\
  
-Zur Validierung des Modells wurden nur zwei Probanden ​herangezogen. Um zu untersuchen, wie der Mensch seine Beinsteifigkeit anpasstwerden weitere Ergebnisse benötigt, da die Probanden stark verschiedene Störreaktionen zeigten. Zudem ist unklar, ob Ergebnisse beim Laufen, die andeuten, dass die Beinsteifigkeit bei Bodenabsenkungen konstant gehalten wird, auf das Hüpfen übertragbar sind.\\+Aufgrund der geringen Anzahl an Probanden, die stark verschiedene Störreaktionen zeigen, kann keine Aussage getroffen werden, wie der Mensch seine Beinsteifigkeit anpasst. Hierzu ​werden weitere ​experimentelle ​Ergebnisse benötigt.\\
  
 Im letzten Teil konnte gezeigt werden, dass durch lineare Gainanpassung des FFB, die Verringerung der Steifigkeit im gestörten Sprung vermindert und damit auch die Robustheit bei Bodenabsenkungen erhöht werden konnte. Dafür wurden zwei lineare Interpolationen zwischen Gain und Fallhöhe getestet, eine mit kleinen Bodenabsenkungen als Stützstelle,​ die zweite mit einer kleinen und einer großen Bodenabsenkung. Im letzten Teil konnte gezeigt werden, dass durch lineare Gainanpassung des FFB, die Verringerung der Steifigkeit im gestörten Sprung vermindert und damit auch die Robustheit bei Bodenabsenkungen erhöht werden konnte. Dafür wurden zwei lineare Interpolationen zwischen Gain und Fallhöhe getestet, eine mit kleinen Bodenabsenkungen als Stützstelle,​ die zweite mit einer kleinen und einer großen Bodenabsenkung.
Zeile 138: Zeile 246:
 Da die Ergebnisse jedoch stark davon abhingen, welche Stützstellen gewählt wurden, wurde zusätzlich ein Verfahren des Reinforcement Learnings implementiert,​ welches selbstständig die Gains an den aktuellen Status des Modells anpasst. Dieses Modell konnte zum Schwingen stabilisiert werden, Hüpfen konnte allerdings nur in einzelnen Samples beobachtet werden, sodass eine Auswertung der Robustheit nicht möglich ist.\\ Da die Ergebnisse jedoch stark davon abhingen, welche Stützstellen gewählt wurden, wurde zusätzlich ein Verfahren des Reinforcement Learnings implementiert,​ welches selbstständig die Gains an den aktuellen Status des Modells anpasst. Dieses Modell konnte zum Schwingen stabilisiert werden, Hüpfen konnte allerdings nur in einzelnen Samples beobachtet werden, sodass eine Auswertung der Robustheit nicht möglich ist.\\
  
-Das Lernverfahren konnte bisher nicht zum Hüpfen führen. ​Es sollten weitere Modifikationen getestet werden, wie eine andere Definition des Status, eine höhere Anzahl der Samples zum Annähern an den Gradienten oder eine andere Verteilungsfunktion der upper-level policy. \\+Es sollten weitere Modifikationen ​des Lernverfahrens ​getestet werden, wie eine andere Definition des Status, eine höhere Anzahl der Samples zum Annähern an den Gradienten oder eine andere Verteilungsfunktion der upper-level policy. \\
 Denkbar ist außerdem die Wahl eines anderen Lernverfahrens,​ z. B. Natural gradients, die die Änderung der Parameter der upper-level policy einschränkt. Dabei wird statt einer festen Lernrate für alle Dimensionen der upper-level policy eine unterschiedliche Gewichtung derer vorgenommen,​ sodass diese in unterschiedlich großen Schrittweiten angepasst werden. Denkbar ist außerdem die Wahl eines anderen Lernverfahrens,​ z. B. Natural gradients, die die Änderung der Parameter der upper-level policy einschränkt. Dabei wird statt einer festen Lernrate für alle Dimensionen der upper-level policy eine unterschiedliche Gewichtung derer vorgenommen,​ sodass diese in unterschiedlich großen Schrittweiten angepasst werden.
  
abschlussarbeiten/msc/dorschsarah.1533831724.txt.gz · Zuletzt geändert: 09.08.2018 18:22 von Sarah Dorsch
GNU Free Documentation License 1.3
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0