Bioinspired遥控机器人的实现和评估

文摘

日常活动的特点是越来越交互与智能机器,存在一定程度的自治权。然而,这样的智能电子设备并不总是对最终用户透明。本研究的目的是评估质量的移动机器人的远程控制是否人工制品展览人类行为。bioinspired行为中实现机器人是很好的描述幂律三分之二。参与者的表现teleoperate半自治车辆实现生物法相比,手动和非生物的控制方式。结果表明,所需的时间完成碰撞与障碍的路径和数量显著降低在生物条件比其他两个条件。出现的同时,比例最高的曲线或光滑的轨迹得到当指导协助下幂律的一个集成机器人的工作方式。这种先进的分析基于自然运动的运动学性能提供了一个完善的评价人机交互的质量(HMI)。这一发现符合幂律之间的关系的假说和混蛋最小化。此外,本研究的结果支持这一理论的幂律的中枢神经系统的起源。 The discussion addresses the implications of the anthropocentric approach to enhance the HMI.

1。介绍

行业面临着不断增长的协同需求机器人表现出类似人类的行为。这一趋势是合理的,因为事实上经营者更容易预测机器人的动作,表现得更像一个人,而不是像一个机器1]。使用电机干扰实验范式的研究(MI)表明,个体的电机性能可以感知的影响机器人的动作,如果机器复制生物运动的一些特点(2- - - - - -4]。特别是,似乎运动速度剖面足以创建这个干扰。这一结果表明,运动可以作为生物处理的人类大脑,即使它不是由一个有机生命体,条件是人工制品运动模拟(甚至近似地)某些生物运动学(5]。此外,机器人的物理方面似乎相关。例如,人机交互往往是改善当机器有人形的外观6]。这个事实可以解释为人类的无意识的倾向人格化与文物,为了预测他们的行为和提高机器的验收7]。

除了交互的情况下,人类行为的实现机器人的工作方式也有利于经营者控制一台机器。这句话是在遥操作的背景下尤其如此,这意味着人类操作员的一些局限性。例如,知觉的信息接收的遥控机器人可以更改,例如,减少的视野,并不是所有的知觉的形式纠正(如试镜和本体感觉),和系统的响应延迟。另一个方面是构建的必要性或适应新的电机方案能够控制设备的用户界面,增加心理工作负荷。一个有前途的方法来减少用户和远程机器人之间的差距是实现人类行为在一个机器人8,9]。例如,Rybarczyk et al。10,11)研究实现的影响在人类行为的移动机器人visuomotor预期运动,在机器人的方向pan-tilt相机自动面向路径的内部曲线的切点,步行/骑自行车/驱动程序一样(12- - - - - -14]。结果表明,电机性能的遥控机器人在引导时增强bioinspired机器人。复制的生物之间的相关法律和专业知识水平也观察到在遥控操作机器人手臂的情况下,如在远程手术(15]。

使用不同的策略来实现人类行为在一个机器人。传统的方法应用于工业是创建拟人化机器人协作(或cobots)训练模仿生物运动,通过机器学习算法16]。在遥操作的情况下,似乎个人感觉更舒适控制的拟人化机器人手臂末端执行器的运动轨迹就像一个生物运动(17]。混蛋最小化是一个主要的人形行为实施自然轨迹规划模型(18,19]。最小反射特征是钟形速度剖面,移动速度的逐渐增加,达到峰值在中点附近,然后慢慢地死亡。这个没有突然的改变似乎支持平稳运动的执行20.]。另一个基本运动行为之间的关系是生物运动的速度和曲率,这被称为三分之二幂律(21,22]。这个法律规定,结束的角速度效应成正比的三分之二根曲率或等价,瞬时切向速度(v_t)成正比的第三根曲率半径(r_t中描述),方程(1)。换句话说,这意味着减少的速度运动的高度弯曲部分轨迹并增加当轨迹变得更直。实现这个模型在移动机器人往往提高原始性能当驾驶车辆23]。

感兴趣,然而,很少有研究考虑精制特性来衡量人机交互的质量(HMI)。而不是只关注原始性能(例如,任务的完成时间和比例发生错误),这些研究分析机器人的运动学控制(24- - - - - -26]。来进行这样一个先进的评估,现在人类行为作为标准来估计一个适当的互动。例如,最小的混蛋,平滑,2/3幂律可以应用作为参考评估合适的操作员和产物之间的相互作用(17,27]。这三个特征进行比较研究,旨在评估一个机器人手臂的运动控制,协助外科医生(15]。结果表明,平滑度和最小混蛋都是专业知识水平的重要措施。末端执行器的轨迹发展从新手的夏普和牛肉干光滑的专家。因此,作者得出结论,这两个特性是优秀的标准来评估运动技能在人机交互的条件。虽然幂律作为判别测量的专业知识,还发现了注册这样的生物法似乎依赖于人工制品的特点。例如,一些研究已经证明,本法复制在遥操作的情况下11)和使用假体(28]。

实际上,有一个争议关于起源和2/3的违反执行期间幂律的生物运动22,29日- - - - - -31日]。一方面,一些研究表明,幂律是一个标志性的中枢神经系统(CNS) [32- - - - - -34),因为它似乎是独立于四肢的动态。本法确实观察到各种各样的活动,比如绘画(21,走35,光滑的追求眼(36]。另一方面,不同的研究保护生物力学[30.),或者甚至一个出土文物的解释(37,38]。也有矛盾的结果关于平滑度之间的关系,最低混蛋,和幂律。一些研究显示证据,这些特性是相互关联的32,39),而另一些建议相反(15,29日]。

目前的工作试图解决这些不同的矛盾的发现2/3幂律通过整合这bioinspired遥控移动机器人运动学。一个实验的目的是比较遥操作机器人的2/3幂律(生物条件)和两种控制模式,没有实现这类人行为(手动条件和非生物条件)。在生物模式下,发动机转速自动伺服控制的车辆轨迹根据幂律方程。在手动模式下,用户必须同时控制速度和方向的移动设备。在第三个条件,车速也自动的,但是计算几何和运动学违反生物运动之间的关系。最后一个条件是用作控制以确保性能之间的电位差的两个主要条件(生物和手动)并不是引起的不同的任务(即复杂性。参数的数量,必须由参与者控制)。我们假设假设半自治性的开车,速度的自动设置根据幂律原则(生物模式),应该促进一个更快,更安全,更自然的转向比nonassisted(手动模式)和nonbiologic(人工模式)控制。交互的质量评估的原始性能(完成时间和数量的碰撞)和精炼参数基于轨迹的平滑。

手稿的其余部分被组织成三个主要部分。首先,操控系统的实现。实验协议和条件(手动与nonbiologic比生物)也详细解释。第二,表现为每个条件的结果,分析和讨论。最后,结果解释,以得出一些结论和观点有关的应用在人机交互以人类为中心的方法,以及幂律的起源及其与反射最小化之间的关系。

2。材料和方法

2.1。系统架构

组成系统的三个主要元素是(我)一个NXT移动机器人,(ii)的Android设备远程控制,和一锅IP相机。由于实验是遥操作的情况(即执行。,indirect perception and action on the robot environment), a wireless connection is used to support the communication between the principal components of the architecture. Two different protocols of communication are applied. The Android-based remote control communicates with the NXT through Bluetooth technology. In addition, the connection between the IP camera and the smartphone is supported by Wi-Fi communication. The robot is connected to the IP camera thanks to a support library that permits the system integration between the two entities. Thus, the operators use the Android remote control device to interact with the whole system, which allows them to steer the mobile robot and receive a visual feedback from the pan IP camera. An Android application is developed and implemented on the smartphone to permit such an interaction. The tactile user interface enables the operator to control the trajectories of the vehicle, to choose the steering mode of the robot (manual vs. nonbiologic vs. biologic), to calibrate the pan camera, and to turn the system on or off.

2.2。机器人的行为

汽车是建立在四个轮子,采用前轮驱动系统(图1(一))。两个前轮感动两个独立的马达。之间的速度差左和右轮旋转允许车辆。潘相机设置在移动结构,这是感动另一个电机。相机的方向确定自动基于机器人的方向,也就是说,相机指向内部车辆的轨迹。因为任何改变的方向是由旋转的摄像机系统预期的车辆轨迹的曲率成正比,视觉在机器人运动预测提供给运营商。这种机制的启发从人类行为(12,14默认实现,因为它促进了遥控操作8,10]。图1 (b)显示的例子visuolocomotor摄像机和机器人的不同曲线之间的耦合路径。

3所示。实验条件

3.1。手动状态

车辆的速度和方向都是手动控制的运营商在这个实验条件。对应于不同的同心半圆图形速度水平显示在控制面板的用户界面(图2(一个))。是半圆的半径越大,速度就越高。因此,车辆速度计算基于所有的同心半圆图形的中心之间的距离和所选的半圆。机器人的方向之间的角度是由垂直的屏幕和用户的指尖的位置。角的范围从0°- 180°,逆时针方向旋转。如果用户的指尖定位在0°、90°之间,曲率的机器人右转,和这个角成比例之间的垂直(90°)和手指的位置(手指的位置越趋向于0°,越多的车辆右转)。相反,如果手指的位置在90°和180°之间,车辆左转(同样,轨迹的曲率半径取决于角垂直的屏幕)。机器人的控制器不断等待输入发送的图形用户界面,以更新移动平台的方向和速度。

3.2。生物和非生物环境

在这些驾驶模式,用户只需要使用触摸屏接口来控制机器人的轨迹。速度是根据车辆的方向自动设置。在生物条件,2/3幂律是用来计算的速度,这是基于瞬时机器人轨迹的曲率半径。机器人的最大速度是30 cm / s,如果车辆直接。如果曲率半径减少(向左或向右),机器人的速度减少了三分之一的速度(见方程(1))。在非生物条件下,车辆的速度也是自动的,但它不是根据生物运动。速度之间的关系和几何不遵循一个权力法律,但描述的线性规律

因为它不需要手动调节速度,图形用户界面只有一个半圆(图表示2 (b))。半圆允许操作员来控制机器人的轨迹。从用户的角度,引导车辆驾驶的手动模式是一样的。用户与左边和右边部分的半圆把左和右,分别。指尖越位于四肢的半圆,机器人急转弯。唯一的区别这两个半自动模式和手动一个是速度是间接和自动设置当用户选择一个确定的方向。准确地说,机器人速度正比于所选的转向角。因此,如果幂律适应远程控制的人工制品,匹配速度和转向角之间应该完全符合人类的技能。相反,由于其不自然的行为,非生物半自治控制遥控机器人应该更具挑战性。图3总结,通过一个框图,手动和半自动控制方式之间的差异。

4所示。试验协议

30人(15个男性和15个女性; )参加了实验。所有的参与者有正常或corrected-to-normal愿景。过程符合赫尔辛基宣言,伦理审查委员会批准里斯本新大学的。在教室进行了实验,受试者teleoperate NXT车辆通过android的移动设备。说明提供给参与者引导机器人一样安全(碰撞)和快速(最小完成时间)尽可能通过路径分隔塑料块。整个路线的距离大约是7米,由众多弯曲和方向变化(曲线和countercurves)。课程的顺序如下:(i)一条直线,(ii)大约150°弯曲,(3)90°反向曲线(iv)另一个150°弯曲,(v)最后一个直线(图4)。蓝色的胶粘带标志着起点和终点线。设置特别设计的对称形状进行两个方向的路线,顺时针和逆时针方向。

训练后,所有的受试者执行审判12次:四个重复在手动模式下,四个重复在生物模式,和四个非生物的重复模式。实验条件的顺序从一个话题转到另一个平衡这十个人从手动控制开始,十人开始与生物防治,过去十开始与非生物控制。这种平衡是为了防止可能的学习效果,实现偏差研究的结果。每个主要的条件(手动与生物比nonbiologic),试验了两次顺时针和逆时针方向的两倍。完成时间、碰撞的数量,和机器人轨迹记录在每个试验。

5。结果

实验数据是通过多变量方差分析测试比较和统计分析 - - - - - -测试的两两比较。

5.1。完成时间

我们首先分析了时间性能的参与者来完成这个任务。结果表明,完成时间显著影响实验课程( )。成对分析显示了会话1和会话4之间的显著差异( )。这一结果表明,引导车辆所需的时间从起点到终点线大幅减少从会话1到会话4。没有检测到交互作用之间的会话(1、2、3、4)和主要条件(手册、生物和nonbiologic)。

此外,三个条件之间的完成时间的比较表明显著差异( )。如图5快,参与者完成任务在生物模式比手册( )和非生物( )指导模式。成对分析证实会话1中的显著差异( ),会话2 ( ),和会话3 ( )。然而,这种统计差异消失在会话4中,虽然手动和非生物模式倾向于保持低于生物。完成时间在会话的减少可以解释为发生在所有条件的学习效果。

5.2。数量的碰撞

评估的碰撞率也进行补充分析。统计结果表明,碰撞的平均数量是明显不同的会话( )。碰撞的两两分析显示显著减少从会话1到会话4 ( )。这些结果指出受试者已经改善了他们的驾驶技能实验的质量。之间没有交互效应四个交易日和主要实验条件(手册,生物,nonbiologic)。

主要对比三个条件显示了显著差异在整个会话( )。绘制图6,更多的碰撞发生在手动比在生物和非生物环境条件。统计分析会话,会话显示会话1显著差异( )和会话4 ( )。这最后的事实表明,学习效果不启用用户手册和非生物模式转向技术在生物条件。

5.3。轨迹平滑

最后结果地址运动运动学的问题通过分析反射的控制机器人的轨迹。量化的路径平滑度的一种方法是计算瞬时每个轨迹的曲率半径,然后评估所有试验的半径的分布频率(40]。更具体地说,曲线半径( )从瞬时线速度计算( )除以瞬时转速( ),中描述的

随后,曲率半径转换为十进制对数。因此,如果车辆线性低速度和旋转速度高,曲线半径很小(< 2),随着旋转速度的增加变得更小了。结果是一个对数的价值这是在零附近。相反,如果车辆结合了平移和旋转(曲线轨迹),曲线半径是高(≥2)和它的对数变得比零。的转向控制主题的停车、转弯的地方提供了双峰分布曲线半径,与一个高峰集中在null值的对数和另一个高峰集中在积极的价值观。相反,曲线(或平滑)轨迹的特征是单峰的模式分布集中在一个值的对数曲率半径大于零。对于每一个轨迹,分布的对数曲线半径计算和分布在三个类别(小半径曲线轨迹和直线),根据连续的规模范围,允许执行的统计分析结果。完成,我们归一化分布,每个类别中出现的曲率半径由所有出现的比例为每一个轨迹。

大(图的分布7(图)和小8)的曲率半径不同受试者是否与机器人互动实现人类行为或机器人实现控制的两个模式。因此,出现的曲线轨迹的比例明显高于在生物比手动和nonbiologic条件( )。同样,小半径和将在统计上更频繁的人工比在生物和非生物条件( )。此外,这些显著差异在整个实验期间保持稳定。这意味着四个交易日不足以提供遥控机器人的学习效果可以平衡的利益bioinspired半自治模式,用的速度不平稳的轨迹( ,在会话4)和光滑的运动( ,4)在会话。转向控制的差异可以通过典型的路径的可视化确认为每个实验条件(图记录9)。这种先进的电机性能的分析表明,经营者往往最大化机器人轨迹的平滑度,当车辆复制自然幂律所描述的人类的计划。

6。讨论

本研究包括分析2/3幂律的实现对车辆的转向控制。三个实验条件进行了比较。在第一个条件,参与者必须手动控制机器人的速度和方向。在第二个条件,车辆的速度自动设置根据bioinspired模型。第三条件,最后,被用作控制,机器人速度自动计算通过一个违反了生物运动方程。受试者的任务是远程控制机器人,为了完成课程尽可能安全、快速。参与者的表现记录四个交易日。统计分析表明,碰撞的数量和完成时间显著减少会话。这个改进的整体性能似乎与学习效果相关。主要的比较研究表明,精度和速度完成这项任务在生物条件明显优于手工和nonbiologic条件。 Since the speed control is automatic in the biological condition, less sensorimotor resources and mental workload of the teleoperators are required to complete the task. This aspect brings an advantage for the individuals, who can focus their attention on the guidance of the vehicle. Nevertheless, the fact that the nonbiological condition is significantly worse than the biological condition means that the automatic setting of the speed must replicate certain characteristics of the natural movement to be effective.

的比较原始的性能(速度和碰撞)辅以更先进的评估是基于机器人的运动学分析。车辆轨迹的曲率半径进行了分析,以评估运动的平滑。像原始性能,该参数显示的好处在机器人的实现类人行为的工作方式。幂律时的轨迹明显平滑集成到机器人比这个bioinspired模型不在时。值得注意的是,研究表明,生物法的优势会持续到实验的最后,假设一个更强的影响比学习效果的实现。这个结果表明,幂律和最小混蛋确实是彼此相关的。这样的结果支持研究倾向于表明2/3幂律是一个平滑的轨迹最优解决方案,因为它集混蛋的法向分量为零(32,39,41]。此外,似乎这法律满足最小作用原理,即完成轨迹所需的工作量最小,如果运动服从幂律(2/342]。这个观察是一致的遥控操作的一个实验表明,运动技能和绩效是负相关的心理工作负荷符合手术的外科医生在[43]。这一发现表明,机器人运动的平滑控制的经营者可以作为一种间接测量的工作负载。

此外,nonanthropomorphic机器人的控制是显著提高产物时表现的2/3次方依法支持中枢神经系统的假设(中枢神经系统)本法的起源21,44]。Viviani和Flash (32)描述幂律之间的相关性和运动预测,以计划和选择最好的轨迹。更准确地说,这些作者强调的估计轨迹几何必须访问的电动机控制系统部分预测运动的内部表示意图。这是一个运动的基本特征,需要程序的变化方向领先一步,为了克服延迟由于生物力学的惯性45]。这个运动协调似乎也发生在一个运动的执行由一个人工制品,这表明这种控制规则的特点是一个通用的组织行动的计划。这个观察是由三分之二幂律的复制与完全不同的移动机器人比人类(生物)力学,这将证实假设本法不依赖于周围生物力学因素(30.,46),但从一个内部发布模型的运动规划21,47]。

此外,人形运动学的运营商所观察到的移动设备也可以解释非生物的生物模式的优势。一些生物的观察实验表明,合理的运动促进了同步执行,的观察者,一致行动2,48]。镜像神经元,更具体地说行动观察网络(AON),似乎是参与这个过程(49]。事实上,一些神经成像研究表明,镜像神经元系统的激活区域由观察者的运动体验调制(50,51]。根据预测编码,最佳状态是各级最小预测误差的怡安,这是实现当观察到的行为匹配预测行为(基于visuomotor经验)尽可能(52,53]。

结论,重要的是,它并不总是一个优势自动化人工制品的一些参数的情况下的人机交互。我们的研究表明,人类的特性必须考虑创建适当的可用性规则。该方法是实现一个bioinspired行为自动化机器人的速度。案例研究的遥操作移动设备或机械臂,以人类为中心的方法似乎是有效的。在汽车行业目前的趋势是生产越来越多的自主车辆(54),在某种意义上与司机的意志矛盾,那些想要控制技术。我们的研究结果表明,建模和实现人类行为的机器,如三分之二幂律(23)或费茨定律(55),是一个有前途的替代方法的自动化关键过程的人工制品的工作方式。这种方法的优势来自这样一个事实:汽车表现为一个有机生命体可以很容易地理解和拨款由最终用户(36]。未来的工作将包括在探索其他方法基于机器学习和强化学习训练机器人获得类似人类的行为,同时,改善透明度为操作员提供远程控制的自然用户界面,如Kinect,与机器进行交互(17]。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是由美洲大学de Las Direccion de Investigacion将军。

引用

1. r·c·阿金和l . Moshkina在人机交互影响,乔治亚理工学院,2014。视图:出版商的网站
2. a . Kupferberg s Glasauer m·胡贝尔m . Rickert a·诺尔和t·布兰德,“生物运动增加接受人类伙伴的人形机器人运动互动,”大脑研究实验,26卷,不。4、339 - 345年,2011页。视图:出版商的网站|谷歌学术搜索
3. t . Chaminade d·富兰克林、大肠Oztop和g . Cheng“人类和人形机器人之间的运动干涉:生物和人工动作的影响,”诉讼的第四届国际会议上发展和学习大阪,页96 - 101年,日本,2005年。视图:出版商的网站|谷歌学术搜索
4. e . Oztop d·富兰克林·t·Chaminade和g . Cheng Human-humanoid交互:是仿人机器人视为人类?“在学报》第四届IEEE国际会议在人形机器人圣塔莫尼卡,页537 - 559年,CA,美国,2004年。视图:出版商的网站|谷歌学术搜索
5. j .窑f。c·汉密尔顿和s·j·布莱克莫尔干涉效应的观察到人体运动动作是由于生物运动的速度剖面,”社会神经科学,卷2,不。3 - 4、158 - 166年,2007页。视图:出版商的网站|谷歌学术搜索
6. s . Coradeschi h .石黑浩m . et al .,“Human-inspired机器人,”IEEE智能系统,21卷,不。4、74 - 85年,2006页。视图:出版商的网站|谷歌学术搜索
7. b·r·达菲“神人同形同性论和社会机器人,”机器人和自治系统,42卷,不。3 - 4、177 - 190年,2003页。视图:出版商的网站|谷歌学术搜索
8. y Rybarczyk, s·加勒内风,p . Hoppenot,大肠穿过公路,和d城区”的发展一个有效的人机合作机器人像人类行为,”学报第六届国际会议促进会的辅助技术在欧洲2001年,斯洛文尼亚卢布尔雅那。视图:谷歌学术搜索
9. y Rybarczyk, o .教唆者,p . Hoppenot和大肠贴画,“远程控制的仿生学机器人残疾人救助制度,“AMSE建模、测量和控制,卷63,不。4,47-56,2002页。视图:谷歌学术搜索
10. y Rybarczyk, d .城区p . Hoppenot和大肠贴画,“实现德韧d 'anticipation visuo-motrice en操控,”Le阵痛Humain,卷67,不。3、209 - 233年,2004页。视图:出版商的网站|谷歌学术搜索
11. y . p . Rybarczyk和d城区”效应的时间组织visuo-locomotor耦合预测转向,”心理学领域,3卷,2012年。视图:出版商的网站|谷歌学术搜索
12. r·格拉索s Glasauer y武井,a . Berthoz”预测的大脑:超前控制头的方向运动的指导,”NeuroReport,7卷,不。6,1170 - 1174年,1996页。视图:出版商的网站|谷歌学术搜索
13. j·p·r·m·威尔基,什么时候“目光固定在运动控制的角色,”杂志的视觉,3卷,不。9日,2003年。视图:出版商的网站|谷歌学术搜索
14. m . f .土地和d·n·李,“我们当我们引导在哪里?”自然,卷369,不。6483年,第744 - 742页,1994年。视图:出版商的网站|谷歌学术搜索
15. s . b . Shafiei l . Cavuoto k .大师,“运动技能评价符合手术,期间”美国第41机制和机器人技术会议美国,俄亥俄州克利夫兰,2017年。视图:出版商的网站|谷歌学术搜索
16. e . De Momi l . Kranendonk m·瓦伦蒂n . Enayati和g . Ferrigno”轨迹规划的神经网络方法robot-human交接任务,”机器人和人工智能前沿,3卷,2016年。视图:出版商的网站|谷歌学术搜索
17. h·苏n . Enayati l . Vantadori a . Spinoglio g . Ferrigno和e . De Momi”在线人形冗余优化遥控拟人化的操纵者,”国际先进的机器人系统杂志》上,15卷,不。6、2018。视图:出版商的网站|谷歌学术搜索
18. j . w . Kim Lee l . Peternel n . Tsagarakis和a . Ajoudani”先行机器人帮助预防人类的静态联合重载机器人协作,”IEEE机器人与自动化信件,3卷,不。1,第75 - 68页,2018。视图:出版商的网站|谷歌学术搜索
19. l . Peternel n Tsagarakis, A . Ajoudani“人机co-manipulation方法基于人类感觉运动信息,“IEEE神经系统和康复工程,25卷,不。7,811 - 822年,2017页。视图:出版商的网站|谷歌学术搜索
20. m·胡贝尔m . Rickert a . Knoll t·布兰德和s . Glasauer“人机交互在交接任务,”学报17 IEEE国际研讨会机器人和人类互动交流德国慕尼黑,页107 - 112,,2008。视图:出版商的网站|谷歌学术搜索
21. f . Lacquaniti c Terzuolo, p . Viviani”有关的法律画运动的运动学和借喻的方面,“Acta Psychologica,54卷,不。1 - 3、115 - 130年,1983页。视图:出版商的网站|谷歌学术搜索
22. p . Viviani r·施耐德,“发展研究几何学和运动学的运动之间的关系,“实验心理学杂志》:人类感知和性能,17卷,不。1,第218 - 198页,1991。视图:出版商的网站|谷歌学术搜索
23. d·卡瓦略Controlo remoto de嗯recurso项目无袖长衫com ao sistema Android(硕士论文)里斯本新大学,里斯本,葡萄牙,2015年,http://hdl.handle.net/10362/16548。
24. a . m . Jarc和i Nisky“机器人协助手术:一个新兴的人类神经科学研究平台,“人类神经科学前沿,9卷,2015年。视图:出版商的网站|谷歌学术搜索
25. f . Despinoy d . Bouget g .弗赖斯节et al .,“无监督轨道分割手术手势识别的机械训练,”IEEE生物医学工程,卷63,不。6,1280 - 1291年,2016页。视图:出版商的网站|谷歌学术搜索
26. y Rybarczyk, p . Hoppenot大肠贴画,d .城区“Sensori-motor拨款的产物:神经科学的方法,”人机Interaction-Getting近InTechOpen,页187 - 212年,伦敦,英国,2012年。视图:谷歌学术搜索
27. y Rybarczyk, d .城区p . Hoppenot和大肠贴画,”一个生物模型人机适应性评估,”AMSE建模、测量和控制,卷65,不。78年,23-33,2004页。视图:谷歌学术搜索
28. k·e·戈登·e·t·利维,n . p . Fey“残肢修订手术改变velocity-curvature耦合时步进和将施行截肢,”学报》第四十届IEEE工程国际会议在医学和生物学的社会火奴鲁鲁,嗨,美国,2018年。视图:出版商的网站|谷歌学术搜索
29. Schaal和d . Sternad”起源和侵犯的2/3幂律节奏手臂的三维运动,”大脑研究实验,卷136,不。1、60 - 72、2001页。视图:出版商的网站|谷歌学术搜索
30. p . l .蛀木水虱和d . j . o”起源的运动速度和曲率:幂律关系建模肢体肌肉力学和动力学的影响,“神经生理学杂志,卷76,不。5,2853 - 2860年,1996页。视图:出版商的网站|谷歌学术搜索
31. m . Zago电气自动方式,t . Flash, a . Gomez-Marin和f . Lacquaniti”speed-curvature权力运动定律:重新评价,“大脑研究实验,卷236,不。1,第82 - 69页,2018。视图:出版商的网站|谷歌学术搜索
32. p . Viviani t .闪光,“Minimum-jerk,三分之二幂律,isochrony:融合运动规划方法,”实验心理学杂志》:人类感知和性能,21卷,不。1,32-53,1995页。视图:谷歌学术搜索
33. d .嗯和t . j . Sejnowski。”弯曲的手部运动频谱权力的法律,”美国国家科学院院刊》上的美利坚合众国,卷112,不。29日,E3950-E3958, 2015页。视图:出版商的网站|谷歌学术搜索
34. m . Zago f . Lacquaniti和a . Gomez-Marin speed-curvature幂律果蝇幼虫运动。”生物学快报,12卷,不。10日,2016年。视图:出版商的网站|谷歌学术搜索
35. s . Vieilledent y Kerlirzin、美国Dalbera和a . Berthoz”速度和人体运动轨迹的曲率之间的关系,“神经学字母,卷305,不。1,第69 - 65页,2001。视图:出版商的网站|谷歌学术搜索
36. c . de 'Sperati和p . Viviani曲率之间的关系和速度在二维平滑追求眼球运动,”神经科学杂志》上,17卷,不。10日,3932 - 3945年,1997页。视图:出版商的网站|谷歌学术搜索
37. r . s .软炭质页岩和d·m·谢弗,”运动的幂律:行为的一个例子的错觉,“大脑研究实验,卷235,不。6,1835 - 1842年,2017页。视图:出版商的网站|谷歌学术搜索
38. r . s .软炭质页岩和d·m·谢弗,”幂律行为错觉:重新评估重估、”大脑研究实验,卷236,不。5,1537 - 1544年,2018页。视图:出版商的网站|谷歌学术搜索
39. s . b . Shafiei“内在约束应用到中枢神经系统在电机命令创建平滑的手部运动,”物理医学与康复档案,卷97,不。10篇文章e49 2016。视图:出版商的网站|谷歌学术搜索
40. p . Peruch和d .城区”桌面和头部浸:功能视野之间在车辆控制和导航在虚拟环境中,“存在:遥控机器人和虚拟环境,8卷,不。1,54 - 64年,1999页。视图:出版商的网站|谷歌学术搜索
41. 大肠托多罗夫和乔丹,“沿着一个预定义的路径平滑最大化准确地预测复杂的手臂运动的速度资料,”神经生理学杂志,卷80,不。2、696 - 714年,1998页。视图:出版商的网站|谷歌学术搜索
42. 美国列别捷夫、w·h·崔和p·范·德”绘画运动的结果至少行动的原则,“数学心理学杂志,45卷,不。1,43-52,2001页。视图:出版商的网站|谷歌学术搜索
43. k .大师,s . b . Shafiei汗,a·a·侯赛因·m·谢里夫和e . t . Esfahani”理解认知能力在机器人协助手术,”泌尿外科,卷86,不。4、751 - 757年,2015页。视图:出版商的网站|谷歌学术搜索
44. p . Viviani和n . Stucchi”生物运动制服:motor-perceptual交互的证据,”实验心理学杂志》:人类感知和性能,18卷,不。3、603 - 623年,1992页。视图:谷歌学术搜索
45. a . e . Patla s d·普伦蒂斯·c·罗宾逊和j .这本书“视觉运动控制:策略改变方向,越过障碍,”实验心理学杂志》:人类感知和性能,17卷,不。3、603 - 634年,1991页。视图:谷歌学术搜索
46. j .什么时候即Nimmo-Smith, a . m .翼”运动中速度和曲率之间的关系:等价和幂律和minimum-jerk模型之间的差异,”实验心理学杂志》:人类感知和性能,14卷,不。4、622 - 637年,1988页。视图:出版商的网站|谷歌学术搜索
47. j·t·梅西j . t . Lurito g . Pellizzer和a·p·乔治欧普罗斯”三维图纸在等距条件:几何学与运动学关系,“大脑研究实验,卷88,不。3、685 - 690年,1992页。视图:出版商的网站|谷歌学术搜索
48. m . Jeannerod“神经模拟行动:一个统一的运动认知的机制,”科学杂志,14卷,不。1,S103-S109, 2001页。视图:出版商的网站|谷歌学术搜索
49. g . Rizzolatti西尼格利亚和c”的功能角色parieto-frontal镜电路:解释和误解,”神经系统科学自然评论,11卷,不。4、264 - 274年,2010页。视图:出版商的网站|谷歌学术搜索
50. b . Calvo-Merino j . Grezes d·e·格拉泽r . e . Passingham p .憔悴,“看到或做什么?影响视觉和运动熟悉的观察,“当代生物学,16卷,不。19日,1905 - 1910年,2006页。视图:出版商的网站|谷歌学术搜索
51. e . s .交叉Kraemer, a·f·d·j·m·。c·汉密尔顿,w·m·凯利和s·t·格拉夫顿,“行动观察网络的灵敏度物理和观察学习,”大脑皮层,19卷,不。2、315 - 326年,2009页。视图:出版商的网站|谷歌学术搜索
52. a尼尔和j . m .窑”,什么是模拟行动观察网络当我们观察的行为?”欧洲神经科学杂志》上,32卷,不。10日,1765 - 1770年,2010页。视图:出版商的网站|谷歌学术搜索
53. m . b . schipper和c大尺度”,映射信息的流动在假定的镜像神经元系统姿态观测期间,“科学杂志卷,57号1,37-44,2011页。视图:出版商的网站|谷歌学术搜索
54. k·柯伦和j·李,“自主车辆,”计算机与信息科学,1卷,不。1,2008。视图:出版商的网站|谷歌学术搜索
55. 公元前j . v . draper贾里德,和m . w . Noakes机械手性能评估使用录制任务,”费茨”学报》第八届机器人局部会议和远程系统美国宾夕法尼亚州,匹兹堡,1999。视图:谷歌学术搜索

版权

版权©2019 Yves Rybarczyk•迪奥戈吉尔·卡瓦略。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。