使用深度强化学习预测空中交互动作和疲劳

空中交互的一个常见问题是过度的臂部疲劳，称为“大猩猩臂”效应。为了以低成本预测和预防此类问题，我们研究了在没有真实用户的情况下进行空中交互的用户测试，利用了通过深度强化学习（RL）训练的生物力学模拟AI代理。我们在指向任务和四种实验条件下实现了这一点，证明了模拟的疲劳数据与人类的疲劳数据相匹配。我们还比较了两种努力模型：1）在计算机动画和机器人学中常用的瞬时关节扭矩，以及2）来自生物力学文献的最近的三室控制器（3CC-）模型。3CC-产生了更有效且更放松的运动，而使用瞬时关节扭矩，RL代理可以轻易生成快速疲劳或仅缓慢且不准确地达到目标的运动。我们的工作表明，深度RL与3CC-相结合提供了一种可行的工具，可以在没有用户的情况下预测交互运动和用户体验。