[论文解读] A class of differential equations for merging movements' kinematic optimality with geometric invariance

Felix Polyakov|arXiv (Cornell University)|Sep 2, 2014

Motor Control and Adaptation参考文献 58被引用 1

一句话总结

本文提出了一类微分方程，用于建模具有几何不变性的运动学最优并道动作，确保任意阶数 n 的最大平滑性，同时保持路径上的恒定速度。这些方程的解——由几何度量（如等仿射弧长）定义——可作为几何运动基元的候选，其速度在特定变换下保持不变。

ABSTRACT

Neuroscientific studies of execution of the drawing-like movements usually analyze neural representation of either geometric (eg. direction, shape) or temporal (eg. speed) features of trajectories rather than trajectory’s representation as a whole. This work is about mathematical ideas behind splitting and merging geometric and temporal features which characterize biological movements. Movement primitives supposedly facilitate the efficiency of movements’ representation in the brain and comply with different criteria for biological movements, among them kinematic smoothness and geometric constraint. Criterion for trajectories’ “maximal smoothness” of arbitrary order n is employed, n = 3 is the case of the minimum-jerk model. I derive a class of differential equations obeyed by movement paths for which nth order maximally smooth trajectories have constant speed. The speed is invariant under a class of geometric transformations. Equations’ solutions presumably serve as candidates for geometric movement primitives. The speed here is defined as the rate of accumulating geometric measurement along the drawn path. The geometric measurement may be chosen to be an arc in certain geometry. For example the two-thirds power-law model corresponds to piece-wise constant speed of accumulating equi-affine arc. The derived c of differential equations consists of two parts. The first part is identical for all geometric parameterizations of the path. The second part is parametrization specific and is needed to identify whether a solution of the first part indeed represents a curve. Corresponding counter-examples are provided. Equations in different geometries in plane and in space and their known solutions are presented. The derived class of differential equation is a novel tool for discovering candidates for geometric movement primitives.

研究动机与目标

• 将生物运动的几何特征与时间特征统一于单一数学框架中。
• 识别同时满足运动学平滑性与几何不变性的运动基元。
• 推导出其解能产生恒定速度的轨迹、实现最大平滑路径的微分方程。
• 在运动平滑性（如最小抖动）与几何参数化（如等仿射弧长）之间建立正式联系。
• 为运动控制中识别候选几何运动基元提供一种新颖的数学工具。

提出的方法

• 推导出一类控制具有第 n 阶最大平滑性与恒定速度的运动路径的微分方程。
• 将微分方程分解为通用几何部分与特定参数化部分，以验证曲线的有效性。
• 将该框架应用于平面与空间中的多种几何结构，包括等仿射几何。
• 将两倍三分之一次幂律模型作为特殊情况，其中速度对应于等仿射弧长的恒定累积。
• 利用不同几何中已知的微分方程解来验证所提出的框架。
• 引入反例以证明参数化特定部分在确认有效曲线时的必要性。

实验结果

研究问题

• RQ1 如何在单一数学框架中统一生物运动的几何与时间特征？
• RQ2 哪些微分方程描述了第 n 阶最大平滑且保持恒定速度的轨迹？
• RQ3 在所提出的模型下，哪些几何变换能保持轨迹累积速度不变？
• RQ4 已知模型如两倍三分之一次幂律如何作为该框架中的特例出现？
• RQ5 何种条件可确保方程的几何部分解实际上代表一条有效曲线？

主要发现

• 推导出的微分方程类确保第 n 阶最大平滑轨迹在路径上保持恒定速度。
• 该速度在特定类别的几何变换下保持不变，从而保持轨迹的运动学最优性。
• 微分方程由通用几何部分与必须用于曲线验证的参数化特定部分组成。
• 等仿射几何中方程的解对应于两倍三分之一次幂律模型，其等仿射弧长累积速度为分段常数。
• 反例表明，仅靠几何部分不足以保证有效曲线的存在，凸显了参数化特定项的必要性。
• 该框架为在二维与三维空间的各种几何中识别候选几何运动基元提供了一种新颖的数学工具。