阅读量:2
MocoInverse通过Direct Collocation方式的轨迹优化解决了冗余执行器问题，进行执行器的控制，以实现精确规定的目标运动，以控制扭矩的平方或其他成本为最小化目标。
MocoInverse和MocoTrack用于解决标准问题，需要以模型和运动学数据作为输入，并产生控制和执行器状态作为输出，但两者解决的是不同的最优控制问题。
我们首先讨论MocoInverse的求解问题，使用肌肉骨骼模型，求解肌肉行为中的激活强度问题，并以提供的API脚本进行使用方法的演示。
MocoInverse的官方python脚本没有可视化动画界面，而MocoTrack有可视化动画界面。
在个示例中，我们将学习如何使用MocoInverse工具依据指定的运动，计算步行过程中的肌肉激活程度。这个示例分为两部分：第一部分不依赖于肌电（Electromyography, EMG）数据为cost，而第二部分则对一部分肌肉的肌肉行为进行了EMG数据的惩罚。
示例中，使用了osim.report可以自动生成所有状态和控制轨迹的PDF报告。这种自动化报告生成对于分析和展示模拟或优化结果非常有用，可以快速地将关键数据可视化并整合到一个易于分享的文档中。
import opensim as osim def solveMocoInverse(): # MocoInverse实例化 inverse = osim.MocoInverse() #使用ModelProcessor加载.osim肌肉骨骼模型 modelProcessor = osim.ModelProcessor('subject_walk_scaled.osim') #将地反力数据添加到模型中 modelProcessor.append(osim.ModOpAddExternalLoads('grf_walk.xml')) #关闭模型中所有肌肉的肌腱顺应性 modelProcessor.append(osim.ModOpIgnoreTendonCompliance()) #模型上肌肉使用DeGrooteFregly2016 modelProcessor.append(osim.ModOpReplaceMusclesWithDeGrooteFregly2016()) # 关闭模型中DeGrooteFregly2016Muscles的被动纤维力 modelProcessor.append(osim.ModOpIgnorePassiveFiberForcesDGF()) # 缩放模型中所有DeGrooteFregly2016Muscle的纤维力曲线宽度 modelProcessor.append(osim.ModOpScaleActiveFiberForceCurveWidthDGF(1.5)) # 使用基于函数的表示肌肉路径，该设置可以加快收敛速度， # 要了解如何为模型创建一组基于函数的路径，请参阅示例“examplePolynomialPathFitter.py”。 modelProcessor.append(osim.ModOpReplacePathsWithFunctionBasedPaths( "subject_walk_scaled_FunctionBasedPathSet.xml")) # 将备用执行器添加到模型中 modelProcessor.append(osim.ModOpAddReserves(1.0)) #将配置完成的模型选项给到MocoInverse实例中 inverse.setModel(modelProcessor) # 构造一个坐标数据的TableProcessor，并将其传递给mocoinverse。 # 可以通过向基础表添加 TableOperator 来以与 ModelProcessor 相同的方式使用 TableProcessor。 # 如我们这里的 TableProcessor 没有任何操作符，则简单地返回基础表。 #将运动学数据输入给mocoiverse inverse.setKinematics(osim.TableProcessor('coordinates.sto')) # 初始时间0.48s,终止时间1.61s,间隔为0.02s. inverse.set_initial_time(0.48) inverse.set_final_time(1.61) inverse.set_mesh_interval(0.02) # 默认情况下，运动学数据包含额外的列，Moco会报错。 # # 在这里，我们告诉Moco允许（并忽略）这些额外的列。 inverse.set_kinematics_allow_extra_columns(True) # 求解配置好的问题，并将结果进行保存 solution = inverse.solve() # 将求解的结果进行保存 solution.getMocoSolution().write('example3DWalking_MocoInverse_solution.sto') # 处理并获取模型 model = modelProcessor.process() # 生成包含数据结果的PDF文件，包含模型和求解数据结果 report = osim.report.Report(model, 'example3DWalking_MocoInverse_solution.sto', bilateral=True) # 生成报告文件 report.generate() def solveMocoInverseWithEMG(): # 初始化部分与上述相同 inverse = osim.MocoInverse() #使用ModelProcessor加载.osim肌肉骨骼模型 modelProcessor = osim.ModelProcessor('subject_walk_scaled.osim') #将地反力数据添加到模型中 modelProcessor.append(osim.ModOpAddExternalLoads('grf_walk.xml')) modelProcessor.append(osim.ModOpIgnoreTendonCompliance()) modelProcessor.append(osim.ModOpReplaceMusclesWithDeGrooteFregly2016()) modelProcessor.append(osim.ModOpIgnorePassiveFiberForcesDGF()) modelProcessor.append(osim.ModOpScaleActiveFiberForceCurveWidthDGF(1.5)) modelProcessor.append(osim.ModOpReplacePathsWithFunctionBasedPaths( "subject_walk_scaled_FunctionBasedPathSet.xml")) modelProcessor.append(osim.ModOpAddReserves(1.0)) inverse.setModel(modelProcessor) #将运动学数据加载到mocoiverse inverse.setKinematics(osim.TableProcessor('coordinates.sto')) inverse.set_initial_time(0.48) inverse.set_final_time(1.61) inverse.set_mesh_interval(0.02) inverse.set_kinematics_allow_extra_columns(True) # inverse初始化 study = inverse.initialize() # 构建problem，upd:update更新 problem = study.updProblem() # 以肌电平方差添加到损失函数 emgTracking = osim.MocoControlTrackingGoal('emg_tracking') #设置权重 emgTracking.setWeight(50.0) # 加载归一化的肌电数据 controlsRef = osim.TimeSeriesTable('electromyography.sto') # 根据峰值水平缩放三块肌肉的活动 soleus = controlsRef.updDependentColumn('soleus') gasmed = controlsRef.updDependentColumn('gastrocnemius') tibant = controlsRef.updDependentColumn('tibialis_anterior') #不同肌肉添加权重 for t in range(0, controlsRef.getNumRows()): soleus[t] = 0.77 * soleus[t] gasmed[t] = 0.87 * gasmed[t] tibant[t] = 0.37 * tibant[t] emgTracking.setReference(osim.TableProcessor(controlsRef)) #将模型中的执行器与肌电图中的列相关联 emgTracking.setReferenceLabel('/forceset/soleus_r', 'soleus') emgTracking.setReferenceLabel('/forceset/gasmed_r', 'gastrocnemius') emgTracking.setReferenceLabel('/forceset/gaslat_r', 'gastrocnemius') emgTracking.setReferenceLabel('/forceset/tibant_r', 'tibialis_anterior') problem.addGoal(emgTracking) # 求解配置好的问题，并将结果进行保存 solution = study.solve() solution.write('example3DWalking_MocoInverseWithEMG_solution.sto') # 将参考数据和求解的数据进行对比 controlsRef.removeColumn('medial_hamstrings') controlsRef.removeColumn('biceps_femoris') controlsRef.removeColumn('vastus_lateralis') controlsRef.removeColumn('vastus_medius') controlsRef.removeColumn('rectus_femoris') controlsRef.removeColumn('gluteus_maximus') controlsRef.removeColumn('gluteus_medius') controlsRef.setColumnLabels(['/forceset/soleus_r', '/forceset/gasmed_r', '/forceset/tibant_r']) controlsRef.appendColumn('/forceset/gaslat_r', gasmed) #保存求解的控制数据 osim.STOFileAdapter.write(controlsRef, 'controls_reference.sto') # 生成一份报告，对比有无EMG的MocoInverse结果 model = modelProcessor.process() output = 'example3DWalking_MocoInverseWithEMG_report.pdf' ref_files = [ 'controls_reference.sto', 'example3DWalking_MocoInverseWithEMG_solution.sto'] report = osim.report.Report(model, 'example3DWalking_MocoInverse_solution.sto', output=output, bilateral=True, ref_files=ref_files, colors=['black', 'blue', 'red']) # 生成报告文件 report.generate() # 求解基本问题，不使用EMG数据 solveMocoInverse() # 求解基本问题，使用EMG数据 solveMocoInverseWithEMG() 