项目重点探讨了实现生物运动控制技能中阻抗调制规律学习所需的关键技术问题,包括生物运动行为的感知和学习。特别地,提出的压缩传感支配的分层递阶结构的传感模型和实现技术,提供了一种适合模块化设计、分布式部署、网络化实现的多层次多线索协作生物运动行为感知模式;提出的运动协作基元合成分析方法,有助于精细地解析观测数据背后运动行为发生的模式,符合生物运动神经控制规律,是对生物运动控制技能学习方法的丰富和发展。此方面的研究为在仿生运动控制技能建模中,借鉴或模拟生物阻抗调制规律,提供参数化的描述模型。在智能系统的设计中,借鉴或模拟精致而复杂的生物运动神经阻抗调制规律,是实现拟人和仿生控制以及创建和谐人-机-环境的重要手段。生物阻抗调制规律是运动神经认知科学尚未解决的重要难题,项目提出的基于实例的学习方法,为仿生运动控制技能的参数化建摸提供了新的有效的途径,其理论意义和应用价值是十分明显的
英文主题词impedance modulation, motor skill, humanoid and biological control, machine learning