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,输入模型和运动学数据,输出控制量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。MocoInverse使用的运动数据是预设的关节角度。
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。
补充说明
结果可视化显示,在study.solve()之后,使用如下study.visualize(a)指令
# 求解配置好的问题,并将结果进行保存
solution = study.solve()
#进行可视化显示
study.visualize(solution)
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()