diff --git a/hci/undergraduate/content/chapter1.tex b/hci/undergraduate/content/chapter1.tex index 23ff5cf0..f7fbd509 100644 --- a/hci/undergraduate/content/chapter1.tex +++ b/hci/undergraduate/content/chapter1.tex @@ -1,112 +1,52 @@ +%!TEX root = ../hutbthesis_main.tex \chapter{绪论} -\section{研究背景与意义} - -智慧城市与智能交通发展背景下行人导航与控制系统在现代交通管理中作用重要。行人作为城市交通系统的重要组成部分其行为具有显著随机性和多样性给传统交通管理和路径规划方法带来诸多挑战，行人导航系统研究旨在通过实时路径优化与智能调控提升行人交通安全与出行效率。但传统导航方法多基于规则模型主要依赖静态预设参数，难以应对复杂动态环境中行人行为的快速变化，比如面对突发障碍物或密集交通流动时传统算法常无法快速调整路径规划或实时优化决策进而影响导航系统可靠性与安全性。 - -近年来人工智能技术快速发展，强化学习作为数据驱动的决策优化方法为行人导航领域提供全新思路，其通过智能体与环境交互学习最优策略能在动态环境中实现实时决策优化，特别适用于非线性非结构化的复杂场景。不过仅依靠强化学习技术难以全面解决行人导航问题，现实环境中数据采集的高成本高风险特性在实际应用中极大限制了强化学习的训练与推广。 - -\begin{figure}[H] - \centering - \begin{subfigure}{0.48\textwidth} - \includegraphics[width=\linewidth]{images/Unreal_Engine.pdf} - \end{subfigure} - \hfill - \begin{subfigure}{0.48\textwidth} - \includegraphics[width=\linewidth]{images/Carla.pdf} - \end{subfigure} - \caption{虚幻引擎和Carla} - \label{fig:CarlaUE} -\end{figure} - -本研究基于 Carla 利用虚幻引擎（Unreal Engine）这一高仿真度虚拟场景构建平台提供了解决实际环境数据采集困难的理想工具，如图 \ref{fig:CarlaUE}所示。该引擎既能生成复杂多样的动态环境也能模拟真实场景中行人行为的随机性和多样性，为强化学习智能体的训练与测试提供安全低成本的实验平台。如通过虚幻引擎模拟十字路口复杂交通场景可逼真再现行人与车辆的动态交互，为强化学习算法的优化与验证创造实验条件，且其支持生成视觉、惯性、语义信息等多种传感器数据进一步丰富了强化学习的训练数据来源。 - -本研究结合虚拟仿真技术和强化学习算法解决行人导航核心问题，包括精准建模动态环境下行人行为，行人行为受交通信号、周围车辆动态变化及其他行人行为等多种因素影响，建立能真实反映不同环境中行人决策逻辑的高精度行人行为模型是首要难题；高效结合虚拟仿真与强化学习，强化学习有效性依赖训练环境质量，虚幻引擎仿真能力为训练高效智能体提供可能，但设计能充分利用虚幻引擎生成的多样化数据的高效强化学习算法亟待解决；平衡路径规划效率与行人安全性，行人导航系统要提高路径规划效率并优先考虑行人安全，如在交通高峰期复杂场景中找到安全高效路径是研究重点。 - -智慧交通系统发展对行人导航系统提出更高要求，既需与车辆、交通信号灯等其他交通参与者无缝协作以优化交通系统运行效率，随着多智能体技术发展，行人导航系统研究也从单一智能体优化转向多智能体协作，通过多智能体协同作用提升导航效率与安全性是未来重要研究方向。 - -本研究引入虚幻引擎仿真能力与强化学习自适应策略优化能力试图突破上述问题，虚幻引擎的逼真场景和多样化数据为复杂行为建模和智能体训练提供支持，强化学习算法自适应优化能力使智能体可快速适应复杂动态环境变化，两者结合能为行人导航系统提供新理论和技术支撑，在智能交通、自动驾驶和城市规划等领域有广泛应用潜力。 +\section{研究背景及意义} +随着工业 4.0、智能驾驶、康复医疗、虚拟现实和人机协同作业不断发展，人机交互技术也在向更自然、更贴近人体、更高精度和更柔顺的方向进步，传统的电机驱动、手柄操作、按键输入和视觉定位等交互方式，虽然在生产和生活中使用得比较普遍，但是在贴合人体、动作还原、操作柔和度和反应速度等方面都有明显不足，很难满足康复练习、精细操作、沉浸式驾驶模拟等较高要求场景里人机配合的需要，肌肉驱动的生物力学人机交互技术是以人体生理运动为核心，通过模仿肌肉收缩、关节配合和力量传递的过程，把人体想要做的动作直接变成外部设备的控制指令，它具有操作自然顺畅、反应快、适用性好、安全性高等特点，已经成为新一代人机交互研究里比较受关注的方向\cite{guntupalli2026comparing}。MuJoCo 是目前国际上常用的多刚体动力学仿真工具，可以高效完成肌肉骨骼建模、接触动力学计算和力反馈仿真，为生物力学交互系统的开发提供了稳定可靠的仿真环境。User-in-the-Box 开源框架又把生物力学人体模型、交互任务、视觉感知模块进行了统一打包，支持指向、跟踪、旋转操作等常见交互任务的快速搭建，明显降低了肌肉驱动交互系统的开发难度，在这样的背景下，把方向盘操控这种很有代表性的人机交互任务作为研究对象，依靠 User-in-the-Box 框架和 MuJoCo 引擎，设计并做出一套带有视觉引导功能的肌肉驱动生物力学人机交互系统，并对它的控制精准度、稳定性和易用性进行完整测试，是有比较重要的理论意义和实际意义的。本研究在理论层面具备一定的参考意义，相关研究成果能够完善肌肉发力、关节活动与机械运作之间的动态关联规律，也能改良肌肉骨骼模型与旋转操作设备的适配形式，丰富生物力学和人机交互交叉领域的基础理论内容；同时，本研究也能为MuJoCo工具与User-in-the-Box方法在交互仿真场景中的运用，提供一套可复用的参考方案。在实际应用层面，本次设计的系统拥有较多适用场景，可应用于智能驾驶模拟实训、上肢功能损伤人群的康复训练、VR沉浸式操控体验、工业协作机器人柔性控制等多个领域；该系统能够有效提升人机交互的自然度、操作精准度与整体作业的安全性，也可以降低设备的操作门槛与日常训练的成本。除此之外，这套系统还能够当作机器人工程、智能装备、生物力学等相关专业的教学实验设备，可用于开展课程实践教学与学生创新实训活动，能够助力人机交互领域的人才培育和技术落地推广，整体具备不错的应用范围与推广意义\cite{wang2026jiyu}。 \section{国内外研究现状} +\subsection{国内研究现状} +国内的很多研究都会用到 MuJoCo 这一类公开的仿真平台，高校和科研团队会结合具体场景做简单实用的设计，也会用成本不高的方式实现对应的功能，在人体肌肉骨骼模型完善、控制方式改良、康复训练和驾驶模拟等方面都做出了不少有用的成果，国内机器人、康复医疗、智能交互等行业发展速度较快，关注肌肉驱动和人机交互方向的团队也变得越来越多，相关的研究项目逐年变多，研究内容也更偏向实际使用的需要。不少团队不再只看重理论上的创新，他们更在意方法能不能用、好不好实现，也希望用简单省事、开销较小的路径，做出运行稳定、效果可以达到要求的肌肉驱动交互系统。哈工大、清华、北航等高校会把主要精力放在人体肌肉骨骼模型的制作和肢体运动模拟上，研究人员会一遍遍调整模型构造和运动相关的数值，让模拟出来的动作和真人肢体动作更加接近，他们还会优化关节活动范围、肌肉受力传递方式等内容，让抓取、旋转、推拉这类动作看起来更自然，也能给后续的交互控制环节提供更可靠的运行条件，工作人员还会不断调试仿真数值，让模型抖动、位置偏移、姿态异常等情况尽量减少，让整体运动过程更平稳、更接近真实情况\cite{zhang2026shenjing}。 -近年来强化学习与虚拟仿真技术在智能交通和行人导航领域研究取得显著进展，从强化学习在行人导航中的应用、虚幻引擎在智能体训练中的作用以及行人导航的挑战与发展趋势三方面进行综述。 - -\subsection{强化学习在行人导航中的应用} - -强化学习（Reinforcement Learning, RL）是一种通过智能体与环境交互学习最优策略的方法，近年来在交通系统优化和行人导航中得到了广泛应用。与传统路径规划方法相比，强化学习不仅可以应对动态环境，还能通过不断训练提高系统性能，展现了较高的自适应性和优化能力。强化学习技术在交通信号控制取得重要成果，钱立军等\cite{qian2024sac}基于 SAC 算法优化多交叉口交通信号控制提升交通通行效率，为动态环境复杂信号调度提供新思路，Arulkumaran等\cite{arulkumaran2017deeprl}系统阐述了深度强化学习在动态决策中的理论优势,Wei 等\cite{wei2021survey}综述强化学习在交通信号控制研究进展指出深度强化学习（Deep Reinforcement Learning, DRL）解决非线性优化问题优势适用于实时动态交通场景；在路径规划领域应用广泛，陶幸等\cite{tao2024motion}提出基于惯性传感器免对准动作捕捉方法为动态场景行人行为建模提供技术支持，Chen 等\cite{chen2018ionet}结合深度学习与强化学习技术设计基于因果推理路径优化方法引入因果关系提升智能体在动态环境适应能力；深度强化学习为路径规划研究注入新动力，Mnih 等\cite{mnih2013dqn}首次提出深度 Q 学习（Deep Q - Learning, DQN）算法将深度神经网络引入强化学习框架提升其在高维状态空间表现能力；在多智能体协作问题广泛研究，Clifton等\cite{clifton2020qlearning}系统论证了Q-learning算法在动态决策中的理论优势，Lian 等\cite{lian2023inverseql}设计基于离线 Q 学习多智能体协作算法解决复杂动态场景全局优化问题,Zhang等\cite{zhang2019pedestrian}提出的行人安全感知信号控制策略,Yazdani等\cite{yazdani2023ivpl}开发的IVPL系统进一步验证了深度强化学习在行人优先信号控制中的有效性，厦门路桥信息\cite{xiamen2025}开发的碰撞预测系统通过多智能体实时交互，将高风险路口预警准确率提升至89\%。Luo等\cite{luo2023adaptive}提出的自适应道路配置算法通过分布式强化学习范式，在行人流量动态调整中实现了49.55\%的计算成本优化。 - -\subsection{虚幻引擎在智能体训练中的作用} - -虚幻引擎作为高仿真虚拟场景构建工具为复杂动态环境下强化学习算法训练和验证提供高效实验平台，借由强大虚拟仿真能力和多样化场景支持成为智能体训练测试重要工具。 - -1. \textbf{虚幻引擎在视觉导航研究中的应用：} 虚幻引擎在视觉导航研究应用广泛，Redmon等\cite{redmon2017yolo9000}通过虚幻引擎生成增强数据训练 YOLO 目标检测模型,Mourikis 等\cite{mourikis2007msckf}结合虚幻引擎构建视觉惯性导航系统并通过多状态约束卡尔曼滤波（MSCKF）算法优化路径规划，Howard等\cite{howard2017mobilenets}提出的轻量化网络为实时目标检测提供了重要技术支持,Campos 等\cite{campos2021orbslam3}提出的 ORB-SLAM3 算法利用虚拟场景数据显著提升视觉建图与定位的鲁棒性和精度为复杂动态环境中的导航提供有力支持，DSR-YOLO模型\cite{dsryolo2025}通过集成DCNv4和SimAM注意力机制，在CityPersons数据集上实现70.25\%的mAP@50。STI-Bench基准测试\cite{sti2025}显示当前多模态大模型在时空量化任务中平均准确率不足42\%。 - -2. \textbf{虚幻引擎在路径规划中的贡献：} 虚幻引擎于路径规划研究表现重要作用，Guo 等\cite{guo2020pdr}结合虚幻引擎动态仿真能力提出基于 PDR/UWB 融合的导航系统用于复杂环境行人路径优化，Wang 等\cite{wang2023llio}通过虚幻引擎构建高仿真交通场景训练强化学习智能体路径规划策略验证其在强化学习训练中的高效性和低成本特性。 - -3. \textbf{虚幻引擎与目标检测的结合：} 虚幻引擎还被用于目标检测与路径规划结合研究，Redmon 等\cite{redmon2017yolo9000}通过虚幻引擎生成增强数据训练 YOLO 目标检测模型提高目标检测在复杂场景中的表现能力，Ren等\cite{ren2017fasterrcnn}提出的目标检测框架为动态障碍物识别提供了新思路,Zhang等\cite{zhang2023shapeiou}提出的Shape-IoU指标为动态障碍物检测精度评估提供了更优的度量标准，Simonyan 和 Zisserman 等\cite{simonyan2014action}进一步研究虚幻引擎对深度学习模型的优化作用为复杂交通场景下的行为预测提供理论支持。 +上海交大、北理工、华南理工等高校会把研究重心放在控制算法的改良上自适应控制、模糊 PID、低成本信号处理等方面做出了有自身特点的成果，这些团队会针对肌肉信号容易变动、容易被外界影响、不同人之间差别较大等情况，提出多种改良后的算法，让控制的准确程度和反应速度得到提升，这些算法可以在配置一般的设备上运行，整体花费更低，可以使用的场景也更多，适合在普通实验环境里开展验证工作，不需要搭配价格较高的采集设备，也能帮助肌肉驱动交互技术被更多人使用。这些算法的改进目标大多是降低反应时间、缩小动作偏差、让运动过程更顺滑，在实验环境里可以得到比较理想的效果，也能给实际系统的开发提供可以参考的技术方式\cite{wang2026jiyu}。 -4. \textbf{虚幻引擎在多智能体协作中的应用：} 虚幻引擎的仿真能力在多智能体协作研究中广泛应用，Bochkovskiy 等\cite{bochkovskiy2020yolov4}开发基于虚幻引擎的交通流量仿真工具验证多智能体协作算法有效性，Campos 等\cite{campos2021orbslam3}通过虚拟场景数据验证智能体在多智能体协作场景中的优化表现为行人导航系统的多智能体研究提供重要支持,Liu等\cite{liu2020tlio}通过紧耦合学习方法改进了惯性里程计精度。 +哈工程、中山大学等单位会把肌肉驱动技术用在船舶驾驶模拟、康复机器人等真实场景中，技术可以模仿人体肌肉发力的状态来完成操作控制，驾驶训练的效果会得到提升，康复治疗的过程也会变得更安全、更舒适，肌肉驱动用在驾驶模拟中可以让操作感受更真实，也能提升练习者的沉浸体验，用在康复训练中可以温和带动肢体活动，能降低再次受伤的可能性，这些研究都给肌肉驱动交互系统用到实际场景打下了基础，也让相关技术慢慢从实验室走向可以真实使用的阶段，研究人员还能在真实场景测试中发现更多问题，这些问题在单纯仿真环境里不容易被察觉，可以据此继续完善模型和算法，让整个系统运行得更稳定。 -虚幻引擎为强化学习算法设计训练与验证提供有力支持，在视觉导航路径规划与多智能体协作中的应用展现巨大潜力。 +但是从整体情况来看，国内相关研究还存在不少比较明显的问题，大部分研究只会针对某一个模型、某一种算法或者某一个场景展开，研究内容比较零散，整体的连贯性较差，各个模块之间缺少统一的对接方式，很多研究只会关注其中一个部分，要么只完善模型，要么只优化算法，很少把模型、控制、反馈、评测等内容整合到一起形成完整系统。同时，可以把肌肉驱动、视觉引导、方向盘精准控制结合起来的完整仿真系统并不多，相关研究数量少，成熟程度也不高，很多研究没有统一通用的框架作为支撑，可重复使用性和拓展能力较差，一个场景的研究成果很难快速用到其他场景中，整体研究效率也会受到影响。 -\subsection{行人导航的挑战与发展趋势} +除此之外，不少研究成果还停留在实验仿真阶段，和真实场景的结合程度不高，多种信息的融合效果也不够好，信号处理、视觉反馈、动作控制等环节的配合不够顺畅，数据不同步、反应不及时、反馈不清晰等情况经常出现，这些问题都会限制肌肉驱动人机交互系统在真实驾驶模拟、康复训练等场景中的使用和推广。国内研究在标准化、整体化、工程化等方面还存在明显不足，缺少像国外成熟框架那样完整的工具链条，研究人员需要花费大量时间处理基础问题，很难把主要精力放在关键技术创新上。总的来说，国内肌肉驱动与人机交互相关研究已经有不错的发展基础，也形成了自身的发展特点，但是在系统整合、场景适配、工程落地等方面还有较大的提升空间，这也给本文依托成熟开源框架进行方向盘操控和精度测试的研究，提供了实际的研究需要和研究意义。 +\subsection{国外研究现状} +国外在生物力学建模、肌肉驱动仿真和人机交互领域的起步时间相对更早，整体的理论体系和技术方法都经过长期发展，变得更加成熟完善，大量基础工具和关键技术都由国外科研团队最先提出并不断完善。早期的研究人员会通过计算机仿真方式还原人体肌肉和骨骼的真实运动状态，相关研究会为后续肌肉驱动交互系统的设计提供稳定的基础，随着仿真技术和硬件设备的不断升级，国外相关研究也慢慢从简单动作模仿，转向更加真实、更加稳定的交互控制方向。MIT 团队推出的 MuJoCo 物理引擎，是该领域具有代表性的仿真工具，这款引擎可以高效处理多关节运动和接触碰撞问题，还能较好还原肌肉和关节之间的力传递过程，稳定的计算效果让它成为肌肉骨骼仿真研究中的常用工具，全球各地的研究团队都会借助这一引擎开展相关实验\cite{sitaram2026biomechanical}。在这类通用仿真平台的支持下，肌肉运动仿真的真实感和计算速度都得到明显提升，整个领域的研究推进速度也变得更快。 -行人导航技术虽取得显著进展但在复杂动态环境中仍存复杂行为建模、动态环境适应性及多智能体协作优化等诸多挑战。 +斯坦福大学、慕尼黑工业大学、苏黎世联邦理工学院等高校的科研团队，都会围绕人体肌肉骨骼模型搭建、肌肉信号处理、力反馈控制等方向开展大量研究工作，研究人员会不断优化模型结构，调整信号处理方式，改进对应的控制策略，交互过程的精准程度和动作的真实程度都会得到相应提升\cite{liu2026enhancing}。国外团队大多重视研究成果的通用性和可复用性，很多研究团队会把成熟的模型和算法打包成通用工具，这些共享的资源可以让更多研究者快速开展实验，也让整个领域的发展速度得到有效提升。经过持续的优化与改进，肌肉驱动控制系统的响应速度变得更快，控制误差可以进一步减小，运动过程的流畅性和稳定性也能逐步满足日常实验的基本要求。 -1. \textbf{行人行为的复杂建模：} 行人行为具显著多样性与随机性，赵靖等\cite{zhao2014crossing}提出基于动态信号优化的行人过街模型通过行为建模提升信号控制效率与安全性，Foxlin 等\cite{foxlin2005tracking}设计基于惯性传感器的行人轨迹跟踪方法为复杂行为建模提供技术支持。长沙智慧信号灯系统\cite{changsha2021}通过LED动态提示和900万像素违法抓拍单元显著减少路口事故，Zhang等\cite{zhang2025traffic}开发的MFS-MSTD模型在非随机缺失场景下流量修复误差降低52\%。 +国际团队搭建完成的 User-in-the-Box 框架，还可以把生物力学人体模型、交互任务、视觉感知等多个部分整合在一起，整套系统具备标准化的仿真流程和调用方式。该框架可以完成指向操作、轨迹跟踪、设备操控等多种常见的人机交互任务，还能结合强化学习方法自动优化交互策略，框架的整体结构、模块划分和运行逻辑，都能为本文的研究内容提供直接参考。这一框架降低了生物力学仿真的使用难度，研究者可以把更多精力放在控制逻辑和交互效果上，不用花费大量时间重复搭建基础模型，肌肉驱动交互相关的研究也可以更顺利地开展下去\cite{renganathan2026simulation}。 -2. \textbf{动态环境的实时适应：} 动态环境不确定性对导航系统提出更高要求，Herath 等\cite{herath2020ronin}通过视觉信号优化路径规划使智能体实时适应动态障碍物变化，Dai等\cite{dai2017temporalcontext}提出的时序上下文网络为动态行为预测提供了新方法，Wang 等\cite{wang2013densetrajectory}提出基于强化学习的信号优化方法在动态环境中提升系统鲁棒性,Reid等\cite{reid1980tracking}提出的多目标跟踪算法为动态障碍物预测提供了理论基础。 +在方向盘、操纵杆等旋转类操控设备的交互研究中，国外团队已经推出将肌肉驱动、力反馈和视觉引导结合在一起的完整系统，这些系统可以完成稳定的角度跟踪和连续操控任务，仿真真实感和操作流畅度都能达到较好水平，还可以完成转向、角度保持、自动回正等一系列常规操作任务\cite{liu2026actuation}。但是这类系统也存在一定的短板与不足，系统整体的搭建成本和运行成本偏高，对硬件和软件的配置要求也相对更高，模型和操控设备之间的定制化配合程度不够理想，在更换不同实验场景时需要重新调整大量参数，无法做到快速切换与适配。部分系统过度追求高精度表现，实用性和普及性没有得到足够重视，普通实验环境很难完整复现相关实验，这些现存问题都为后续研究提供了可以改进和优化的方向。 -3. \textbf{多智能体协作的优化：} 复杂交通场景中多智能体协作优化问题尤为重要，Lian 等\cite{lian2023inverseql}通过强化学习实现多智能体高效协作提高全局路径规划效率，Campos 等\cite{campos2021orbslam3}利用虚幻引擎验证多智能体协作优化算法在复杂场景中的应用价值。叶军华\cite{ye2023fusion}提出的多传感器融合定位算法将室内定位误差降低至3米以内。 +从整体发展情况来看，国外相关研究起步早、积累充足、通用工具更加成熟，在模型精准程度、算法稳定程度和系统完整程度上都具备一定的领先优势，也为肌肉驱动人机交互领域提供了大量可以参考的思路与方案。同时，国外研究在平台搭建和标准制定方面的探索更加成熟，逐步形成完整的工具链和开发体系。但是系统成本偏高、定制化配合不足、场景适配不够灵活等问题依旧存在，这也为本文依托通用开源框架，搭建成本更低、运行更稳定、便于开展精度测试的方向盘肌肉驱动控制系统，提供了清晰的研究切入点和实际的研究意义。 +\subsection{研究综述} -4. \textbf{未来研究趋势：} 未来行人导航研究将朝以下方向发展：基于多源数据的复杂行为建模与优化；提升强化学习智能体在动态环境中的泛化能力；多智能体协作优化在虚拟仿真环境中的深度应用。 +综合对国内外研究情况的整理可以发现，国外相关研究在基础模型搭建、算法运行效果、平台成熟程度上都有较好的表现，但是也存在通用性太高、针对性适配不够、实际部署花费较大等问题，国内研究则在实际场景使用、低成本实现、工程化应用等方面更有优势，不过在理论体系完整度、标准化水平和跨场景使用能力上还需要进一步提高，当前肌肉驱动人机交互系统大多存在不同人群适配效果不好、多种信息融合不够、操控精准度和稳定性不能同时保证等问题，面对这些研究中存在的不足，本课题以方向盘视觉引导操作为研究目标，借助 User-in-the-Box 框架和 MuJoCo 引擎，搭建一体化的肌肉驱动生物力学人机交互系统，重点改善系统的控制精准度、反应速度和使用便捷度，以此弥补现有技术存在的缺陷。 +\section{研究内容与组织架构} +本研究把肌肉驱动的生物力学人机交互系统当作研究对象，主要围绕方向盘的视觉引导操作和精度测试进行探究，研究内容主要包含四个方面，一是借助 User-in-the-Box 框架和 MuJoCo 引擎，直接使用框架里自带的人体上肢肌肉骨骼模型与方向盘模型，完成模型的载入、位置调整和交互绑定，让肌肉激活信号可以带动方向盘进行转动，二是设计视觉引导模块和肌肉驱动控制算法，实现动态目标角度的生成、实时画面反馈，还有包含增益、死区、滤波、饱和限制在内的非线性对应关系，让操作过程更加顺畅和准确，三是运用 Python 语言完成仿真载入、肌肉控制、轨迹生成、数据收集、精度评测等模块的整合开发，搭建出可以稳定复现的完整实验系统，四是制定多方面的测试方案，开展功能测试、控制精度测试和稳定性测试，运用 MAE、RMSE、响应延迟、漂移量等指标对系统性能进行量化评测，并完成结果的整理与分析。 -\section{研究内容与创新} +第 1 章是绪论，主要说明研究的背景与意义，整理国内外相关研究情况，确定研究内容和论文的整体结构。 -本研究聚焦 "基于虚幻引擎的行人强化学习控制与导航系统" 展开，针对复杂动态交通环境中行人智能导航问题，运用虚拟仿真平台 Carla 与强化学习算法构建可训练、可评估、可扩展的智能导航系统。具体研究内容如下： +第 2 章介绍相关的理论基础和关键技术，包括上肢生物力学、MuJoCo 仿真引擎、User-in-the-Box 框架、视觉引导以及精度评测指标等内容。 -1. \textbf{构建高仿真虚拟行人导航环境} 基于虚幻引擎与 Carla 平台构建高仿真虚拟行人导航环境，通过模拟城市道路结构、交通信号、车辆动态、障碍物变化等因素建立支持多场景切换的训练测试环境，形成高逼真度虚拟实验平台为智能体学习提供真实感知基础。 +第 3 章进行系统的整体设计，开展需求分析，搭建模块化的系统架构，确定开发环境和使用工具。 -2. \textbf{设计多行为控制与骨骼建模系统：} 设计多行为控制与骨骼建模系统，借助 Carla 平台控制 API 及骨骼动画控制机制实现行人单向行走、过马路、来回走动等基础行为建模和动态路径更新，提升系统对多样化行人行为的响应能力。 +第 4 章完成肌肉驱动生物力学模型的搭建与实现，包括人体肌肉骨骼模型、方向盘模型以及肌肉和方向盘耦合驱动的设计与检验。 -3. \textbf{引入并比较多种强化学习算法：} 引入 PID 控制、DQN 算法、PPO 算法三种强化学习控制策略，在避障成功率、路径规划效率、模型稳定性等方面对比其性能表现，通过实验评估算法在动态环境中的适应性与可推广性。 +第 5 章完成视觉引导与控制算法的设计和实现，包括算法开发、视觉界面制作和系统联合调试。 -4. \textbf{构建可解释性奖励函数体系：} 结合行人实际行为及交通安全需求构建可解释性奖励函数体系，设计融合目标达成、路径跟踪、安全避障、时间效率等因素的多维奖励函数，增强模型对复杂目标的理解与优化能力。 +第 6 章进行系统测试与精度分析，制定实验方案并对测试结果进行对比和研究。 -5. \textbf{实现系统性能评估与可视化展示：} 开展系统性能评估与可视化展示工作，通过仿真实验分析不同算法控制下的导航路径、碰撞率、目标达成时间等指标，利用图像增强与日志分析技术对行人导航过程进行可视化呈现，为后续系统优化与部署提供辅助支持。 - -本研究创新性体现在： - -1. \textbf{融合虚拟仿真与强化学习：} 融合虚拟仿真与强化学习搭建低成本高精度训练平台，借助虚幻引擎生成可控多样场景，解决传统现实数据采集难度大、风险高的问题，实现强化学习模型安全训练与快速迭代。 - -2. \textbf{提出动态加权融合路径规划机制：} 在 PID 控制中设计目标向量与避障向量的动态加权机制，结合雷达感知与环境反馈提升行人智能体对突发障碍的响应能力。 - -3. \textbf{构建多维奖励函数促进多目标导航优化：} 基于导航目标与交通安全性构建复合奖励函数体系，兼顾目标达成速度、路径偏差、避障效果与行走合理性，推动智能体学习策略从单一任务导向转向多目标协同优化。 - -4. \textbf{完成 DQN 与 PPO 两种主流强化学习算法在复杂交通环境中的对比分析：} 首次在 Carla 行人控制任务中系统对比两类深度强化学习方法的表现，提出适用于动态城市环境的稳定策略优化路径。 - -通过上述研究，该系统展示了虚拟仿真与强化学习在智慧交通中的深度融合潜力，为未来多智能体行人交通协同控制提供理论参考与实验平台支撑。 - -\section{论文组织架构} - -本论文以 "基于虚幻引擎的行人强化学习控制与导航系统" 为主题，针对智慧城市交通场景下复杂行人导航问题展开研究，内容涵盖仿真平台构建、强化学习算法实现、导航系统设计、实验验证与未来发展等方面。 - -\begin{figure}[H] +第 7 章是总结与展望，对研究成果进行归纳，指出研究的不足之处，并对今后的改进方向进行展望，如图~\ref{fig:structure}为本论文的结构框架图。 +\begin{figure}[htbp] \centering - \includegraphics[width=0.8\textwidth]{images/tech_route.pdf} - \caption{论文技术路线图} - \label{fig:techroute} + \includegraphics[width=0.8\textwidth]{image_1.png} + \caption{论文结构框架图} + \label{fig:structure} \end{figure} - -图\ref{fig:techroute} 展示了本文的整体技术路线，按照“需求分析—平台搭建—算法实现—系统设计—性能评估—未来拓展”的顺序展开，形成一条从理论研究到系统落地的闭环路径。通过虚拟仿真场景设计与Carla平台集成，实现复杂交通场景下的动态障碍物建模与多传感器数据融合；在此基础上实现PID、DQN与PPO等多种强化学习策略控制，并进行对比分析；最终完成行人导航系统的完整功能设计与实验验证，为未来在真实场景中的迁移与多智能体协作提供技术支撑，详细解释如下： - -1. \textbf{虚拟仿真环境搭建}：基于虚幻引擎与 Carla 平台构建面向行人导航的高保真虚拟仿真场景，包括虚拟城市环境生成、动态障碍物模拟、多传感器信息建模与数据融合，为强化学习智能体提供训练环境基础。 - -2. \textbf{强化学习算法实现}：强化学习算法实现部分介绍 PID 控制、DQN 算法与 PPO 策略训练的原理及实现过程，通过对比不同控制策略在复杂环境中的适应性与学习效率为后续导航系统算法选择提供依据。 - -3. \textbf{行人导航系统设计}：行人导航系统设计围绕行人路径规划与避障问题构建多维奖励函数体系、路径规划模块及避障协同机制，同时建立骨骼控制与行为建模方法并引入动态权重融合策略以提升导航策略的稳定性与效率。 - -4. \textbf{实验验证与性能评估}：实验验证与性能评估环节通过仿真实验对导航精度、避障成功率、路径效率及实时控制性能进行综合分析，评估不同控制算法在复杂场景下的性能差异及系统整体运行效果。 - -5. \textbf{未来研究方向}：结合当前成果与系统运行反馈提出未来研究拓展方向，包括多智能体协作机制、传感器系统增强、复杂场景泛化能力提升及算法在硬件部署中的适应性问题。 - diff --git a/hci/undergraduate/content/reference.bib b/hci/undergraduate/content/reference.bib index 588035ad..fad20274 100644 --- a/hci/undergraduate/content/reference.bib +++ b/hci/undergraduate/content/reference.bib @@ -1,338 +1,308 @@ -@article{qian2024sac, - author = {钱立军 and 宣亮 and 陈健 and others}, - title = {基于SAC算法的多交叉口交通信号控制研究}, - journal = {天津大学学报(自然科学与工程技术版)}, - year = {2024}, - volume = {57}, - number = {1}, - pages = {105--111} -} - -@article{wei2021survey, - author = {Wei, H and Zheng, G and Gayah, V and others}, - title = {Recent advances in reinforcement learning for traffic signal control: A survey of models and evaluation}, - journal = {ACM SIGKDD Explorations Newsletter}, - year = {2021}, - volume = {22}, - number = {2}, - pages = {12--18} -} - -@article{tao2024motion, - author = {陶幸 and 俞帆山 and 宋越杰 and others}, - title = {基于惯性传感器的免对准动作的人体上肢运动捕捉方法}, - journal = {飞控与探测}, - year = {2024}, - volume = {7}, - number = {2}, - pages = {28--35} -} - -@inproceedings{chen2018ionet, - author = {Chen, Chao and Lu, Xiaoxuan and Markham, Andrew}, - title = {IONet: Learning to cure the curse of drift in inertial odometry}, - booktitle = {Proceedings of the 32nd AAAI Conference on Artificial Intelligence}, - year = {2018}, - pages = {3146--3152}, - location = {New Orleans, USA}, - series = {AAAI'18} -} - -@inproceedings{herath2020ronin, - author = {Herath, S and Yan, H and Furukawa, Y}, - title = {RoNIN: Robust neural inertial navigation in the wild: Benchmark, evaluations, \& new methods}, - booktitle = {Proceedings of the 2020 IEEE International Conference on Robotics and Automation (ICRA)}, - year = {2020}, - location = {Paris, France}, - pages = {3146--3152} -} - -@article{liu2020tlio, - author = {Liu, W and Caruso, D and Ilg, E and others}, - title = {TLIO: Tight learned inertial odometry}, - journal = {IEEE Robotics and Automation Letters}, - year = {2020}, - volume = {5}, - number = {4}, - pages = {5653--5660} -} - -@article{mnih2013dqn, - author = {Mnih, V and Kavukcuoglu, K and Silver, D and others}, - title = {Playing Atari with deep reinforcement learning}, - journal = {arXiv preprint arXiv:1312.5602}, - year = {2013}, - eprint = {arXiv:1312.5602} -} - -@article{yazdani2023ivpl, - author = {Yazdani, M and Sarvi, M and Bagloee, S A and others}, - title = {Intelligent vehicle pedestrian light (IVPL): A deep reinforcement learning approach for traffic signal control}, - journal = {Transportation Research Part C: Emerging Technologies}, - year = {2023}, - volume = {149}, - pages = {103991} -} - -@article{zhang2019pedestrian, - author = {Zhang, Y and Zhang, Y and Su, R}, - title = {Pedestrian-safety-aware traffic light control strategy for urban traffic congestion alleviation}, - journal = {IEEE Transactions on Intelligent Transportation Systems}, - year = {2019}, - volume = {22}, - number = {1}, - pages = {178--187} -} - -@inproceedings{mourikis2007msckf, - author = {Mourikis, A I and Roumeliotis, S I}, - title = {A multi-state constraint Kalman filter for vision-aided inertial navigation}, - booktitle = {Proceedings of the IEEE International Conference on Robotics and Automation}, - year = {2007}, - location = {Rome, Italy}, - pages = {3565--3572} -} - -@article{zhao2014crossing, - author = {赵靖 and 马万经 and 杨晓光}, - title = {考虑下游交叉口的路段行人过街优化控制模型}, - journal = {同济大学学报(自然科学版)}, - year = {2014}, - volume = {42}, - number = {10}, - pages = {1536--1542} -} - -@article{foxlin2005tracking, - author = {Foxlin, E}, - title = {Pedestrian tracking with shoe-mounted inertial sensors}, - journal = {IEEE Computer Graphics and Applications}, - year = {2005}, - volume = {25}, - number = {6}, - pages = {38--46} -} - -@article{campos2021orbslam3, - author = {Campos, C and Elvira, R and Rodr{\'i}guez, J J G and others}, - title = {ORB-SLAM3: An accurate open-source library for visual, visual-inertial, and multimap SLAM}, - journal = {IEEE Transactions on Robotics}, - year = {2021}, - volume = {37}, - number = {6}, - pages = {1874--1890} -} - -@article{guo2020pdr, - author = {Guo, S and Zhang, Y and Gui, X and others}, - title = {An improved PDR/UWB integrated system for indoor navigation applications}, - journal = {IEEE Sensors Journal}, - year = {2020}, - volume = {20}, - number = {14}, - pages = {8046--8061} -} - -@article{wang2023llio, - author = {Wang, Y and Kuang, J and Niu, X and others}, - title = {LLIO: Lightweight learned inertial odometer}, - journal = {IEEE Internet of Things Journal}, - year = {2023}, - volume = {10}, - number = {3}, - pages = {2508--2518} -} - -@inproceedings{simonyan2014action, - author = {Simonyan, K and Zisserman, A}, - title = {Two-stream convolutional networks for action recognition in videos}, - booktitle = {Advances in Neural Information Processing Systems}, - year = {2014} -} - -@article{bochkovskiy2020yolov4, - author = {Bochkovskiy, A and Wang, C Y and Liao, H}, - title = {YOLOv4: Optimal speed and accuracy of object detection}, - journal = {arXiv preprint arXiv:2004.10934}, - year = {2020}, - eprint = {arXiv:2004.10934} -} - -@article{arulkumaran2017deeprl, - author = {Arulkumaran, K and Deisenroth, M P and Brundage, M and others}, - title = {Deep reinforcement learning: A brief survey}, - journal = {IEEE Signal Processing Magazine}, - year = {2017}, - volume = {34}, - number = {6}, - pages = {26--38} -} - -@article{ren2017fasterrcnn, - author = {Ren, S and He, K and Girshick, R and others}, - title = {Faster R-CNN: Towards real-time object detection with region proposal networks}, - journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence}, - year = {2017}, - volume = {39}, - number = {6}, - pages = {1137--1149} -} - -@article{redmon2017yolo9000, - author = {Redmon, Joseph and Farhadi, Ali}, - title = {YOLO9000: Better, faster, stronger}, - journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence}, - year = {2017}, - volume = {39}, - number = {6}, - pages = {6517--6525} -} - -@article{reid1980tracking, - author = {Reid, D B}, - title = {An algorithm for tracking multiple targets}, - journal = {IEEE Transactions on Automatic Control}, - year = {1980}, - volume = {24}, - number = {6}, - pages = {843--854} -} - -@article{howard2017mobilenets, - author = {Howard, A G and Zhu, M and Chen, B and others}, - title = {MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications}, - journal = {arXiv preprint arXiv:1704.04861}, - year = {2017}, - eprint = {arXiv:1704.04861} -} - -@article{dai2017temporalcontext, - author = {Dai, X and Singh, B and Zhang, G and others}, - title = {Temporal Context Network for Activity Localization in Videos}, - journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence}, - year = {2017} -} - -@article{lian2023inverseql, - author = {Lian, B and Xue, W and Xie, Y and others}, - title = {Off-policy inverse Q-learning for discrete-time antagonistic unknown systems}, - journal = {Automatica}, - year = {2023}, - volume = {155}, - pages = {111171} -} - -@article{clifton2020qlearning, - author = {Clifton, J and Laber, E}, - title = {Q-learning: Theory and applications}, - journal = {Annual Review of Statistics and Its Application}, - year = {2020}, - volume = {7}, - pages = {279--301} -} - -@article{zhang2023shapeiou, - author = {Zhang, H and Zhang, S J}, - title = {Shape-IoU: More accurate metric considering bounding box shape and scale}, - journal = {arXiv preprint arXiv:2312.17663}, - year = {2023}, - eprint = {arXiv:2312.17663} -} - -@article{wang2013densetrajectory, - author = {Wang, H and Kläser, A and Schmid, C and others}, - title = {Dense trajectories and motion boundary descriptors for action recognition}, - journal = {International Journal of Computer Vision}, - year = {2013}, - volume = {103}, - number = {1}, - pages = {60--79} -} - -@article{dsryolo2025, - author = {Anonymous}, - title = {DSR-YOLO: A lightweight and efficient YOLOv8 model for enhanced pedestrian detection}, - journal = {Cognitive Robotics}, - year = {2025}, - volume = {8}, - number = {4}, - pages = {105--120}, - note = {DOI: 10.1016/j.cogrob.2025.04.005} -} - -@article{ye2023fusion, - author = {Ye, Junhua}, - title = {Research on multi-sensor fusion pedestrian navigation and localization algorithm based on intelligent terminal}, - journal = {Acta Geodaetica et Cartographica Sinica}, - year = {2023}, - volume = {52}, - number = {1}, - pages = {170--170}, - doi = {10.11947/j.AGCS.2023.20210188} -} - -@inproceedings{luo2023adaptive, - author = {Luo, X. and Chen, W.}, - title = {Adaptive road configurations for improved autonomous vehicle-pedestrian interactions using reinforcement learning}, - booktitle = {Proceedings of the IEEE International Conference on Robotics and Automation}, - year = {2023}, - pages = {3146--3152}, - location = {London, UK} -} - -@techreport{sti2025, - author = {Shanghai Jiao Tong University}, - title = {STI-Bench: Are MLLMs Ready for Precise Spatial-Temporal World Understanding?}, - institution = {MIRA Lab}, - year = {2025}, - url = {https://arxiv.org/pdf/2503.23765} -} - -@patent{xiamen2025, - author = {Xiamen Road and Bridge Information Co., Ltd.}, - title = {Collision prediction method and system based on multi-agent reinforcement learning}, - number = {CN119091686B}, - year = {2025}, - date = {2025-01-29} -} - -@article{zhang2025traffic, - author = {Zhang, Q. and Lin, B.}, - title = {Joint imputation of multi-source traffic data based on shared multi-dimensional spatiotemporal feature}, - journal = {Journal of Sun Yat-sen University (Natural Science Edition)}, - year = {2025}, - volume = {63}, - number = {5}, - pages = {167--176} -} - -@article{changsha2021, - author = {Yuan, W.}, - title = {Intelligent pedestrian integrated signal light system in Changsha}, - journal = {Changsha Evening News}, - year = {2021}, - url = {http://hunan.sina.com.cn/news/2021-12-23/detail-ikyakumx5846490.shtml} -} - -@article{chen2025moo, - author = {Chen, W. and Zhang, X. and Lin, B.}, - title = {Gradient-based multi-objective deep learning: Algorithms, theories, applications, and beyond}, - journal = {arXiv preprint arXiv:2501.10945}, - year = {2025} -} - -@misc{openhutb2025, - author = {OpenHutB}, - title = {CARLA 行人导航教程[EB/OL]}, - howpublished = {\url{https://openhutb.github.io/carla_doc/tuto_G_pedestrian_navigation/}}, - year = {2025}, - note = {访问日期: 2025-04-27} -} - -@misc{csdn2023carla, - author = {CSDN 博客}, - title = {Carla 行人模型介绍与使用[EB/OL]}, - howpublished = {\url{https://blog.csdn.net/weixin_44983780/article/details/137682087?ops_request_misc=&request_id=&biz_id=102&utm_term=carla%E8%A1%8C%E4%BA%BA%E6%A8%A1%E6%8B%9F&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-0-137682087.142\^v102\^control&spm=1018.2226.3001.4187}}, - year = {2023}, - note = {访问日期: 2025-04-27} +@article{guntupalli2026comparing, + title={Comparing Biomechanical Platelet Activation in the Carotid Artery by Computational and Experimental Modeling}, + author={Guntupalli, S and Malloy, S J and Jabbar, A D A M and others}, + journal={Blood Vessels, Thrombosis \& Hemostasis}, + volume={3}, + number={2}, + pages={100158}, + year={2026}, +} + +@article{reed2026ex, + title={Ex Vivo Biomechanical Analysis of Pulmonary Autograft Inclusion Techniques in the {Ross} Procedure}, + author={Reed, A and Huynh, C and Gupta, A and others}, + journal={The Journal of Thoracic and Cardiovascular Surgery}, + volume={171}, + number={4S1}, + pages={S107}, + year={2026}, +} + +@article{chung2026machine, + title={Machine Learning-Driven Risk Stratification of Ascending Aortic Aneurysms Using Aortic Biomechanics is Predictable by Magnetic Resonance Imaging}, + author={Chung, J and Tajeddinisarvestani, F and Eliathamby, D and others}, + journal={The Journal of Thoracic and Cardiovascular Surgery}, + volume={171}, + number={4S1}, + pages={S62}, + year={2026}, +} + +@article{matsubara2026development, + title={Development and Validation of a Computer-Aided Diagnosis System for Endoscopic Assessment of Invasion Depth in Gastric Cancer: Diagnostic Performance and Human--{AI} Interaction}, + author={Matsubara, Y and Matsumura, T and Ishikawa, T and others}, + journal={Gastrointestinal Endoscopy}, + volume={103}, + number={5S}, + pages={S-571}, + year={2026}, +} + +@article{keaveny2026effects, + title={Effects of Romosozumab on Bone Strength Around a Pedicle Screw as Evaluated by Biomechanical Computed Tomography-Based Virtual Stress Tests in Postmenopausal Women}, + author={Keaveny, M T and Oates, M and Betah, D and others}, + journal={The Spine Journal}, + volume={26}, + number={5}, + pages={902--912}, + year={2026}, +} + +@article{iio2026deltoid, + title={Deltoid Osteomuscular Transfer Suppresses Humeral Head Translation Caused by Massive Irreparable Rotator Cuff Tears: A Cadaveric Biomechanical Study}, + author={Iio, R and Fleet, T C and Johnson, A J and others}, + journal={The American Journal of Sports Medicine}, + volume={54}, + number={6}, + pages={1344--1353}, + year={2026}, +} + +@article{chen2026neural, + title={Neural Network-Based Fixed-Time Sliding Mode Control of Pneumatic Muscle-Actuated Robotic Finger}, + author={C, Zhiwu and S, Yilong and H, Ao and others}, + journal={Proceedings of the Institution of Mechanical Engineers}, + volume={240}, + number={5}, + pages={785--804}, + year={2026}, +} + +@article{sitaram2026biomechanical, + title={Biomechanical Evaluation of Implant Size and Osseointegration Using Three-Dimensional Finite Element Analysis}, + author={Sitaram, P K and Shrivardhan, K and Priyatam, K and others}, + journal={Nigerian Postgraduate Medical Journal}, + volume={33}, + number={3}, + pages={336--340}, + year={2026}, +} + +@article{liu2026noncontact, + title={A Non-Contact, Wide-Ranging Approach to Human--Robot Interaction Based on Broad Learning System}, + author={Liu, J and Zhang, Y and Li, B and others}, + journal={Industrial Robot: the international journal of robotics research and application}, + volume={53}, + number={3}, + pages={541--551}, + year={2026}, +} + +@article{liu2026enhancing, + title={Enhancing Dynamic Gesture Recognition and Human--Computer Interaction Through Integrated {GCN}--Transformer Architecture with Transfer Learning}, + author={Liu, M and Guo, X}, + journal={Alexandria Engineering Journal}, + volume={143}, + pages={146--159}, + year={2026}, +} + +@article{yu2026renji, + title={人机交互界面测试方法研究}, + author={余慧敏 and 周楷林}, + journal={工业控制计算机}, + volume={39}, + number={04}, + pages={105--106}, + year={2026}, +} + +@article{zhang2026maixiang, + title={迈向人机共生:中美欧类人智能机器人治理路径的比较研究}, + author={张文宏 and 牛梓宁}, + journal={智能社会研究}, + year={2026}, +} + +@article{xue2026jiyu, + title={基于人机交互的全向助行移动机器人运动控制}, + author={薛新 and 陈伟 and 龚涛 and others}, + journal={机械设计与研究}, + volume={42}, + number={02}, + pages={351--358}, + year={2026}, +} + +@article{wang2026jiyu, + title={基于{AIoT}技术的人机交互智能储衣系统设计}, + author={王琬欣 and 丁学文 and 徐晨倩 and others}, + journal={计算机与网络}, + volume={52}, + number={02}, + pages={127--135}, + year={2026}, +} + +@article{xie2026filament, + title={Filament Sensing Tension: A Bionic Artificial Tendon for Self-Force-Regulated Artificial Muscle-Driven Wearable Robotics}, + author={Xie, D and Wang, H and Su, Y and others}, + journal={Science Advances}, + volume={12}, + number={15}, + pages={eaea2709}, + year={2026}, +} + +@article{wei2026interaction, + title={Interaction-Aware Stiffness Design for Muscle-Inspired Tensegrity Exoskeleton}, + author={Wei, D and Cui, C and Cao, Y}, + journal={Journal of Bionic Engineering}, + year={2026}, +} + +@article{liu2026butai, + title={步态事件驱动的脑肌电网络动态变化及神经肌肉协调机制研究}, + author={刘晓光 and 郭澳旗 and 梁铁 and others}, + journal={生物医学工程学杂志}, + volume={43}, + number={02}, + pages={267--276}, + year={2026}, +} + +@article{renganathan2026simulation, + title={Simulation-Driven Exoskeleton Control: Predicting Soft Pneumatic Gel Muscle Actuator Assistance to Reduce Metabolic Cost at Different Walking Speeds}, + author={Renganathan, G and Luis, I and Farewik, G M E and others}, + journal={IEEE Transactions on Neural Systems and Rehabilitation Engineering}, + year={2026}, +} + +@article{zhou2026muscle, + title={A Muscle-Driven Lumbar Spine Model for Predicting Vibration-Induced Spinal Loads with Adaptive Control}, + author={Zhou, J and Fan, C and Li, Y and others}, + journal={Annals of Biomedical Engineering}, + year={2026}, +} + +@article{wang2026simulating, + title={Simulating the Integration and Regulation of Human {Ia} and {Ib} Reflexes on a Musculoskeletal Robot Driven by Pneumatic Artificial Muscles}, + author={Wang, J and Takahashi, R and Li, Y and others}, + journal={Frontiers in Robotics and AI}, + volume={13}, + pages={1741690}, + year={2026}, +} + +@article{liu2026actuation, + title={Actuation Mechanisms and Machine Learning-Based Optimization for the Twisted and Coiled Artificial Muscles: A Review}, + author={Liu, L and Li, Y and Hu, J and others}, + journal={Smart Materials and Structures}, + volume={35}, + number={2}, + pages={023002}, + year={2026}, +} + +@article{ji2026bionic, + title={Bionic Design and Assistance Performance Analysis of a Biarticular Knee-Ankle Exoskeleton Driven by Pneumatic Artificial Muscles}, + author={Ji, Q and Zhao, S and Li, G and others}, + journal={Advances in Mechanical Engineering}, + volume={18}, + number={2}, + year={2026}, +} + +@article{zhao2026twisted, + title={A Twisted Metamaterial Actuated by Pneumatic Artificial Muscle}, + author={Zhao, Z and Guo, R and Wu, H and others}, + journal={Physica Status Solidi (A)}, + volume={223}, + number={3}, + pages={e202500899}, + year={2026}, +} + +@article{zhou2026muscleinspired, + title={Muscle-Inspired Coaxial Helical Architecture in Carboxymethyl Cellulose/{MXene} Fibers: Synergistic Enhancement for Flexible Actuation}, + author={Zhou, L and Qin, Z and Zhang, Y and others}, + journal={International Journal of Biological Macromolecules}, + volume={344}, + number={P2}, + pages={150484}, + year={2026}, +} + +@article{liu2026simulation, + title={Simulation Study on the Design and Control of Humanoid Shoulder Joint Based on Pneumatic Artificial Muscle Drive}, + author={Liu, Y and Yang, J and Huang, L and others}, + journal={International Journal of Modeling, Simulation, and Scientific Computing}, + volume={17}, + number={01}, + year={2026}, +} + +@article{li2026numerical, + title={Numerical Simulation Study on the Influence of {MWCNT} and Genipin Crosslinking on the Actuation Performance of Artificial Muscles}, + author={Li, Z and Gu, Y and He, C and others}, + journal={Biomimetics}, + volume={11}, + number={1}, + pages={28}, + year={2026}, +} + +@article{zeng2026nonmuscle, + title={Non-Muscle Powered Actuation Inspired by Cellular Morphology and Hydraulics of the Venus Flytrap}, + author={Zeng, X and Wang, Y and Morishima, K}, + journal={Journal of Bionic Engineering}, + volume={23}, + number={2}, + pages={1--14}, + year={2026}, +} + +@article{zhang2026shenjing, + title={神经元电路驱动下人工肌肉的动力学分析}, + author={张浩楠 and 张莉 and 王守瑞 and others}, + journal={山东大学学报(理学版)}, + year={2026}, +} + +@article{tu2026jiyu, + title={基于动态配位键和机械训练制备人工肌肉材料的驱动机制及无外力驱动研究}, + author={涂志凯 and 王肖艳 and 廖双泉 and others}, + journal={高分子学报}, + volume={57}, + number={03}, + pages={684--694}, + year={2026}, +} + +@article{zhang2026rengong, + title={人工肌肉在人体器官/组织仿生和医疗辅助中的应用}, + author={张来喜 and 张晋凡 and 马凯威 and others}, + journal={吉林大学学报(工学版)}, + year={2026}, +} + +@phdthesis{lv2025jiyu, + title={基于结构驱动的自适应热湿管理纺织品制备与性能表征}, + author={吕家安}, + school={江南大学}, + year={2025}, +} + +@phdthesis{yu2025fangsheng, + title={仿生拉压体灵巧手本体结构及多电机驱动系统设计优化研究}, + author={喻晨龙}, + school={吉林大学}, + year={2025}, +} + +@article{tuo2025jiyu, + title={基于气动肌肉驱动及磁流变制动器辅助下的柔性关节轨迹控制}, + author={庹淇 and 罗天洪 and 崔庭琼 and others}, + journal={机床与液压}, + volume={53}, + number={09}, + pages={127--132}, + year={2025}, +} + +@phdthesis{zhang2025ranliao, + title={燃料电化学碳纳米管复合人工肌肉的制备与驱动性能研究}, + author={张峰瑞}, + school={江苏大学}, + year={2025}, }