Ich lese über Feedforward im Steuerungssystem. Und in diesem Vortrag , Folie 49, sagt der Autor, dass Feedforward in menschlichen Systemen üblich ist. Zum Beispiel laufen, Basketball spielen, Auto fahren. Können Sie erklären, wie Feedforward beim Gehen verwendet wird?
Können Sie erklären, wie Feedforward beim Gehen verwendet wird?
Beispiele gibt es viele.
Ein gutes Beispiel ist das Fahren eines Autos um eine Kurve.
In einem reinen Rückkopplungssystem fahren Sie geradeaus, bis das Fehlersignal Ihnen mitteilt, dass Sie sich nicht mehr in der Mitte der Fahrspur befinden, und passen dann die Lenkung an, um dies auszugleichen.
Menschen schauen nach vorne und sehen, dass eine Kurve kommt, und drehen das Rad tatsächlich ein wenig, bevor sie in die Kurve einfahren. Dies kompensiert die Verzögerung beim Ansprechen des Autos vorab.
Die anderen Beispiele, die Sie anführen, sind zu komplex, um nur den Feed-Forward-Teil des Verhaltens zu veranschaulichen. Skateboard fahren ist beispielsweise viel mehr als ein einfacher Regelkreis mit Feed-Forward.
Ich glaube, der Autor macht eine Analogie zum menschlichen Verhalten , nicht zur menschlichen Bewegung .
Zum Beispiel: Ich spiele Basketball und möchte ein Tor erzielen. Ich weiß, dass ich wahrscheinlich zum Korb dribbeln muss, den Verteidigern ausweichen und dann den Ball auf den Korb werfen muss. Ich weiß das alles ohne Feedback: Es ist ein Feed-Forward-System.
Ein paar Folien später (50) schreibt er:
Ist gewünschte Ausgabe = Ausgabe?
Ja, wenn wir das Modell perfekt kennen!
Aber wir kennen ein System selten perfekt (G0 !G, G0 -1 !G-1)
Das heißt, wenn ich genau wüsste, was alle Verteidiger tun würden (das Modell), könnte ich im Basketball nur mit einem Feed-Forward-System punkten.
Das stimmt natürlich nicht ganz. Aber ich weiß viel über das Modell, besonders wenn ich ein guter Spieler bin. Ich kann wahrscheinlich vorhersehen, was die Verteidiger mehr oder weniger tun werden, bevor ich das Spiel mache. Ich werde mein Spiel entsprechend auswählen.
Auf der nächsten Folie diskutiert der Autor dann das Hinzufügen von Feedback, um mit diesen Unbekannten fertig zu werden, da die meisten Systeme das Modell nicht genau kennen.
Dies steht im Gegensatz zu rein rückgekoppelten Systemen (PID-Reglern). Durch Einbeziehen von a priori-Wissen über das System und Einbeziehen von Feedforward in das System kann die Genauigkeit verbessert und die Nachteile von Nur-Feedback-Systemen überwunden werden.
Mit anderen Worten, ein Basketballspieler, der keine Strategie im Voraus formulieren könnte, wäre nicht sehr gut.
Allerdings gibt es nach meinem (rudimentären) Verständnis der Biologie in Bezug auf das Gehirn auch eine Feed-Forward-Komponente in Bewegung. Sehen Sie sich diesen TED-Vortrag an: Ein Roboter, der wie ein Salamander läuft und schwimmt
Wenn Sie vorwärts gehen und keinen Tastsinn haben und blind sowie stumm (und von allen anderen Sinnen blockiert) sind. Wenn Sie das Weltmodell nicht perfekt kennen und nicht jede einzelne Konsequenz einer motorischen Cortex-Aktion kennen, werden Sie zwangsläufig vom angestrebten Ziel (Vorwärtsbewegung) abweichen.
Das visuelle Feedback ist eine Sache, die Ihnen helfen kann, Fehler zu erkennen (Fuß falsch aufzustellen) und die Eingabe zu korrigieren. Oder wenn Sie Draufgänger sind, kann Ihnen das Hören helfen.
Hohe Gehirnbereiche im Neokortex formulieren Pläne und leiten diese Pläne an niedrigere Gehirnbereiche und das Rückenmark weiter, die sie umsetzen, vermutlich unter Verwendung inverser Modelle der motorischen Systeme, die sie umsetzen würden, um Befehle auf niedriger Ebene zu erzeugen. Natürlich gibt es lokales Feedback, um diese Pläne angesichts von Überraschungen und anderen Störungen am Laufen zu halten.
Wenn ich (im Rahmen eines Physiologiekurses für Ingenieure) einen Vortrag über Reflexe halte, nehme ich ein riesiges neurowissenschaftliches Lehrbuch, das ich ausgehöhlt habe, um viel weniger zu wiegen, als man meinen könnte, wenn man das Buch betrachtet, und ich werfe es einem Studenten zu . Der Student geht natürlich gut damit um, indem er spinale Reflexe verwendet, um das Buch nicht falsch zu handhaben, von denen keiner den Kortex betrifft.
Abgesehen davon gibt es eine unglaubliche Menge an lokalem Feedback auf der Ebene des Rückenmarks, wie in diesem Video einer enthirnenden Katze zu sehen ist, die auf einem Laufband läuft und die Gangart ändert, wenn das Laufband schneller wird: https://youtu.be/wPiLLplofYw
Fett
Fett
Digitales Trauma