Skip to content

Lobato-Rios, Victor; Ramalingasetty, Shravan Tata; Özdil, Pembe Gizem et al. · 2022 · Nature Methods

Metadata

Authors: Lobato-Rios, Victor; Ramalingasetty, Shravan Tata; Özdil, Pembe Gizem; Arreguit, Jonathan; Ijspeert, Auke Jan; Ramdya, Pavan

DOI: 10.1038/s41592-022-01466-7

Tags: #agent-based-model

📄 Quick Note

摘要概述

本文提出 NeuroMechFly，一个针对成体果蝇（Drosophila melanogaster）的开源神经力学仿真框架。模型基于 X-ray microtomography 扫描构建了具有形态学精度的外骨骼（65 个体段、hinge-type joints），并通过分析真实 3D leg kinematics 确定了腿部所需的最小自由度（DoFs），发现此前未报道的 CTr roll DoF——即每条腿需要 7 个而非 6 个 DoF 才能准确重现行走与梳理行为。框架由四个可替换模块组成（PyBullet 物理环境、biomechanical exoskeleton、Ekeberg-type spring-damper 肌肉模型、CPG-inspired coupled-oscillator 神经控制器），支持两类应用：(1) kinematic replay——从实测关节角度反推难以直接测量的关节力矩与地面反作用力；(2) evolutionary optimization——以行走速度与静态稳定性为目标，优化神经网络与肌肉参数，成功涌现出近似昆虫典型 tripod gait 的控制器。该工作填补了果蝇缺乏形态学逼真神经力学模型的空白，为神经动力学—肌肉骨骼—物理环境互作研究提供了可扩展平台。

关键图表

  • Fig. 1 — NeuroMechFly 的整体架构与模块化设计。(a-c) 数据驱动构建流程：microtomography 与 kinematic 测量定义 morphology/DoF，replay 估计接触力与力矩，evolutionary optimization 发现控制器；(d) 四模块（neural controller / muscle model / biomechanical model / PyBullet environment）通过统一的输入输出接口解耦，可独立替换。一句话：这是理解全文模块化哲学的入口图。

  • Fig. 3 — 添加 CTr roll DoF 显著降低 kinematic replay 误差。对比 base 6-DoF、inverse kinematics、以及在各关节额外加 roll/yaw DoF 的多种配置，只有 base + CTr roll 在行走与梳理两种行为下都取得最低的 body-length 归一化 MAE。一句话：从运动学反证了果蝇腿部存在此前未知的旋转自由度。

  • Fig. 6 — CPG coupled-oscillator 网络的 evolutionary optimization 结果。(b) 速度与静态稳定性双目标定义；(c) Pareto front 随代数演化；(d-e) trade-off 解涌现出典型 tripod gait；(f) 各腿 ThC/CTr/FTi 的 CPG 相位关系与关节力矩。一句话：验证了"tripod gait 满足快速稳定行走"这一生物学直觉可由优化自动涌现。

与我的关联

作为计算生物力学研究者，NeuroMechFly 的模块化解耦（controller / muscle / biomechanics / physics engine 各自可替换）与"从运动学反推力学量"的思路，对我自身血管 G&R 与组织力学建模中"模块化耦合物理仿真+参数优化"的架构设计有直接借鉴价值；其 CTr roll DoF 的发现也提醒在做 biomechanical 建模时，不能仅依赖文献既有 DoF 假设，而应通过 inverse/forward kinematics 误差分析主动验证自由度完备性。