摘要
在上肢连续运动协调任务中，当子目标达成后会施加新的条件，运动学演示仅能揭示人的行为内容，却无法体现其谨慎程度，因此现有的模仿学习方法遗漏了对新条件的适应。为弥补这一差距，我们提出从人体表面肌电图（sEMG）的生物电位信息特征出发，设计奖励函数与约束函数。任务起始于一个马尔可夫决策过程（MDP），一旦第一个子任务完成，即转变为受约束的马尔可夫决策过程（cMDP）。sEMG 数据被分解为共享肌束协同和任务特定肌束协同；前者通过逆最优控制推导出二次调节器形式的奖励函数，后者定义一个精细度系数，用于在受约束阶段界定动作幅度。以双孔双球耐心立方体任务为例进行验证，策略通过受约束策略优化进行训练，并部署于机器人操作臂上。相比于未加约束的 PPO 和 SAC 智能体仅在 1% 的回合中完成受约束阶段，本文提出的智能体完成了 100% 的回合，在四种受约束变体中具有最短的完成时间（1.76 秒），并最准确地复现了人在孔附近的停留时间分布和区域转换特征，从而产生了一种可行且类人的策略。
