粒子フィルタリングを用いたセンサ運動システムにおけるベイズ状態推定.

Bayesian State Estimation in Sensorimotor Systems With Particle Filtering.

• Hui Guang
• Linhong Ji

抄録

感覚運動制御では、感覚フィードバックが前方モデルと統合され、状態推定における感覚ノイズと遅延の影響を緩和する。感覚運動統合はベイズ推論の対象であり、計算神経科学におけるカルマンフィルタによって定式化されてきた。しかし、空間知覚の抽象的な特性を扱う人工最適推定器としてのカルマンフィルタは、小脳の神経計算を提示するには不十分である。また、状態変数が密に結合した非線形な神経筋ダイナミクスは、現実的な感覚運動系へのカルマンフィルタの実装を大きく阻害します。ここでは、非線形ベイズ推定器であるパーティクルフィルタを用いて、神経計算互換性のある任意の動的システムに実装することで、知覚運動状態の推定に取り組んでいる。粒子フィルタリングは、ヒル型筋、腱、骨格、一次求心性神経を統合した生物物理学的に現実的な上肢の知覚運動モデルに明示的に実装されている。このモデルは、コマンドノイズを含むことで、実験で得られた中心から外側への到達運動のばらつきを定性的に表現しています。初期推定の不確かさとセンサー運動ノイズにもかかわらず、粒子フィルタは前方到達運動の実際の状態を近似することができます。さらに、シミュレーションされた手の位置推定値は、前方モデル誤差、神経雑音、感覚遅延の存在下でも実験結果と一致している。粒子フィルタは、生物物理学的に現実的なセンサ運動システムにおいてベイズ的状態推定を効果的に実装できることが示され、カルマンフィルタよりもニューロン計算との互換性が高いことが示された。

In sensorimotor control, sensory feedback integrates with forward models to alleviate the impacts of sensory noise and delay on state estimation. The sensorimotor integration is subject to Bayesian inference and has been formulated by the Kalman filter in computational neuroscience. However, the Kalman filter, as an artificial optimal estimator to address the abstract characteristics of spatial perception, is inadequate to present the neural computation in the cerebellum. Besides, the nonlinear neuromuscular dynamics with tightly coupled state variables also substantially impedes the implementation of Kalman filter in realistic sensorimotor systems. Here we address the sensorimotor state estimate by using the particle filter, a nonlinear Bayesian estimator that can be implemented in arbitrary dynamic systems with the neurocomputational compatibility. Particle filtering is explicitly implemented in a biophysically realistic sensorimotor model of an upper limb integrating Hill-type muscles, tendons, skeleton, and primary afferents. By involving the command noises, the constructed neuromusculoskeletal model qualitatively represents the experimental variability in center-out reaching movements. Despite the initial estimation uncertainty and sensorimotor noises, the particle filter is able to approximate the actual states in forward-reaching movements. Furthermore, the simulated hand-position estimate is consistent with the experimental results, in the presence of forward model errors, neural noises, and sensory delays. The particle filter is demonstrated to effectively implement the Bayesian state estimation in biophysically realistic sensorimotor systems and provide better compatibility with neuronal computation than the Kalman filter.