В работе исследуются скрытые мотивы и факторы, влияющие на поддержание баланса человеком, с акцентом на роль сенсорной обратной связи. Применение метода обратного обучения с подкреплением (Inverse Reinforcement Learning, IRL) позволяет реконструировать целевые функции управления на основе наблюдаемых данных о движении. Анализ синтетических данных выявил ключевые закономерности в управлении равновесием, подчеркнув важность как внутренних механизмов, так и параметров обратной связи. Результаты показывают, что усиление сенсорной обратной связи может как улучшить, так и ухудшить управление балансом, что подтверждается экспериментами и численными моделями. Полученные данные могут быть использованы для обучения роботов и реабилитации пациентов с нарушениями моторики.

Маньков В.А. (науч. рук. Ковальчук С.В.) Применение обратного обучения с подкреплением для восстановления модели баланса человека // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14868