مدلسازي كينماتيكي فرايند نوشتن با استفاده از كنترل پيش‌بين

Kinematical Modeling of the Writing Process using Model Predictive Control

نوشتن از مهارت‌هاي حركتي پيچيده در انسان به‌شمار مي‌رود. مدل‌هايي كه تاكنون در اين زمينه ارايه شده اند؛ مدل‌هايي پايين به بالا هستند و در آنها توجه كمتري به جنبه‌هاي بيولوژيكي حركات صورت گرفته است. همچنين مدلي كيفي از فرايند نوشتن كه عملكرد نواحي مختلف مغزي را حين انجام اين فرايند توجيه كند، وجود ندارد. در اين مقاله با استناد به يافته‌هاي نورولوژيكي و فيزيولوژيكي، عملكرد نواحي مختلف مغزي در فرايند نوشتن شرح داده شده است. سپس شواهدي مبني بر وجود پيش‌بيني در نوشتن و وجود مدلي دروني از ديناميك اندام‌هاي بدن نظير دست ارايه شده است. با توجه به شواهد موجود، مدلسازي فرايند نوشتن با استفاده از روش كنترل پيش‌بين امكان‌پذير است. نتايج نشان دادند مدلسازي اين فرايند با استفاده از كنترل كننده پيش‌بين مبتني بر مدل، شباهت زيادي با واقعيت و ماهيت اين مهارت انساني دارد. از مزاياي اين مدل، مي‌توان به اين موارد اشاره كرد: انطباق بالاي آن با اصول بيولوژيكي شناخته شده، مدلسازي پيش بيني در نوشتن، همبستگي بسيار زياد مشخصه‌هاي استاتيكي و ديناميكي حروف توليدي با نمونه‌هاي انساني.

Writing is one of the high practiced and complex movement skills of human. Most of the proposed models for writing are bottom-up models, and therefore they could not reflect the biological aspects of movements in this process. Also there is not any model for illustrating the role of different parts of the brain in this task. In this paper we are going to describe some neurological and physiological aspects of the brain operation in the writing task. Then some evidence of prediction in writing and existence of internal models for limbs such as hand are presented. According to these, modeling of writing using model predictive control (MPC) is possible. Based on the presented simulations and experimental results it seems that the modeling of writing by MPC is very similar to the real skill, The proposed model has some advantages such as being consistent with the biological evidence, modeling prediction in writing and high correlation of the statical and dynamical features of the generated letters with those written by human.