Storyboard

Integração e ação descrevem como o sistema nervoso converte informações sensoriais processadas em comandos motores eficazes. A estrutura de controle ideal fornece a base teórica: a ação ótima u* minimiza simultaneamente o erro (distância ao alvo) e o custo do controle (energia, esforço).

O regulador LQR é a solução analítica para sistemas lineares com função de custo quadrática. O ganho K_LQR distribui o esforço de controle entre os componentes do estado de acordo com sua importância (matriz Q) e o custo de cada ação (matriz R). A equação de Riccati determina P_LQR, que é a função de valor ideal. Evidências crescentes sugerem que o cerebelo implementa um regulador análogo ao LQR.

O modelo de Hill captura propriedades musculares fundamentais: a relação força-comprimento f_L(L) (os músculos são mais fortes no comprimento ideal) e a relação força-velocidade f_V(V) (a força diminui com a velocidade de encurtamento e aumenta com o alongamento). Estas propriedades conferem passividade e estabilidade intrínseca ao sistema músculo-esquelético.

A lei de Fitts é uma das leis empíricas mais robustas da psicologia motora: o tempo de movimento MT para atingir um alvo de largura W na distância D é escalonado logaritmicamente com o índice de dificuldade ID = log(2D/W). Esta lei vale para humanos, primatas e camundongos e reflete a compensação fundamental entre velocidade e precisão em sistemas de controle com ruído dependente de sinal.

O tempo total de reação RT 150300 ms impõe um limite fundamental na resposta a eventos inesperados. Para eventos previsíveis, o sistema pode utilizar a predição (modelo forward) para iniciar a ação antes que o estímulo ocorra, reduzindo o RT efetivo. Os tenistas devolvem as bolas a 200 km/h num tempo impossível de processar de forma reativa, usando previsão.

>Modelo

ID:('ky', 586)

Descrição

ID:(0, 586)