一种基于分层策略的肌肉骨骼虚拟灵巧手手型控制方法及系统

本发明公开了一种基于分层策略的肌肉骨骼虚拟灵巧手手型控制方法及系统，其中方法的核心是将复杂的肌肉控制任务解耦为高层运动学规划与底层动力学映射两个层次。在高层的手型模仿层，采用深度强化学习算法在低维的关节空间进行运动规划，以生成目标关节角度序列；在底层的肌肉控制层，通过一个经监督学习训练的神经网络，将上层规划的关节指令高效、精确地映射为驱动多路冗余肌肉的激活信号。通过该分层解耦策略，高层控制器规避了在原生高维肌肉空间中直接探索的难题，而底层控制器则专门负责解决从运动目标到冗余肌肉驱动的复杂非线性映射问题。本发明显著提升了控制策略的学习效率与稳定性，提高了手型模仿的最终精度。