A digital twin of the human neuromuscular system can substantially improve the prediction of injury risks and the evaluation of the readiness to return to sport. Reinforcement learning (RL) algorithms already learn physical quantities unmeasurable in biomechanics, and hence can contribute to the development of the digital twin. Our preliminary results confirm the potential of RL algorithms to estimate the muscle activations of an athlete’s moves. / Ein digitaler Zwilling des menschlichen neuromuskulären Systems kann die Vorhersage von Verletzungsrisiken und die Bewertung der Bereitschaft zur Rückkehr in den Sport erheblich verbessern. Algorithmen des bestärkenden Lernens (Reinforcement Learning, RL) lernen bereits physikalische Größen, die in der Biomechanik nicht messbar sind, und können daher zur Entwicklung des digitalen Zwillings beitragen. Unsere vorläufigen Ergebnisse bestätigen das Potenzial von RL-Algorithmen zur Schätzung der Muskelaktivierung bei den Bewegungen eines Sportlers.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:80770 |
| Date | 14 October 2022 |
| Creators | Lisca, Gheorghe, Axenie, Cristian, Grauschopf, Thomas, Senner, Veit |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | German |
| Type | info:eu-repo/semantics/acceptedVersion, doc-type:conferenceObject, info:eu-repo/semantics/conferenceObject, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | urn:nbn:de:bsz:ch1-qucosa2-806704, qucosa:80670 |
Page generated in 0.002 seconds