Simulation platform for biomechanical modeling and exoskeleton control via reinforcement learning

Exoskeleton controls poses significant challenges due to the high de mands in time, costs, and experimental complexity. This thesis presents an inno vative simulation platform that integrates biomechanical and exoskeleton models with Reinforcement Learning (RL) control to enhance human robot interaction. The platform, built on MyoSuite, MuJoCo, and RL tools in Python, provides a f lexible and accessible environment for developing and validating controllers, ac celerating the sim-to-real transition. As a case study, an ankle exoskeleton was integrated with a musculoskeletal model to analyze its role in supporting standing posture. The experiments included the device characterization and training of an RL algorithm to explore the system’s behavior. This work represents a first step toward the complete integration of simulated exoskeletons with advanced control strategies. The results demonstrate the platform’s versatility and its potential for future applications in the exoskeleton field.

Il controllo degli esoscheletri presenta notevoli sfide a causa degli elevati requisiti in termini di tempo, costi e complessità sperimentale. Questa tesi presenta una piattaforma di simulazione innovativa che integra modelli biomeccanici ed esoscheletrici con il controllo mediante Reinforcement Learning (RL) per migliorare l'interazione uomo-robot. La piattaforma, sviluppata su MyoSuite, MuJoCo e strumenti RL in Python, offre un ambiente flessibile e accessibile per lo sviluppo e la validazione di controller, accelerando il passaggio dalla simulazione alla realtà. Come caso di studio, è stato integrato un esoscheletro per la caviglia con un modello muscoloscheletrico per analizzare il suo ruolo nel supportare la postura in piedi. Gli esperimenti hanno incluso la caratterizzazione del dispositivo e l'addestramento di un algoritmo RL per esplorare il comportamento del sistema. Questo lavoro rappresenta un primo passo verso l'integrazione completa degli esoscheletri simulati con strategie di controllo avanzate. I risultati dimostrano la versatilità della piattaforma e il suo potenziale per applicazioni future nel campo degli esoscheletri.