数据集概述
本数据集为论文“Reinforcement Learning Control of a Biomechanical Model of the Upper Extremity”的评估数据，包含Fitts' Law类型任务（6500次合成运动）和椭圆路径任务的两类数据，涵盖轨迹采样、运动指标及可视化图表，用于验证上肢生物力学模型中强化学习控制策略的有效性。
文件详解
- Fitts' Law类型任务文件
- 采样轨迹文件：遵循
ISO_SAMPLES_dist_ID_650_policy.csv命名，CSV格式，包含时间、关节角度/速度、末端执行器位置/速度/加速度等逐样本轨迹数据
- 运动指标文件：遵循
ISO_METRICS_dist_ID_650_policy.csv命名，CSV格式，包含初始/目标位置、运动难度、准确率、运动时间等 episode 级聚合指标
- 可视化图表压缩包：
ISO_Figures.zip，ZIP格式，含10种任务条件×13个运动方向×6类图表（位置/速度/加速度曲线、3D路径、相空间、Hooke图）
- 椭圆路径任务文件
- 采样轨迹文件：遵循
ELLIPSE_SAMPLES__policy.csv命名，CSV格式，包含逐样本轨迹数据
- 运动指标文件：遵循
ELLIPSE_METRICS__policy.csv命名，CSV格式，包含目标切换时的 episode 级聚合指标
数据来源
论文“Reinforcement Learning Control of a Biomechanical Model of the Upper Extremity”
适用场景
- 运动生物力学研究：分析上肢关节运动轨迹、速度/加速度特征与运动控制策略的关系
- 强化学习算法评估：验证基于运动时间最小化目标的强化学习策略在生物力学模型中的有效性
- Fitts' Law验证：通过ISO标准任务数据验证人类上肢运动的速度-准确性权衡规律
- 临床运动功能分析：为上肢运动障碍的康复评估提供生物力学模型参考数据
- 机器人运动控制设计：借鉴人体运动控制策略优化上肢康复机器人的轨迹规划算法
