[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,68 +2,184 @@
|
||||
id: wiki-2026-0508-proprioception
|
||||
title: Proprioception
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-PROP-001]
|
||||
aliases: [Body Awareness, Kinesthesia, Sixth Sense]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, somatosensory, motor-control, brain-body-Logic, kinesiology]
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [neuroscience, sensorimotor, robotics, embodied-ai]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: Python
|
||||
framework: ROS2/MuJoCo
|
||||
---
|
||||
|
||||
# [[Proprioception|Proprioception]]
|
||||
# Proprioception
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "몸을 보는 제6의 감각: 눈을 감고도 내 손발이 어디에 있는지, 얼마나 힘을 주고 있는지 실시간으로 인지하게 만드는 신체적 내재 지능."
|
||||
## 매 한 줄
|
||||
> **"매 body 의 self-knowledge — joint angle, muscle tension, limb position"**. 1906 Sherrington 이 명명. 매 sixth sense — vision/hearing 없어도 매 finger 의 코 의 touch 가능. 매 2026 robotics + embodied AI 에서 매 proprioceptive observation 의 핵심 input.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
고유수용감각(Proprioception)은 근육, 건, 관절 등의 신경 수용체로부터 오는 정보를 통해 신체의 위치, 방향, 운동 상태를 파악하는 능력입니다.
|
||||
## 매 핵심
|
||||
|
||||
1. **작동 기전**:
|
||||
* **근방추 (Muscle Spindles)**: 근육의 신장(길이 변화) 감지.
|
||||
* **골지건기관 (GTO)**: 근육이 뼈에 걸리는 장력(힘의 크기) 감지.
|
||||
* **관절 수용체**: 관절의 꺾인 각도 인식.
|
||||
2. **운동 제어에서의 역할**:
|
||||
* **Feedback Loop**: 움직임 중 발생하는 오차를 시각 없이도 즉각 수정.
|
||||
* **Body [[Schema|Schema]]**: 뇌 속에 저장된 자신의 신체 지도를 실시간 업데이트하여 도구 사용 시 '도구가 내 몸의 일부'처럼 느껴지게 만듦.
|
||||
3. **발달과 쇠퇴**:
|
||||
* 스포츠 훈련을 통해 고도로 날카로워질 수 있으며, 부상이나 노화로 인해 감각이 무뎌지면 추락이나 부상의 직접적 원인이 됨.
|
||||
### 매 receptors (생물)
|
||||
- **Muscle spindles**: 매 stretch + velocity 감지. Ia/II afferent.
|
||||
- **Golgi tendon organs**: 매 muscle force 감지. Ib afferent.
|
||||
- **Joint receptors**: 매 angle, end-range.
|
||||
- **Cutaneous mechanoreceptors**: 매 skin stretch — proprioception 의 augment.
|
||||
- **Vestibular system**: 매 head orientation — 매 proprioception 과 fuse.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 고유수용감각을 수동적인 '수신' 신호로만 보았으나, 현대 연구(Active Inference)는 뇌가 예측한 신체 위치와 실제 신호 사이의 '예측 오류'를 최소화하는 능동적인 과정임을 밝혀냄.
|
||||
- **정책 변화(RL Update)**: 가상 현실(VR) 및 메타버스 환경에서 발생하는 '멀미'나 '이질감'을 해결하기 위해, 디지털 자극과 실제 고유수용감각 사이의 싱크를 맞추는 '디지털 체감 가이드라인' 수립 정책이 추진됨.
|
||||
### 매 processing
|
||||
- 매 spinal reflex (knee jerk) → cerebellum (timing) → parietal cortex (body schema).
|
||||
- 매 sensorimotor integration: 매 efference copy + reafference 의 비교.
|
||||
- 매 body schema: 매 dynamic internal model — 매 phantom limb 의 disruption.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Neuromuscular-Control|Neuromuscular-Control]], [[Perceptual-Motor-Skills|Perceptual-Motor-Skills]], [[Neuroplasticity in Motor Learning|Neuroplasticity in Motor Learning]], [[Neuroprosthetics-Development|Neuroprosthetics-Development]]
|
||||
- **Modern Tech/Tools**: Haptic suits, Proprioceptive Neuromuscular Facilitation (PNF) stretching.
|
||||
---
|
||||
### 매 응용
|
||||
1. Robotics — 매 joint encoder + IMU = robot proprioception.
|
||||
2. Embodied AI / RL — 매 proprioceptive observation vector.
|
||||
3. Rehabilitation — 매 stroke / Parkinson's.
|
||||
4. VR / haptics — 매 mismatch 의 motion sickness.
|
||||
5. Sports / dance training.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
## 💻 패턴
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### Robot proprioceptive state (MuJoCo)
|
||||
```python
|
||||
import mujoco
|
||||
import numpy as np
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
model = mujoco.MjModel.from_xml_path("humanoid.xml")
|
||||
data = mujoco.MjData(model)
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
def proprio_obs(data):
|
||||
return np.concatenate([
|
||||
data.qpos[7:], # joint positions (skip root)
|
||||
data.qvel[6:], # joint velocities
|
||||
data.sensordata, # IMU, touch, force
|
||||
])
|
||||
```
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
### RL with proprioception only (no vision)
|
||||
```python
|
||||
import gymnasium as gym
|
||||
import torch.nn as nn
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
# 매 proprioceptive policy — 매 vision 없이 locomotion 가능
|
||||
class ProprioPolicy(nn.Module):
|
||||
def __init__(self, obs_dim, act_dim):
|
||||
super().__init__()
|
||||
self.net = nn.Sequential(
|
||||
nn.Linear(obs_dim, 256), nn.ELU(),
|
||||
nn.Linear(256, 256), nn.ELU(),
|
||||
nn.Linear(256, act_dim),
|
||||
)
|
||||
def forward(self, obs):
|
||||
return self.net(obs)
|
||||
```
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
### Sim-to-real proprioception (domain rand)
|
||||
```python
|
||||
# 매 real robot 의 sensor noise 의 simulate
|
||||
def add_proprio_noise(qpos, qvel):
|
||||
qpos = qpos + np.random.normal(0, 0.01, qpos.shape) # encoder noise
|
||||
qvel = qvel + np.random.normal(0, 0.05, qvel.shape)
|
||||
# latency
|
||||
return delay_buffer.push_pop(np.concatenate([qpos, qvel]))
|
||||
```
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
### IMU sensor fusion (Madgwick)
|
||||
```python
|
||||
import numpy as np
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
class Madgwick:
|
||||
def __init__(self, beta=0.1, dt=0.01):
|
||||
self.q = np.array([1.0, 0, 0, 0])
|
||||
self.beta = beta; self.dt = dt
|
||||
|
||||
def update(self, gyro, accel):
|
||||
# 매 gyro integration + accel correction
|
||||
# (매 simplified — 매 full impl 의 quaternion math)
|
||||
q = self.q
|
||||
qdot = 0.5 * quat_mul(q, np.array([0, *gyro]))
|
||||
# accel-based gradient correction omitted for brevity
|
||||
self.q = (q + qdot * self.dt)
|
||||
self.q /= np.linalg.norm(self.q)
|
||||
return self.q
|
||||
```
|
||||
|
||||
### Body schema (forward model)
|
||||
```python
|
||||
class ForwardModel(nn.Module):
|
||||
"""예측: q_t, action_t → q_{t+1}, expected_proprio"""
|
||||
def __init__(self, q_dim, a_dim):
|
||||
super().__init__()
|
||||
self.net = nn.Sequential(
|
||||
nn.Linear(q_dim + a_dim, 128), nn.ReLU(),
|
||||
nn.Linear(128, q_dim))
|
||||
def forward(self, q, a):
|
||||
return q + self.net(torch.cat([q, a], dim=-1))
|
||||
|
||||
# efference copy: prediction error = surprise signal
|
||||
```
|
||||
|
||||
### Wearable proprioception (rehab)
|
||||
```python
|
||||
# IMU on each segment → joint angle estimate
|
||||
def joint_angle(imu_proximal, imu_distal):
|
||||
q_p = imu_proximal.quaternion
|
||||
q_d = imu_distal.quaternion
|
||||
q_rel = quat_mul(quat_conj(q_p), q_d)
|
||||
return quat_to_euler(q_rel)
|
||||
```
|
||||
|
||||
### Embodied AI (humanoid robot, 2026)
|
||||
```python
|
||||
# 매 Figure / Tesla Optimus / Unitree style
|
||||
# 매 proprioception 27-dim + vision 의 multimodal policy
|
||||
obs = {
|
||||
"proprio": robot.read_proprio(), # 27-dim
|
||||
"image": camera.read(), # 224x224x3
|
||||
"language": "pick up the red cup",
|
||||
}
|
||||
action = policy(obs) # diffusion policy or transformer
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Locomotion RL | **Proprio-only** (fast, robust) |
|
||||
| Manipulation | Proprio + vision |
|
||||
| Outdoor terrain | Proprio + IMU + vision |
|
||||
| Whole-body humanoid | Proprio + vision + language |
|
||||
| Rehabilitation feedback | Proprio + EMG |
|
||||
|
||||
**기본값**: Joint encoder + IMU + foot contact = baseline robot proprioception.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Sensorimotor-Systems]] · [[Embodied-AI]]
|
||||
- 변형: [[Kinesthesia]] · [[Vestibular-System]]
|
||||
- 응용: [[Robot-Locomotion]] · [[Humanoid-Robotics]] · [[Rehabilitation]]
|
||||
- Adjacent: [[Body-Schema]] · [[Forward-Model]] · [[Sensor-Fusion]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 robotics task design, 매 obs space spec, 매 sim-to-real noise model.
|
||||
**언제 X**: 매 quantitative neuroscience claim — 매 paper citation 의 필수.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Sim에서만 perfect proprio**: 매 real 의 noise/latency/drift 가 policy 의 break. 매 domain randomize.
|
||||
- **Vision-only locomotion**: 매 occlusion / dark 의 brittle. 매 proprio fallback 필수.
|
||||
- **No efference copy**: 매 forward model 의 학습 의 unstable. 매 action 의 condition.
|
||||
- **Ignoring foot contact**: 매 binary contact signal 의 매 locomotion policy 의 critical input.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Sherrington 1906, Proske & Gandevia 2012, modern RL robotics literature).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — proprioception biology + robotics application. |
|
||||
|
||||
Reference in New Issue
Block a user