Creo que el autor está haciendo una analogía con comportamiento humano, no movimiento humano.
Por ejemplo: estoy jugando baloncesto y quiero marcar. Sé que probablemente necesito driblar hacia la canasta, evitando a los defensores, luego lanzar la pelota al aro. Sé todo esto sin ningún comentario: es un sistema feed-forward.
Algunas diapositivas más tarde (50), escribe:
¿La salida deseada es = salida?
Sí, si conocemos perfectamente el modelo!
Pero, raramente conocemos un sistema perfectamente (G0! G, G0
-1! G-1)
Es decir, si supiera exactamente lo que harían todos los defensores (el modelo), podría obtener puntos en el baloncesto utilizando solo un sistema de avance.
Por supuesto que eso no es exactamente cierto. Pero sí sé mucho sobre el modelo, especialmente si soy un buen jugador. Probablemente pueda anticipar lo que los defensores harán más o menos, antes de hacer la jugada. Elegiré mi juego en consecuencia.
En la siguiente diapositiva, el autor luego comenta agregar comentarios para lidiar con estas incógnitas, ya que la mayoría de los sistemas no perfectamente conocen el modelo.
Esto contrasta con los sistemas puramente de retroalimentación (controladores PID). Al incorporar un conocimiento a priori sobre el sistema, e incorporando feedforward en el sistema, se puede mejorar la precisión y se pueden superar las desventajas de los sistemas de solo devolución.
En otras palabras, un jugador de baloncesto que no pudo formular una estrategia por adelantado no sería muy bueno.
Dicho esto, desde mi comprensión (rudimentaria) de la biología, también hay un componente de avance en movimiento, con respecto al cerebro. Echa un vistazo a esta charla de TED: Un robot que corre y nada como un salamander