外骨格の協調学習、8人で再学習なしの歩行支援を検証

何が起きたか

研究チームは2026年8月1日掲載の論文で、人の筋骨格モデルと両側股関節外骨格の制御方策を物理シミュレーション上で共同学習する「Staged Multi-Agent Training（SMAT）」を検証した。学習した方策を実機の股関節外骨格に移し、健康な成人8人で、利用者ごとの再学習をせずに評価した。能動支援時の正味代謝率は、受動デバイスに比べ19.7%低かった（p < 0.001）。

詳細

評価では間接熱量測定を用い、外骨格なし、受動デバイス、能動支援の条件を比較した。制御方策は、学習時とは異なる歩行速度や地形でも支援を維持したと報告されている。 股関節の機械的出力は被験者を通じて主に正の出力となり、正の出力比は0.984だった。要旨には、歩行速度・地形の具体的な条件や、外骨格なしの条件に対する代謝率の差は記載されていない。

Key Facts

本紙の見方

この研究の新しさは、シミュレーションで学習した制御方策を実機に移したことだけではない。人の筋骨格モデルと外骨格の制御主体を同時に学習させ、人と装置が互いに適応する状況を扱おうとした点にある。一方、学習型制御器を物理シミュレーションで訓練する発想自体は、論文が前提として挙げている既存の方向性だ。今回の焦点は、その訓練に人と装置の協調を組み込み、実際の利用者で効果を評価したことにある。 実機評価では、健康な成人8人に対し、利用者ごとの再学習なしで試験した。さらに、学習条件を超える歩行速度や地形でも支援を維持したとの報告がある。これは、利用者ごとに制御器を調整する負担を減らせる可能性を示す設計上の結果とみられる。ただし、要旨から確認できるのは8人での評価であり、年齢や身体特性の幅、各条件での人数、評価期間は分からない。したがって、異なる利用者・環境への適用範囲が確立したとまでは言えない。 代謝面と力学面を併せて測った点も重要だ。受動デバイスとの比較では正味代謝率が19.7%低下し、股関節の正の出力比は0.984だった。前者は装着者の歩行負担に関わる指標、後者は制御方策が機械的にどのような支援をしたかを見る指標であり、両方を示したことで生理的効果と出力の方向性を結びつけて評価している。ただし、外骨格なしの条件も比較対象に含まれるものの、要旨にはその条件との数値差がない。受動支援に対する改善を、外骨格を使わない場合に対する優位性と読み替えることはできない。 開発工程への含意は、人体実験を伴う調整をどこまでシミュレーションに置き換えられるかにある。論文は、人を対象とする反復的な制御器開発の実験負担を減らす枠組みとして位置づけているが、実験回数や開発期間がどれだけ減ったかは、この要旨では示されていない。次に確認すべきなのは、参加者の属性と試験条件の詳細、各指標のばらつき、外骨格なしとの比較結果、長時間・継続利用時の安全性である。これらが示されて初めて、再学習なしの方策がどの範囲の利用者と歩行環境に適用できるかを評価できる。

なぜ重要か

利用者ごとの再学習をせずに8人で実機評価した結果は、外骨格の制御調整を個別の人体実験に頼る負担を減らす設計の可能性に関わる。現時点で報告された代謝率の改善は受動デバイスとの比較であり、外骨格なしの場合や、より幅広い利用者にも同じ効果があることを示すものではない。