下肢外骨格の深層学習制御、セラピスト入力で歩行特徴を調整 論文発表

何が起きたか

2024年12月10日にarXivで公開された論文(識別番号2412.07959v2)は、下肢外骨格の部分支援制御における深層学習ベースの新しいアプローチを提案している。この手法は、センサーデータから歩行状態(着地歩幅、着地高さ、歩行速度、ステップクリアランス、歩行位相)を確率的に推定し、セラピストがユーザーインターフェースでこれらの特徴を修正し、修正された特徴に基づいて関節姿勢とモデル剛性を予測する。評価は2名の健常被験者を対象に、トレッドミル歩行と階段昇降を異なる速度で行い、ユーザーインターフェースによる外部修正の有無で実施された。

詳細

従来の部分支援外骨格の制御は階層的制御構造に依存しており、特に階段やスロープの移動では、コントローラの複雑さとユーザー固有のパラメータ調整により広範なキャリブレーションが必要とされる。提案手法は、この階層的制御の限界に対処するため、データ駆動の3段階アプローチを採用する。まず、最近のセンサーデータから歩行状態を確率的に推定し、次にセラピストがユーザーインターフェースを介してこれらの特徴を修正し、最後に修正された歩行特徴を用いて、予測不確実性に基づくばね-ダンパーシステムの目標関節姿勢とモデル剛性を予測する。 評価では、歩行特性に応じた運動学的変化と、負の相互作用パワーが観察され、これは外骨格が様々な条件下で支援を提供していることを示唆している。論文は、このアプローチが部分支援外骨格の制御におけるキャリブレーションの負担を軽減する可能性を示している。

Key Facts

なぜ重要か

この研究は、下肢外骨格の制御における階層的制御の複雑さとキャリブレーションの負担を軽減する可能性を示す。セラピストの入力を直接反映できるため、リハビリテーションの個別化が進む可能性がある。