意図と能力の帰属ゲート付き同時推定による上肢支援ロボットの必要時支援制御

- 上肢リハビリロボットのためのAssist-as-Needed (AAN) 制御において、意図された運動の変化と有効な自発トルク能力の変化を区別する問題を扱う。 - 二重測定マルチモーダルMHE-MPCアーキテクチャを基本フレームワークとし、意図軌道とタスク依存の有効自発トルク能力をオンラインで別々に推定し、両推定値を用いてロボット支援を適応させる。 - さらに、二つの更新チャネル間の曖昧さを連続的なクレジット割り当て問題として定式化し、帰属ゲートで解決する。 - 健常参加者9名を対象に、要因計画（ターゲット高さ×負荷）の試行と疲労前後のカップ運搬タスクを実施。

- 従来の固定参照誤差ベースのAANやゲートなし二重推定と比較して、全9条件で最低のRMSEを達成（0.017 rad vs. ゲートなし二重推定0.041 rad、固定参照誤差ベースAAN 0.127 rad）。 - ターゲット高さ入力なしでも、各負荷下で正しく順序付けられたLow-Middle-High参照を生成。 - ターゲット変化は優先的に軌道適応に割り当てられ、負荷追加は能力チャネルへの適応をシフトさせた。 - 疲労後には能力推定値が低下し、全高さで支援が増加し、機能的実現可能性を支持。

- 二重測定マルチモーダルMHE-MPCアーキテクチャ：意図軌道とタスク依存の有効自発トルク能力をオンラインで別々に推定。 - 曖昧さを連続的クレジット割り当て問題として定式化し、帰属ゲートで解決。 - 軌道変化指標は持続的な修正的相互作用から取得。 - 能力変化指標は正規化筋活性化と動力学再構成自発トルクの残差から導出。

- 健常参加者9名が要因計画（ターゲット高さ×負荷）の試行と疲労前後のカップ運搬タスクを完了。 - ゲート付き手法はターゲット高さ入力なしで各負荷下で正しく順序付けられたLow-Middle-High参照を生成。 - 全9条件で最低RMSEを達成（0.017 rad）。 - 疲労後、能力推定値が低下し、全高さで支援が増加。

- 要旨からは不明。

- 要旨で参照/比較されている研究：ungated dual estimation、fixed-reference error-based AAN。 - 関連手法：MHE-MPC、Assist-as-Needed (AAN) control。