日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
エクソスケルトンarXiv:2610.41981

筋骨格シミュレーション由来の生体トルク制御を備えた膝エクソスケルトンの設計と検証

Design and Validation of a Robotic Knee Exoskeleton with Musculoskeletal Simulation-Derived Biological Torque Control

シェア:XThreadsFacebookLINEはてブBluesky

シミュレーションのみから生体トルク制御器を構築し、市販部品製のオープンソース膝エクソスケルトンで実機検証した。スクワット時に膝伸展モーメントを21.5%、大腿内側筋活性を26.7%低減した。

詳しい要約

1. どんなもの？

- オープンソースの膝 exoskeleton を提示 - off-the-shelf components と広く入手可能な fabrication tools で構築 - biological torque controller を simulation のみから導出 - 制御器は筋駆動の imitation policy に基づく - open biomechanics dataset の squatting 動作を再現 - 得られた knee moment を onboard sensors のみを使う estimator に distill - 実機での device-specific data collection を不要にする設計

2. 先行研究と比べてどこがすごい？

- 従来の data-driven biological torque control は target device で記録したデータで estimator を学習 - 新ハードウェアへの展開ごとにデータ収集が必要 - 既存の open-source の取り組みは hardware・software・controller を別々に公開 - 組み上げた実機でデータ収集を繰り返す必要があった - 本研究は simulation 由来の controller を実機へ転移 - 実機データ収集なしで assistance を実現 - hardware と training pipeline を同時公開し、共有ハードウェア上での比較を可能に

3. 技術・手法の肝は？

- muscle-driven imitation policy を構築 - open biomechanics dataset の squatting 運動を再現 - その結果生じる knee moments を estimator へ distill - estimator は onboard sensors のみを使用 - biological torque control として推定 knee moment に比例した assistance を出力 - 実機は off-the-shelf components と入手容易な fabrication tools で構成

4. どうやって有効だと検証した？

- 健常成人7名を対象に squatting を実施 - exoskeleton なしの squatting と比較 - peak biological knee extension moment を 21.5% 低減 - peak vastus medialis activation を 26.7% 低減 - いずれも p<0.05 - simulation 由来の controller が device-specific data collection なしで物理ハードウェアへ転移することを示す

5. 議論はある？

- simulation 由来の biological torque controller が実機へ転移可能と主張 - hardware と training pipeline の同時公開により、追加データ収集の overhead なしで controller の学習・比較が可能 - 対象は健常成人7名の squatting のみ - 他のタスク・集団・長期使用への一般化は要旨からは不明 - estimator の精度や安全性に関する詳細な議論は要旨からは不明

6. 次に読むべき論文は？

- biological torque control の先行 data-driven 手法 - open biomechanics dataset を用いた muscle-driven simulation 研究 - imitation learning による筋骨格制御 - open-source exoskeleton hardware/software の既存プロジェクト - 同分野の定番として knee exoskeleton の assistance control に関する研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Rajiv V. Joshi, Jimin An, Ilseung Park, Dawit Lee, Inseung Kang

分類: cs.RO

原文アブストラクト

Data-driven controllers have enabled lower-limb robotic exoskeletons to adapt assistance to the user across many tasks. A leading example is biological torque control, which estimates the user's own joint moment from onboard sensors and assists in proportion to that estimate. However, its estimators are trained on data recorded with the target device, so deploying the controller on new hardware requires collecting new data. Existing open-source efforts release hardware, software, or controllers separately, so this data collection must still be repeated on the assembled device. Here, we present an open-source knee exoskeleton, built from off-the-shelf components and widely available fabrication tools, with a biological torque controller derived entirely from simulation. A muscle-driven imitation policy reproduces squatting motions from an open biomechanics dataset, and the resulting knee moments are distilled into an estimator that uses only onboard sensors, so no training data are recorded on the device. In seven able-bodied participants, assistance reduced peak biological knee extension moment by 21.5% and peak vastus medialis activation by 26.7% during squatting, relative to squatting without the exoskeleton (p<0.05). Our results demonstrate that a biological torque controller derived from simulation can transfer to physical hardware without device-specific data collection. Because the hardware and training pipeline are released together, research groups can train and compare knee exoskeleton controllers on shared hardware without additional data collection overhead.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI