JP2017045160A - 技能指導検証システムおよび技能指導検証プログラム - Google Patents

Abstract

【課題】技能に対する指導法の効果を検証可能な技能指導検証システムおよび技能指導検証プログラムを提供する。
【解決手段】解析部ＡＮＡは、記憶部ＭＥＭ１に記憶された複数のサンプルデータを所定の多変量解析方法を用いて解析する。動作テンプレート生成部ＴＭＰＧは、解析部ＡＮＡによる解析結果を基に、基準となる人体動作モデルを生成する。動作合成部ＳＹＮは、基準となる人体動作モデルに対して、ユーザの指示に基づく矯正を加えることで矯正された人体動作モデルを生成する。検証部ＳＩＭは、解析部ＡＮＡによる解析結果に基づき、矯正された人体動作モデルによって得られる試技結果を予測する。
【選択図】図２

Description

本発明は、技能指導検証システムおよび技能指導検証プログラムに関し、例えば、スポーツ競技を代表とする各種技能に対する指導法を試行する際に用いられる技術に関する。

例えば、特許文献１には、健康診断の指導システムが開示されている。この技術は、まず多数の患者の健康診断の結果と効果のあった医師の指導を関連付けてデータ化しておき、患者の健康診断結果を入力すると、過去に効果のあった健診指導を出力するシステムを提供するものである。

また、非特許文献１には、スポーツ競技を対象としたアドバイスシステムが開示されている。このシステムは、予め多数の（野球の）投手の試技結果をモーションキャプチャにより取得しておき、試技の結果（球速、コントロール、病変等）の主要因となる動作を主成分分析によって求める。そして、ユーザがモーションキャプチャで取得した自分の動作データと所望のパフォーマンスとをシステムに入力すると、このシステムは、所望のパフォーマンスを得るための理想の動作を求め、ユーザに呈示する。

特許第５３００４２６号公報

石井 壮郎、"投球動作のモーション・シンセサイザ：障害予防をめざした統計モデルの活用"、バイオメカニズム学会誌、Ｖｏｌ．３９、Ｎｏ．１、ｐｐ．５−１０、２０１５年

例えば、特許文献１に開示される技術は、ある程度パタン化された指導法の中から効果のある指導法を、データベース化されている過去の実績の中から抽出するような技術である。特に医療業界では、新しい医療指導を行う場合に臨床試験が必要となるため、当該技術は、過去に実績がない新たな指導法を試行するような場面では、十分に活用できない場合がある。一方、技能指導では、新たな指導法を試行するような場面が多く存在し、その際に活用できる技術が求められる。

また、非特許文献１に開示される技術は、モーションキャプチャ等を利用可能なある限られた被験者を対象に、当該被験者が明確な目標（例えば、球速を上げたい等）を持って指導を受けようとする場合に有益な技術である。しかし、技能指導の指導者が指導法を試行するような場面では、当該技術を十分に活用できない場合がある。また、当該技術は、入力が被験者の動作と所望のパフォーマンスであり、出力が理想の動作となっている。このため、理想の動作を見たとしても、現状の動作に対してどこをどのように改善すればよいかを明確に把握できない場合がある。

後述する実施の形態は、このようなことを鑑みてなされたものであり、その他の課題と新規な特徴は、本明細書の記述及び添付図面から明らかになるであろう。

一実施の形態による技能指導検証システムは、記憶部、解析部、動作テンプレート生成部、動作合成部、および検証部を有する。記憶部は、所定の技能に伴う実際の人体動作を表すデータと当該人体動作によって得られる試技結果のデータとの組み合わせを含む複数のサンプルデータを記憶する。解析部は、複数のサンプルデータを所定の多変量解析方法を用いて解析する。動作テンプレート生成部は、解析部による解析結果を基に、基準となる人体動作モデルを生成する。動作合成部は、基準となる人体動作モデルに対して、ユーザの指示に基づく矯正を加えることで矯正された人体動作モデルを生成する。検証部は、解析部による解析結果に基づき、矯正された人体動作モデルによって得られる試技結果を予測する。

前記一実施の形態によれば、技能に対する指導法の効果を検証可能な技能指導検証システムおよび技能指導検証プログラムを提供できる。

本発明の実施の形態１による技能指導検証システムにおいて、その概要と使用場面の一例を示す説明図である。 本発明の実施の形態１による技能指導検証システムにおいて、その構成例を示すブロック図である。 図２における解析部の概略的な処理内容の一例を示す説明図である。 図２における検証部の処理内容の一例を示すフロー図である。 図２の技能指導検証システムの適用例を示す概略図である。 本発明の実施の形態２による技能指導検証システムにおいて、その構成例を示すブロック図である。 本発明の実施の形態３による技能指導検証システムにおいて、その動作テンプレート生成部の概略的な処理内容の一例を示す説明図である。 図７における動作テンプレート生成部の詳細な処理内容の一例を示すフロー図である。 本発明の実施の形態４による技能指導検証システムにおいて、その動作テンプレート生成部の詳細な処理内容の一例を示すフロー図である。 （ａ）は、本発明の実施の形態５による技能指導検証システムにおいて、その検証部周りの概略的な構成例を示すブロック図であり、（ｂ）は、（ａ）における判別部の処理内容の一例を示すフロー図である。 本発明の比較例として検討した技能指導検証システムの構成例を示すブロック図である。

以下の実施の形態においては便宜上その必要があるときは、複数のセクションまたは実施の形態に分割して説明するが、特に明示した場合を除き、それらは互いに無関係なものではなく、一方は他方の一部または全部の変形例、詳細、補足説明等の関係にある。また、以下の実施の形態において、要素の数等（個数、数値、量、範囲等を含む）に言及する場合、特に明示した場合および原理的に明らかに特定の数に限定される場合等を除き、その特定の数に限定されるものではなく、特定の数以上でも以下でも良い。

さらに、以下の実施の形態において、その構成要素（要素ステップ等も含む）は、特に明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。同様に、以下の実施の形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似または類似するもの等を含むものとする。このことは、上記数値および範囲についても同様である。

以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。

（実施の形態１）
《技能指導検証システムの概要および使用場面》
図１は、本発明の実施の形態１による技能指導検証システムにおいて、その概要と使用場面の一例を示す説明図である。図１の例では、技能指導検証システムＳＹＳは、野球の投球動作に対して技能指導を行う場面で用いられる。ただし、技能指導検証システムは、特にこれに限定されず、例えば、ランニング動作やゴルフスイング動作といった各種スポーツ競技に対して技能指導を行う場面や、または、演劇・振り付けといったようにスポーツ競技以外で技能指導を行う場面など様々な場面で使用可能である。

図１において、技能指導検証システムＳＹＳは、サンプルデータベース（以降、サンプルＤＢと略す）を備える。サンプルＤＢには、予め、所定の技能（ここでは投球動作）に伴う実際の人体動作を表すデータと当該人体動作によって得られる試技結果のデータ（例えば球速データ等）との組み合わせを含む複数のサンプルデータが登録されている。ユーザ（例えば指導者）ＵＳＲは、まず、このサンプルＤＢに基づいて生成される典型的な動作モデルを見ながら指導法を考える。

次に、ユーザＵＳＲは、技能指導検証システムＳＹＳに対して、考えた指導法を入力する。例えば、ユーザＵＳＲは、ある時点での肘の角度を自身が考える角度に変更するといったような指導法を入力する。これに応じて、技能指導検証システムＳＹＳは、サンプルＤＢに基づき、当該指導法によって得られる効果を検証し、ユーザＵＳＲに呈示する。ユーザＵＳＲは、例えば、所望の効果が得られなかった場合、別の指導法を考える。このように、技能指導検証システムＳＹＳは、技能に対する指導法の効果を検証するシステムであり、ユーザＵＳＲは、当該技能指導検証システムＳＹＳを用いることで、有効な指導法を模索することができる。

例えば、不特定多数のユーザがコンテンツを提供するメディア形態の一つとして、ＣＧＭ（Consumer Generated Media）と呼ばれるメディアが広く普及している。特にこのようなメディアでは、不特定多数のユーザによって様々な指導法が提案されるが、従来において、その指導法の有益性を客観的に検証することは困難となっている。本実施の形態１の技能指導検証システムＳＹＳを用いると、例えば、このような不特定多数のユーザに対して、指導法の有益性を検証する仕組みを提供することが可能になる。

《技能指導検証システムの構成および動作》
図２は、本発明の実施の形態１による技能指導検証システムにおいて、その構成例を示すブロック図である。図２に示す技能指導検証システムＳＹＳ１は、第１の記憶部ＭＥＭ１と、解析部ＡＮＡと、動作テンプレート生成部ＴＭＰＧと、第２の記憶部ＭＥＭ２と、動作合成部ＳＹＮと、検証部ＳＩＭと、入力部ＩＮＵと、出力部ＯＴＵとを備える。第１の記憶部ＭＥＭ１は、図１に示したサンプルＤＢに該当し、複数のサンプルデータＳＰを記憶する。各サンプルデータＳＰは、所定の技能に伴う実際の人体動作を表すデータと当該人体動作によって得られる試技結果のデータとの組み合わせを含む。

当該複数のサンプルデータＳＰは、サンプル取得部ＳＰＡで取得される。サンプル取得部ＳＰＡは、既存の様々な方法を用いて、所定の技能（ここでは投球動作）に伴う実際の人体動作データを取得する。人体動作データを取得する具体的な方法として、例えば、光学式モーションキャプチャを用いる方法や、赤外線パタンやＴｏＦ（Time of Flight）を利用した動体センサを用いる方法等が挙げられる。または、慣性センサ（加速度センサやジャイロセンサ）を被験者の体に取り付け、動作データを取得するような方法を用いてもよい。あるいは、ハイスピードカメラやビデオカメラ等を用いて撮影した動画データを用い、コンピュータソフトウェア等を用いて動作軌跡を数値化したデータを用いても良い。

また、サンプル取得部ＳＰＡは、既存の様々な方法を用いて、各人体動作データによって得られる試技結果データを取得する。試技結果データは、例えば、球速データ、回転数データ、病変データ等であり、その他、奪三振率や被安打率のデータ等であってもよい。試技結果データを取得する具体的な方法として、例えば、スピードガンや、慣性センサ（加速度センサやジャイロセンサ）を内蔵したボールを用いる方法が挙げられる。または、ハイスピードカメラやビデオカメラを用いた動画像から結果を抽出しても良い。あるいは、試技を行った使用者に試技の結果を手動で入力させても良い。病変データに関しては、例えば、ＭＲＩ（Magnetic Resonance Imaging）等の医療機器により測定した被験者の臨床データや、医師による所見を含めた形での診断データを用いる方法等が挙げられる。

解析部ＡＮＡは、第１の記憶部ＭＥＭ１に記憶される複数のサンプルデータを所定の多変量解析方法を用いて解析する。多変量解析方法として、代表的には、主成分分析、重回帰分析、因子分析、クラスター分析等が挙げられる。ここでは、非特許文献１に示されるような主成分分析を用いる場合を例として、その概略動作について説明する。

図３は、図２における解析部の概略的な処理内容の一例を示す説明図である。複数のサンプルデータＳＰ１，ＳＰ２，…のそれぞれは、前述したように人体動作データおよび試技結果データを含み、人体動作データおよび試技結果データのそれぞれは、複数のパラメータで構成される。投球動作データ（人体動作データ）ＳＰａは、例えば、ある時刻における関節Ａの角度Ｘｉ、関節Ｂの角度Ｘｊ、…と、別の時刻における関節Ａの角度Ｘｌ、関節Ｂの角度Ｘｍ、…といったような複数のパラメータを含む。

このように、投球動作データＳＰａは、時刻の刻み幅と各時刻における関節の数等に応じて、例えば数千個等のパラメータで構成される。一方、試技結果データＳＰｂは、例えば、球速Ｘｕ、回転数Ｘｖ、病変Ｘｗ、…等といったように、数個〜数十個等のパラメータで構成される。そして、この投球動作データＳＰａを構成する多くのパラメータと、試技結果データＳＰｂを構成する複数のパラメータとによって、ある一連の投球動作と、それに伴う試技結果とが、実軸上の１個の動作点で定められる。

解析部ＡＮＡは、このような多くのパラメータを含む複数のサンプルデータＳＰ１，ＳＰ２，…に対して主成分分析を行い、例えば、主成分情報ＰＣＩＭや、相関情報ＣＣＩＭ等を算出する。具体的には、解析部ＡＮＡは、主成分情報ＰＣＩＭとして、各サンプルデータのパラメータ（…，Ｘｉ，Ｘｊ，…，Ｘｌ，Ｘｍ，…，Ｘｕ，Ｘｖ，Ｘｗ，…）と、第１主成分ＰＣ１とを対応付ける固有ベクトル（…，ａｉ，ａｊ，…，ａｌ，ａｍ，…，ａｕ，ａｖ，ａｗ，…）を算出する。同様に、解析部ＡＮＡは、主成分情報ＰＣＩＭとして、各サンプルデータのパラメータと、第２〜第ｘ主成分のそれぞれとを対応付ける各固有ベクトルを算出する。

さらに、解析部ＡＮＡは、相関情報ＣＣＩＭとして、第１〜第ｘ主成分ＰＣ１〜ＰＣｘのそれぞれと試技結果データＳＰｂの各パラメータ（球速Ｘｕ、回転数Ｘｖ、病変Ｘｗ、…）との相関関係（具体的には相関係数等）を算出する。これにより、試技結果データＳＰｂの各パラメータに対して相関が高い主成分を明らかにすることができる。なお、サンプルデータ（言い換えれば実軸）のパラメータ数は、前述したように数千個等になり得るが、主成分分析を行うと、その寄与率等に応じて、主成分（言い換えれば主成分軸）のパラメータ数（ｘ）を例えば数十個等に圧縮することが可能である。

図２において、動作テンプレート生成部ＴＭＰＧは、解析部ＡＮＡによる解析結果を基に、基準となる人体動作モデル（本明細書では動作テンプレートと呼ぶ）を生成し、第２の記憶部ＭＥＭ２に登録する。動作テンプレートは、例えば、各主成分ＰＣ１〜ＰＣｘのパラメータ値（すなわち主成分得点）を平均値に設定すること等で生成される。この場合、当該動作テンプレートによって示される動作は、サンプルＤＢに登録されている各被験者の動作を平均化したような動作となり、また、平均的な試技結果が得られるような動作となる。

入力部ＩＮＵは、ユーザに、動作テンプレートに対する指導法を入力させるためのインタフェースを提供する。具体的な入力方法としては、例えば、ＰＣ（Personal Computer）、スマートフォン、タブレットデバイス等に、動作テンプレートの動作を３Ｄ−ＣＡＤ等のソフトウェアで表示し、当該ソフトウェア上で、ユーザに操作を行わせる（例えば、図１の例では、ユーザが肘の角度を変える操作を行う）方法が挙げられる。または、ユーザが、自身の体に慣性センサ（加速度センサやジャイロセンサ）を取り付け、実際の動作を入力してもよく、あるいは、サンプル取得部ＳＰＡの場合と同様に、モーションキャプチャを用いて入力してもよい。

動作合成部ＳＹＮは、動作テンプレート（基準となる人体動作モデル）に対して、入力部ＩＮＵを介して入力されたユーザの指示に基づく矯正を加えることで矯正された人体動作モデルを生成する。検証部ＳＩＭは、解析部ＡＮＡによる解析結果に基づき、動作合成部ＳＹＮで生成された、矯正された人体動作モデルによって得られる試技結果を予測する。そして、検証部ＳＩＭは、当該予測した試技結果（すなわち、入力された指導法による改善効果の有無）を出力部ＯＴＵに出力する。

なお、図２の技能指導検証システムＳＹＳ１において、出力部ＯＴＵは、例えば、ディスプレイやプリンタ等によって構成される。第１の記憶部ＭＥＭ１は、例えば、ハードディスクドライブやフラッシュメモリ等を代表とする各種不揮発性メモリ等によって構成され、第２の記憶部ＭＥＭ２は、各種不揮発性メモリや、または揮発性メモリ（ＲＡＭ）等によって構成される。解析部ＡＮＡ、動作テンプレート生成部ＴＭＰＧ、動作合成部ＳＹＮおよび検証部ＳＩＭは、例えば、ＣＰＵ（Central Processing Unit）等を含むコンピュータを用いたプログラム処理によって構成される。

すなわち、図２の技能指導検証システムＳＹＳ１は、例えば、１台のコンピュータに実装することが可能である。この場合、ＲＡＭまたはＲＯＭに格納された技能指導検証プログラムをＣＰＵが実行することで、コンピュータは、解析部ＡＮＡ、動作テンプレート生成部ＴＭＰＧ、動作合成部ＳＹＮおよび検証部ＳＩＭとして機能する。ただし、各部の形態は、必ずしも、このような形態に限定されるものではなく、例えば、解析部ＡＮＡ、動作テンプレート生成部ＴＭＰＧ、動作合成部ＳＹＮおよび検証部ＳＩＭの一部を専用のハードウェアで構成してもよい。また、図２の技能指導検証システムＳＹＳ１における各部を、ネットワークで接続された複数のコンピュータに適宜分散して配置してもよい。

《検証部の動作》
図４は、図２における検証部の処理内容の一例を示すフロー図である。前述した動作合成部ＳＹＮによって生成される、矯正された人体動作モデル（本明細書では矯正動作モデルと呼ぶ）は、図３を例とすると、例えば、動作テンプレートに対して関節Ａの角度Ｘｉを矯正したような動作モデルとなる。すなわち、動作テンプレートに対して実軸上のパラメータ値に操作を加えた動作モデルとなる。

ただし、人体で行える現実的な動作では、関節Ａの角度Ｘｉを矯正すると、同時刻で、関節Ａの矯正に連動して別の関節Ｃの角度も変更される場合があり、さらに、当該時刻の前後の時刻で、関節Ａ，Ｃの角度も変更される場合がある。そうすると、実軸上のパラメータ値に操作を加えた結果として得られる動作は、現実的には、実行困難となる場合がある。

一方、各主成分は、前述したような連動する複数の関節の角度とその時系列的な変化とを組み合わせた一連の動作パタンを意味するものと考えることができ、複数の主成分は、それぞれ、相関関係が無い動作パタンを意味するものと考えることができる。そうすると、例えば、主成分軸上でパラメータ値（すなわち主成分得点）を動かした場合、当該パラメータ値が所定の範囲内に収まっていれば、当該パラメータ値に対応する動作は、現実的に実行可能な動作であると考えることができる。当該所定の範囲は、例えば、主成分得点の最小値〜最大値の範囲とすることができるが、現実的には、主成分得点の標準偏差をσとすると、−２σ〜＋２σまたは−１σ〜＋１σ等とする方が望ましい。

このようなことを鑑みて、検証部ＳＩＭは、概略的には次のような処理を行う。すなわち、検証部ＳＩＭは、主成分軸上でパラメータ値を変更しながら、各パラメータ値毎に検証用の人体動作モデル（本明細書では、検証用動作モデルと呼ぶ）を生成し、矯正動作モデルに最も動作軌跡が近くなる検証用動作モデルを探索する。すなわち、検証部ＳＩＭは、矯正動作モデルに最も近く、かつ、実際に実行可能と考えられる主成分軸上の検証用動作モデルを探索する。各主成分軸には、図３の相関情報ＣＣＩＭに基づき、試技結果が関連付けられている。これに基づき、検証部ＳＩＭは、当該探索結果となる検証用動作モデルによって得られる試技結果を矯正動作モデルによって得られる試技結果として定め、ユーザに呈示する。

より具体的には、図４に示すように、検証部ＳＩＭは、矯正動作モデルの呼び出しと（ステップＳ１０１）、検証用動作モデルの生成を行う（ステップＳ１０３）。検証用動作モデルは、第ｍ主成分のパラメータ値をｊに設定し、他の主成分のパラメータ値を平均値（例えば、主成分得点＝０）に設定することで生成される。検証部ＳＩＭは、ｊをｊｍｉｎ〜ｊｍａｘの範囲でΔｊずつ変化させながら、さらに、ｍを主成分の数（図３では１〜ｘ）だけ変化させながら（ステップＳ１０２，Ｓ１０７〜Ｓ１１０）、その都度、検証用動作モデルを生成する（ステップＳ１０３）。

検証部ＳＩＭは、検証用動作モデルが生成される度に、矯正動作モデルと検証用動作モデルとで動作軌跡の差分ｄを計算し（ステップＳ１０４）、その過程で、差分ｄが最小となる主成分の次元（ｎ）ならびに当該第ｎ主成分のパラメータ値（ｋ）を探索する（ステップＳ１０５，Ｓ１０６）。この探索結果に基づき、検証部ＳＩＭは、第ｎ主成分のパラメータ値をｋに設定した最小誤差モデルを生成し（ステップＳ１１１）、最小誤差モデルによる試技結果（具体的には、例えば平均的な試技結果との差分）を出力部ＯＴＵに表示する（ステップＳ１１２）。

なお、ステップＳ１０４の処理は、例えば、画像解析等によって行われる。また、ｊｍｉｎおよびｊｍａｘは、前述したように、対応する主成分得点の最小値および最大値か、または、対応する主成分得点の−２σおよび＋２σ、あるいは−１σおよび＋１σ等である。Δｊに関しては、小さいほど探索精度が高くなる一方で、処理負荷の増大を招くため、それらのバランスを考慮して適宜定めればよい。

《技能指導検証システムの適用例》
図５は、図２の技能指導検証システムの適用例を示す概略図である。図５の例では、サーバ装置ＳＶが、図２の技能指導検証システムＳＹＳ１を備える。当該技能指導検証システムＳＹＳ１は、図２の入力部ＩＮＵおよび出力部ＯＴＵとして、例えば、ＷｅｂアプリケーションのユーザインタフェースＵＩＦを備えている。また、サーバ装置ＳＶは、直接またはネットワークＮＷを介して複数のサンプル取得部ＳＰＡに接続され、ネットワークＮＷを介して複数のユーザ端末装置ＴＭに接続される。

サーバ装置ＳＶが備える第１の記憶部（サンプルＤＢ）ＭＥＭ１には、これらのサンプル取得部ＳＰＡによって取得されたサンプルデータが逐次蓄積される。技能指導検証システムＳＹＳ１の解析部ＡＮＡは、この逐次蓄積されたサンプルデータに対して主成分分析等を行う。一方、不特定多数のユーザは、ユーザ端末装置ＴＭを介してサーバ装置ＳＶにアクセスし、サーバ装置ＳＶのユーザインタフェースＵＩＦを介して技能指導検証システムＳＹＳ１を使用する。

《本実施の形態１の主要な効果》
図１１は、本発明の比較例として検討した技能指導検証システムの構成例を示すブロック図であり、例えば、非特許文献１の技術に対応するものである。当該技能指導検証システムＳＹＳ’は、図２の構成例と比較して、主に、動作テンプレート生成部ＴＭＰＧおよび検証部ＳＩＭを備えない点と、動作合成部ＳＹＮ’の処理内容が異なる点とが異なっている。

当該技能指導検証システムＳＹＳ’を使用するユーザｘは、自身のサンプルデータ（投球動作データ）ＳＰｘと共に、入力部ＩＮＵ’を介して目標の試技結果を入力する。動作合成部ＳＹＮ’は、例えば、当該入力されたサンプルデータＳＰｘを、解析部ＡＮＡで得られた固有ベクトルを用いて主成分軸のパラメータ値に変換すると共に、目標の試技結果に基づいて当該パラメータ値を主成分軸で動かし、その結果得られる動作を理想の動作として出力部ＯＴＵ’に出力する。

しかし、前述したように、技能指導の指導者（例えば不特定多数のユーザ）が指導法を試行するような場面で、このような技能指導検証システムＳＹＳ’を活用することは容易でない。具体的には、技能に対する指導法の効果を検証するようなことは困難である。さらに、主成分軸でパラメータ値を動かすと、実軸上では多数のパラメータ値が変更され得るため、理想の動作を見たとしても、現状の動作に対してどこをどのように改善すればよいかを明確に把握できない場合がある。

一方、本実施の形態１の方式を用いると、技能に対する指導法の効果が検証可能となり、これにより、技能指導の指導者（不特定多数のユーザ）が、有効な指導法を試行するようなことが可能になる。この際には、ユーザの入力は、主成分軸ではなく実軸のパラメータ値であるため、例えば、身体の一部のみに着目して指導法の効果を検証するようなことが可能になる。すなわち、ユーザにとって使い易い（言い換えれば、利便性が高い）システムをユーザに提供することが可能になる。

（実施の形態２）
《技能指導検証システムの構成および動作（応用例）》
図６は、本発明の実施の形態２による技能指導検証システムにおいて、その構成例を示すブロック図である。図６に示す技能指導検証システムＳＹＳ２は、図２の構成例と比較して、逆運動学計算部ＩＶＣＡＬと、第３の記憶部ＭＥＭ３とが追加される点が異なっている。実施の形態１でも述べたように、一般には、人体のある特定の部位の動作を矯正した場合、この矯正に連動して、矯正を加えた部位とは異なる部位にも変化が生ずることが多い。この連動した動作は、いわゆるバイオメカニクスに基づいた逆運動学計算を用いることで得られる。

そこで、第３の記憶部ＭＥＭ３には、予め逆運動学に基づく人体モデルデータが格納される。逆運動学計算部ＩＶＣＡＬは、動作合成部ＳＹＮにおける指導法（言い換えればユーザの指示）に基づく矯正に対して、逆運動学に基づき当該矯正に連動する矯正をさらに加えることで矯正動作モデルを生成する。ここでは、逆運動学計算部ＩＶＣＡＬは、動作合成部ＳＹＮにより生成された動作軌跡を受けて、第３の記憶部ＭＥＭ３に記憶された人体モデルデータに基づき、指導法により矯正された部分以外の動作軌跡を更に計算する。検証部ＳＩＭは、当該逆運動学計算部ＩＶＣＡＬで生成された矯正動作モデルを受け、図４の処理を行うことにより、指導法による改善効果を検証する。

以上、本実施の形態２の技能指導検証システムを用いることで、実施の形態１で述べた各種効果に加えて、さらに、より現実の動きに近い矯正動作モデルに基づいて検証が行えるため、指導法による改善効果をより正確に検証することが可能になる。また、場合によっては、動作合成部ＳＹＮからの矯正動作モデルによる改善効果と、逆運動学計算部ＩＶＣＡＬからの矯正動作モデルによる改善効果との差分に基づいて、指導法による副作用等を呈示することも可能になる。

（実施の形態３）
《動作テンプレート生成部の動作（応用例）》
図７は、本発明の実施の形態３による技能指導検証システムにおいて、その動作テンプレート生成部の概略的な処理内容の一例を示す説明図である。前述した実施の形態１では、動作テンプレート生成部ＴＭＰＧは、図７に示すように、主成分のパラメータ値を平均値に設定することで、平均的な動作および平均的な試技結果をもたらす人体動作モデル（本明細書では、平均動作モデルと呼ぶ）を生成した。

ただし、例えば、第１の記憶部ＭＥＭ１にサンプルデータを蓄積する際に、当該サンプルデータの元となる各被験者の技能レベルが相対的に高いような場合、平均動作モデルの動作は、一見して、改善点が見出し難いような動作となる恐れがある。すなわち、本実施の形態による技能指導検証システムは、プロの指導者に限らず、不特定多数のユーザによって利用可能なシステムであるため、このような不特定多数のユーザの視点で指導法を試行し易い動作テンプレートを設けることが望ましい場合がある。

そこで、動作テンプレート生成部ＴＭＰＧは、平均動作モデルに加えて、図７に示すように、例えば、予めユーザによって着目点となる人体動作上の部位が指示されることで、当該部位が特徴的な動きとなる特徴的な人体動作モデルを生成する。具体的には、例えば、着目点となる部位の動きがパフォーマンスを低くする（すなわち試技結果が最悪となる）ような動きとなっている人体動作モデルを生成する。

図８は、図７における動作テンプレート生成部の詳細な処理内容の一例を示すフロー図である。図８において、動作テンプレート生成部ＴＭＰＧは、ユーザにとって着目点となる部位（例えば関節）が指示されることで（ステップＳ２０１）、当該部位に着目した動作テンプレート（すなわち基準となる特徴的な人体動作モデル）を生成する。この際に、動作テンプレート生成部ＴＭＰＧは、まず、平均動作モデルの動作軌跡を生成する（ステップＳ２０３）。

次いで、動作テンプレート生成部ＴＭＰＧは、当該平均動作モデルに対して、第ｎ主成分のパラメータ値を最低パフォーマンスに（すなわち試技結果が最悪となるように）設定した動作軌跡を生成する（ステップ２０４）。具体的には、動作テンプレート生成部ＴＭＰＧは、図３の相関情報ＣＣＩＭに基づいて、第ｎ主成分のパラメータ値をどの方向（例えばプラス方向またはマイナス方向）に動かせば最低パフォーマンスになるかを判別でき、その方向に所定の値を設定する。当該所定の値は、第ｎ主成分のパラメータ値（主成分得点）の最大値／最小値とすることや、または、第ｎ主成分の標準偏差σに対して、±２σあるいは±１σ等とすることができる。

続いて、動作テンプレート生成部ＴＭＰＧは、ステップＳ２０３で生成した平均動作モデルの動作軌跡と、ステップＳ２０４で生成した動作軌跡とで、ステップＳ２０１で指示された着目点に関する差分ｄを算出する（ステップＳ２０５）。差分ｄは、例えば、画像解析等によって算出される。動作テンプレート生成部ＴＭＰＧは、主成分の次元（ｎ）を１〜最大値の範囲（図３の例では、ＰＣ１〜ＰＣｘ）で変更しながら、その都度、ステップＳ２０４，Ｓ２０５の処理を行い、各次元（ｎ）毎の差分ｄを比較することで、差分ｄが最大となる主成分の次元（ｍ）を探索する（ステップＳ２０２，Ｓ２０６〜Ｓ２０９）。その結果、着目点に関して、平均動作モデルの動作軌跡と最も乖離しており、かつ、それによって最低パフォーマンスになっていると考えられる動きが得られる。

そして、動作テンプレート生成部ＴＭＰＧは、探索結果となる第ｍ主成分のパラメータ値を最低パフォーマンスの値に設定し、その他の主成分のパラメータ値を最高パフォーマンスの値に設定した動作モデル（動作テンプレート）を生成する（ステップＳ２１０）。このように、動作テンプレート生成部ＴＭＰＧは、概略的には、着目点（すなわちユーザの指示に基づく人体動作上の部位）に最も相関が高い主成分を探索し、当該探索結果となる主成分のパラメータ値を試技結果が最悪となるパラメータ値に設定し、その他の主成分のパラメータ値を試技結果が最良となるパラメータ値に設定する。これによって、動作テンプレート生成部ＴＭＰＧは、動作テンプレートを生成する。

以上、本実施の形態３の技能指導検証システムを用いることで、実施の形態１等で述べた各種効果に加えて、さらに、次のような効果が得られる。まず、指導法をより試行し易くなる動作テンプレートや、ユーザの指導法による効果がより得られ易くなる動作テンプレートをユーザに提供できる。また、様々な特徴を持つ動作モデルを基準として（言い換えれば、指導対象となる様々な人を想定して）、指導法を検証することが可能になる。これらの結果、ユーザの利便性の更なる向上等が図れる。

（実施の形態４）
《動作テンプレート生成部の動作（応用例）》
図９は、本発明の実施の形態４による技能指導検証システムにおいて、その動作テンプレート生成部の詳細な処理内容の一例を示すフロー図である。図９に示すフローは、図８に示したフローと比較して、図８のステップＳ２１０の処理が図９のステップＳ３０１の処理に変更されている点が異なっている。動作テンプレート生成部ＴＭＰＧは、ステップＳ３０１において、ステップＳ２１０の場合と同様に、探索結果となる第ｍ主成分のパラメータ値を最低パフォーマンスの値に設定した動作モデル（動作テンプレート）を生成する。ただし、ステップＳ３０１では、ステップＳ２１０の場合と異なり、動作テンプレート生成部ＴＭＰＧは、生成する動作モデルのその他の主成分のパラメータ値を、最高パフォーマンスではなく平均値に設定する。

例えば、ステップＳ２１０のように、その他の主成分のパラメータ値を、最高パフォーマンスに設定した場合、次のような問題が生じる恐れがある。すなわち、各主成分に対する「パフォーマンス」の高低は、パフォーマンスの種類によって相反する場合がある。例えば、投球動作における球速と病変を「パフォーマンス」とすると、ある主成分のパラメータ値が最大値の場合、球速は最高パフォーマンスとなるが、病変は最低パフォーマンスとなる場合がある。

この場合、ある主成分の最高パフォーマンスを球速を基準に定めるか（この場合、パラメータ値は最大値となる）、病変を基準に定めるか（この場合、パラメータ値は最小値となる）を、ユーザに逐次選択させる必要性が生じ得る。一方、本実施の形態４の方式を用いると、着目点以外のパラメータ値を平均値に設定することにより、このような問題を生じさせることなく、実施の形態３で述べたような各種効果が得られる。

（実施の形態５）
《検証部の構成および動作（応用例）》
図１０（ａ）は、本発明の実施の形態５による技能指導検証システムにおいて、その検証部周りの概略的な構成例を示すブロック図であり、図１０（ｂ）は、図１０（ａ）における判別部の処理内容の一例を示すフロー図である。図１０（ａ）に示す検証部ＳＩＭは、図４に示したような処理を行うことに加えて、さらに、判別部ＪＧＥを備える。判別部ＪＧＥは、概略的には、図６の動作合成部ＳＹＮまたは逆運動学計算部ＩＶＣＡＬから入力された矯正動作モデルが第１の記憶部ＭＥＭ１に記憶される複数のサンプルデータによって裏付けされる人体動作の範囲を超えていないかを判別する。

具体的には、図１０（ｂ）に示すように、判別部ＪＧＥは、まず、動作合成部ＳＹＮまたは逆運動学計算部ＩＶＣＡＬで生成された矯正動作モデルを呼び出し（ステップＳ４０１）、矯正動作モデルの動作軌跡を生成する（ステップＳ４０２）。次いで、判別部ＪＧＥは、当該動作軌跡を、解析部ＡＮＡを介して第１の記憶部ＭＥＭ１のサンプルＤＢと照合し（ステップＳ４０３）、矯正動作モデルの動作軌跡がサンプルＤＢの範囲内か否かを判別する（ステップＳ４０４）。

具体的な判別方法は、様々な方法が考えられる。例えば、判別部ＪＧＥは、図３の主成分情報ＰＣＩＭに基づき、矯正動作モデルに対応する実軸のパラメータ値を主成分のパラメータ値に変換し、各主成分のパラメータ値（主成分得点）が統計学の見地から定められる所定の範囲内に収まっているか否かを判別すればよい。例えば、各主成分の標準偏差σに基づいて、全ての主成分のパラメータ値が±１σの範囲内である場合をサンプルＤＢの範囲内とみなす方法や、あるいは、その内の数個の主成分のパラメータ値を±２σまで許容し、その範囲をサンプルＤＢの範囲内とみなす方法等が考えられる。

判別部ＪＧＥは、矯正動作モデルの動作軌跡がサンプルＤＢの範囲外であると判別した場合、出力部ＯＴＵに、指導法の再入力を促すメッセージや、またはサンプルＤＢの範囲外である旨の警告メッセージを出力する（ステップＳ４０５）。これに応じて、ユーザは、例えば、入力部ＩＮＵを介して指導法の再入力を行う。

例えば、実施の形態１または２に示した技能指導検証システムは、矯正動作モデルがサンプルＤＢによって裏付けされる範囲内の動作モデルであるか否かに関わらず、図４の処理によって最小誤差モデルを生成することで指導法の改善効果を検証した。ただし、矯正動作モデルがサンプルＤＢによって裏付けされる範囲外の場合には、当該改善効果の信憑性が疑われる場合がある。そこで、本実施の形態５の方式を用いると、実施の形態１，２等で述べた各種効果に加えて、指導法の改善効果をさらに正確に検証することが可能になる。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。例えば、前述した実施の形態は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施の形態の構成の一部を他の実施の形態の構成に置き換えることが可能であり、また、ある実施の形態の構成に他の実施の形態の構成を加えることも可能である。また、各実施の形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

ＳＹＳ，ＳＹＳ’ 技能指導検証システム
ＵＳＲ ユーザ
ＳＰＡ サンプル取得部
ＳＰ サンプルデータ
ＭＥＭ 記憶部
ＡＮＡ 解析部
ＳＩＭ 検証部
ＴＭＰＧ 動作テンプレート生成部
ＳＹＮ，ＳＹＮ’ 動作合成部
ＩＮＵ，ＩＮＵ’ 入力部
ＯＴＵ，ＯＴＵ’ 出力部
ＰＣＩＭ 主成分情報
ＣＣＩＭ 相関情報
ＳＶ サーバ装置
ＵＩＦ ユーザインタフェース
ＮＷ ネットワーク
ＴＭ ユーザ端末装置
ＩＶＣＡＬ 逆運動学計算部
ＪＧＥ 判別部

Claims (16)

1. 所定の技能に伴う実際の人体動作を表すデータと当該人体動作によって得られる試技結果のデータとの組み合わせを含む複数のサンプルデータを記憶する記憶部と、
   前記複数のサンプルデータを所定の多変量解析方法を用いて解析する解析部と、
   前記解析部による解析結果を基に、基準となる人体動作モデルを生成する動作テンプレート生成部と、
   前記基準となる人体動作モデルに対して、ユーザの指示に基づく矯正を加えることで矯正された人体動作モデルを生成する動作合成部と、
   前記解析部による解析結果に基づき、前記矯正された人体動作モデルによって得られる試技結果を予測する検証部と、
   を有する、
   技能指導検証システム。
2. 請求項１記載の技能指導検証システムにおいて、
   前記所定の多変量解析方法は、主成分分析であり、
   前記解析部は、各主成分と前記試技結果との相関関係を算出する、
   技能指導検証システム。
3. 請求項２記載の技能指導検証システムにおいて、
   前記検証部は、主成分軸上でパラメータ値を変更しながら、各パラメータ値毎に検証用の人体動作モデルを生成し、前記矯正された人体動作モデルに最も動作軌跡が近くなる前記検証用の人体動作モデルを探索し、当該探索結果となる前記検証用の人体動作モデルによって得られる試技結果を前記矯正された人体動作モデルによって得られる試技結果として定める、
   技能指導検証システム。
4. 請求項２記載の技能指導検証システムにおいて、
   前記動作テンプレート生成部は、各主成分のパラメータ値を平均値に設定することで前記基準となる人体動作モデルを生成する、
   技能指導検証システム。
5. 請求項２記載の技能指導検証システムにおいて、
   前記動作テンプレート生成部は、ユーザの指示に基づく人体動作上の部位に最も相関が高い主成分を探索し、当該探索結果となる主成分のパラメータ値を前記試技結果が最悪となるパラメータ値に設定し、かつその他の主成分のパラメータ値を前記試技結果が最良となるパラメータ値に設定することで前記基準となる人体動作モデルを生成する、
   技能指導検証システム。
6. 請求項２記載の技能指導検証システムにおいて、
   前記動作テンプレート生成部は、ユーザの指示に基づく人体動作上の部位に最も相関が高い主成分を探索し、当該探索結果となる主成分のパラメータ値を前記試技結果が最悪となるパラメータ値に設定し、かつその他の主成分のパラメータ値を平均値に設定することで前記基準となる人体動作モデルを生成する、
   技能指導検証システム。
7. 請求項１記載の技能指導検証システムにおいて、
   さらに、前記動作合成部におけるユーザの指示に基づく矯正に対して、逆運動学に基づき当該矯正に連動する矯正をさらに加えることで前記矯正された人体動作モデルを生成する逆運動学計算部を有する、
   技能指導検証システム。
8. 請求項１または７記載の技能指導検証システムにおいて、
   さらに、前記矯正された人体動作モデルが前記記憶部に記憶される前記複数のサンプルデータによって裏付けされる人体動作の範囲を超えていないかを判別する判別部を有する、
   技能指導検証システム。
9. コンピュータを、
   所定の技能に伴う実際の人体動作を表すデータと当該人体動作によって得られる試技結果のデータとの組み合わせを含む複数のサンプルデータを、所定の多変量解析方法を用いて解析する解析部、
   前記解析部による解析結果を基に、基準となる人体動作モデルを生成する動作テンプレート生成部、
   前記基準となる人体動作モデルに対して、ユーザの指示に基づく矯正を加えることで矯正された人体動作モデルを生成する動作合成部、
   前記解析部による解析結果に基づき、前記矯正された人体動作モデルによって得られる試技結果を予測する検証部、
   として機能させるための、
   技能指導検証プログラム。
10. 請求項９記載の技能指導検証プログラムにおいて、
    前記所定の多変量解析方法は、主成分分析であり、
    前記解析部は、各主成分と前記試技結果との相関関係を算出する、
    技能指導検証プログラム。
11. 請求項１０記載の技能指導検証プログラムにおいて、
    前記検証部は、主成分軸上でパラメータ値を変更しながら、各パラメータ値毎に検証用の人体動作モデルを生成し、前記矯正された人体動作モデルに最も動作軌跡が近くなる前記検証用の人体動作モデルを探索し、当該探索結果となる前記検証用の人体動作モデルによって得られる試技結果を前記矯正された人体動作モデルによって得られる試技結果として定める、
    技能指導検証プログラム。
12. 請求項１０記載の技能指導検証プログラムにおいて、
    前記動作テンプレート生成部は、各主成分のパラメータ値を平均値に設定することで前記基準となる人体動作モデルを生成する、
    技能指導検証プログラム。
13. 請求項１０記載の技能指導検証プログラムにおいて、
    前記動作テンプレート生成部は、ユーザの指示に基づく人体動作上の部位に最も相関が高い主成分を探索し、当該探索結果となる主成分のパラメータ値を前記試技結果が最悪となるパラメータ値に設定し、かつその他の主成分のパラメータ値を前記試技結果が最良となるパラメータ値に設定することで前記基準となる人体動作モデルを生成する、
    技能指導検証プログラム。
14. 請求項１０記載の技能指導検証プログラムにおいて、
    前記動作テンプレート生成部は、ユーザの指示に基づく人体動作上の部位に最も相関が高い主成分を探索し、当該探索結果となる主成分のパラメータ値を前記試技結果が最悪となるパラメータ値に設定し、かつその他の主成分のパラメータ値を平均値に設定することで前記基準となる人体動作モデルを生成する、
    技能指導検証プログラム。
15. 請求項９記載の技能指導検証プログラムにおいて、
    コンピュータを、さらに、
    前記動作合成部におけるユーザの指示に基づく矯正に対して、逆運動学に基づき当該矯正に連動する矯正をさらに加えることで前記矯正された人体動作モデルを生成する逆運動学計算部として機能されるための、
    技能指導検証プログラム。
16. 請求項９または１５記載の技能指導検証プログラムにおいて、
    コンピュータを、さらに、
    前記矯正された人体動作モデルが前記複数のサンプルデータによって裏付けされる人体動作の範囲を超えていないかを判別する判別部として機能されるための、
    技能指導検証プログラム。

Images