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
技能指導検証システムおよび技能指導検証プログラム Download PDFInfo
- Publication number
- JP2017045160A JP2017045160A JP2015165435A JP2015165435A JP2017045160A JP 2017045160 A JP2017045160 A JP 2017045160A JP 2015165435 A JP2015165435 A JP 2015165435A JP 2015165435 A JP2015165435 A JP 2015165435A JP 2017045160 A JP2017045160 A JP 2017045160A
- Authority
- JP
- Japan
- Prior art keywords
- human body
- skill
- body motion
- verification
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012795 verification Methods 0.000 title claims abstract description 111
- 238000009223 counseling Methods 0.000 title abstract 5
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 22
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 22
- 230000033001 locomotion Effects 0.000 claims description 165
- 238000012937 correction Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 238000000491 multivariate analysis Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 24
- IOWPKEYIXBBDOQ-UHFFFAOYSA-N 2-[3-(trifluoromethyl)anilino]-3,7-dihydropurin-6-one Chemical compound FC(F)(F)C1=CC=CC(NC=2NC=3N=CNC=3C(=O)N=2)=C1 IOWPKEYIXBBDOQ-UHFFFAOYSA-N 0.000 abstract description 21
- 230000009471 action Effects 0.000 abstract description 15
- 230000015654 memory Effects 0.000 abstract description 5
- 238000010202 multivariate logistic regression analysis Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 19
- 230000006399 behavior Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000006872 improvement Effects 0.000 description 9
- 230000003902 lesion Effects 0.000 description 8
- 101000786631 Homo sapiens Protein SYS1 homolog Proteins 0.000 description 7
- 102100025575 Protein SYS1 homolog Human genes 0.000 description 7
- AHLIZUWPYRQFHY-UHFFFAOYSA-N 5-chloro-4-(4-methylphenyl)-1h-imidazole-2-carbonitrile Chemical compound C1=CC(C)=CC=C1C1=C(Cl)N=C(C#N)N1 AHLIZUWPYRQFHY-UHFFFAOYSA-N 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 101000854862 Homo sapiens Vacuolar protein sorting-associated protein 35 Proteins 0.000 description 3
- 102100020822 Vacuolar protein sorting-associated protein 35 Human genes 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
- G09B19/0038—Sports
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Medicinal Chemistry (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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
【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。
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。
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。
《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。
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。
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。
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。
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。
《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。
《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。
《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。
《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
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015165435A JP2017045160A (ja) | 2015-08-25 | 2015-08-25 | 技能指導検証システムおよび技能指導検証プログラム |
US15/216,755 US20170061818A1 (en) | 2015-08-25 | 2016-07-22 | Skill teaching verification system and skill teaching verification program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015165435A JP2017045160A (ja) | 2015-08-25 | 2015-08-25 | 技能指導検証システムおよび技能指導検証プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017045160A true JP2017045160A (ja) | 2017-03-02 |
Family
ID=58096601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015165435A Pending JP2017045160A (ja) | 2015-08-25 | 2015-08-25 | 技能指導検証システムおよび技能指導検証プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20170061818A1 (ja) |
JP (1) | JP2017045160A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020004331A (ja) * | 2018-07-02 | 2020-01-09 | 国立研究開発法人産業技術総合研究所 | 運動生成方法、装置及びプログラム |
JP2021015224A (ja) * | 2019-07-12 | 2021-02-12 | マツダ株式会社 | 技能情報取得装置および該方法 |
WO2024057965A1 (ja) * | 2022-09-15 | 2024-03-21 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、情報解析システム |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6384549B2 (ja) * | 2014-10-10 | 2018-09-05 | 富士通株式会社 | スキル判定プログラム、スキル判定方法およびスキル判定装置 |
JP2017107488A (ja) * | 2015-12-11 | 2017-06-15 | ルネサスエレクトロニクス株式会社 | スキャンシステム、スキャン画像処理装置及びスキャン方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5184295A (en) * | 1986-05-30 | 1993-02-02 | Mann Ralph V | System and method for teaching physical skills |
US20030078934A1 (en) * | 2001-04-23 | 2003-04-24 | David Cappellucci | Dynamic content delivery system |
US20030039948A1 (en) * | 2001-08-09 | 2003-02-27 | Donahue Steven J. | Voice enabled tutorial system and method |
US20040219498A1 (en) * | 2002-04-09 | 2004-11-04 | Davidson Lance Samuel | Training apparatus and methods |
US20140199672A1 (en) * | 2002-04-09 | 2014-07-17 | Lance S. Davidson | Training apparatus and methods |
US20050158697A1 (en) * | 2004-01-15 | 2005-07-21 | Integrity Interactive | System and method for providing customized, effective, risk based ethics and compliance training and information using a network |
JP2007520282A (ja) * | 2004-01-26 | 2007-07-26 | モデルゴルフ エルエルシー | 身体的なスキルのパフォーマンスおよびこの身体的なスキルを実行するために使用する用具の測定および評価のシステムおよび方法 |
KR20070095407A (ko) * | 2005-01-26 | 2007-09-28 | 벤틀리 키네틱스 인코포레이티드 | 운동동작의 분석 및 지도를 위한 방법 및 시스템 |
US20100201512A1 (en) * | 2006-01-09 | 2010-08-12 | Harold Dan Stirling | Apparatus, systems, and methods for evaluating body movements |
JP4826459B2 (ja) * | 2006-01-12 | 2011-11-30 | 株式会社豊田中央研究所 | 筋骨格モデル作成方法、人体応力/ひずみ推定方法、プログラムおよび記録媒体 |
CA2700843C (en) * | 2006-10-26 | 2016-11-01 | Richard John Baker | Method and apparatus for providing personalised audio-visual instruction |
US20100259547A1 (en) * | 2009-02-12 | 2010-10-14 | Mixamo, Inc. | Web platform for interactive design, synthesis and delivery of 3d character motion data |
TWI455705B (zh) * | 2009-10-07 | 2014-10-11 | Ind Tech Res Inst | 肢段肌力與運動體適偵知系統及方法 |
US8139822B2 (en) * | 2009-08-28 | 2012-03-20 | Allen Joseph Selner | Designation of a characteristic of a physical capability by motion analysis, systems and methods |
KR101007944B1 (ko) * | 2010-08-24 | 2011-01-14 | 윤상범 | 네트워크를 이용한 가상현실 무도 수련시스템 및 그 방법 |
WO2012039467A1 (ja) * | 2010-09-22 | 2012-03-29 | パナソニック株式会社 | 運動支援システム |
CN107133445B (zh) * | 2011-02-25 | 2021-07-06 | 科瑞恩公司 | 提供植入参数数据的方法、控制对准矫形外科植入物的方法及计算植入设计数据的方法 |
US8314840B1 (en) * | 2011-09-10 | 2012-11-20 | Conley Jack Funk | Motion analysis using smart model animations |
US20140038146A1 (en) * | 2012-07-31 | 2014-02-06 | Inrternational Business Machines Corporation | Method and system of teaming up via social network service for activity coaching |
CN105453128A (zh) * | 2013-05-30 | 2016-03-30 | 阿特拉斯维拉伯斯公司 | 便携式计算设备以及对从其捕捉的个人数据的分析 |
WO2015006108A1 (en) * | 2013-07-11 | 2015-01-15 | Ashmore Bradley Charles | Recording and communicating body motion |
JP2017520336A (ja) * | 2014-03-17 | 2017-07-27 | コア スポーツ テクノロジー グループCore Sports Technology Group | 人体および物体運動への生体力学フィードバックを送達するための方法およびシステム |
US20160038088A1 (en) * | 2014-07-31 | 2016-02-11 | David Lari | Systems and devices for measuring, capturing, and modifying partial and full body kinematics |
-
2015
- 2015-08-25 JP JP2015165435A patent/JP2017045160A/ja active Pending
-
2016
- 2016-07-22 US US15/216,755 patent/US20170061818A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020004331A (ja) * | 2018-07-02 | 2020-01-09 | 国立研究開発法人産業技術総合研究所 | 運動生成方法、装置及びプログラム |
JP7150306B2 (ja) | 2018-07-02 | 2022-10-11 | 国立研究開発法人産業技術総合研究所 | 運動生成方法、装置及びプログラム |
JP2021015224A (ja) * | 2019-07-12 | 2021-02-12 | マツダ株式会社 | 技能情報取得装置および該方法 |
WO2024057965A1 (ja) * | 2022-09-15 | 2024-03-21 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、情報解析システム |
Also Published As
Publication number | Publication date |
---|---|
US20170061818A1 (en) | 2017-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10898755B2 (en) | Method for providing posture guide and apparatus thereof | |
JP2017045160A (ja) | 技能指導検証システムおよび技能指導検証プログラム | |
US11763603B2 (en) | Physical activity quantification and monitoring | |
US11403882B2 (en) | Scoring metric for physical activity performance and tracking | |
US9510789B2 (en) | Motion analysis method | |
US9826923B2 (en) | Motion analysis method | |
Khan et al. | Beyond activity recognition: skill assessment from accelerometer data | |
US20190130565A1 (en) | Method of processing medical image, and medical image processing apparatus performing the method | |
WO2021010093A1 (ja) | データ分析装置、データ分析方法及びデータ分析プログラム | |
CN111989040A (zh) | 行走形态显示方法、行走形态显示***以及行走形态分析装置 | |
Pogrzeba et al. | Analysis and quantification of repetitive motion in long-term rehabilitation | |
Perri et al. | Prototype machine learning algorithms from wearable technology to detect tennis stroke and movement actions | |
Menzel et al. | Application of a validated innovative smart wearable for performance analysis by experienced and non-experienced athletes in boxing | |
Liu et al. | Surgical skill assessment on in-vivo clinical data via the clearness of operating field | |
Woltmann et al. | Sensor-based jump detection and classification with machine learning in trampoline gymnastics | |
Teikari et al. | Precision strength training: Data-driven artificial intelligence approach to strength and conditioning | |
JP6989841B2 (ja) | 教師情報付学習データ生成方法、機械学習方法、教師情報付学習データ生成システム及びプログラム | |
CN115153505B (zh) | 一种生物反馈式脊柱关节矫正训练方法及装置 | |
Oleksy et al. | Intra-rater and test–retest reliability of barbell force, velocity, and power during the landmine punch throw test assessed by the GymAware linear transducer system | |
WO2024055192A1 (zh) | 对运动数据进行标记以及生成运动评估模型的方法和*** | |
Cicirelli et al. | Skeleton based human mobility assessment by using deep neural networks | |
Moreau et al. | A motion recognition technique based on linear matrix representation to improve Parkinson’s disease treatments | |
WO2021131762A1 (ja) | 運動メニュー評価装置、方法、及びコンピュータ可読媒体 | |
US20210228944A1 (en) | System and method for physical training of a body part | |
Gordon et al. | Development of a system for monitoring performance in the strength and conditioning domain |