JP7432430B2 - 動作支援装置および動作支援方法 - Google Patents
動作支援装置および動作支援方法 Download PDFInfo
- Publication number
- JP7432430B2 JP7432430B2 JP2020071886A JP2020071886A JP7432430B2 JP 7432430 B2 JP7432430 B2 JP 7432430B2 JP 2020071886 A JP2020071886 A JP 2020071886A JP 2020071886 A JP2020071886 A JP 2020071886A JP 7432430 B2 JP7432430 B2 JP 7432430B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- control
- movement
- motion
- joint
- 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.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims description 222
- 238000000034 method Methods 0.000 title claims description 102
- 238000011217 control strategy Methods 0.000 claims description 61
- 210000003205 muscle Anatomy 0.000 claims description 41
- 238000002156 mixing Methods 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000002787 reinforcement Effects 0.000 claims description 6
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 3
- 210000003169 central nervous system Anatomy 0.000 claims 2
- 230000000035 biogenic effect Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 43
- 238000002567 electromyography Methods 0.000 description 34
- 230000000875 corresponding effect Effects 0.000 description 26
- 210000001503 joint Anatomy 0.000 description 25
- 238000013459 approach Methods 0.000 description 22
- 210000001364 upper extremity Anatomy 0.000 description 19
- 230000006870 function Effects 0.000 description 12
- 230000001276 controlling effect Effects 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 11
- 210000000323 shoulder joint Anatomy 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 210000002310 elbow joint Anatomy 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008602 contraction Effects 0.000 description 6
- 230000003183 myoelectrical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 210000004712 air sac Anatomy 0.000 description 5
- 239000000835 fiber Substances 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 238000001790 Welch's t-test Methods 0.000 description 4
- 210000003141 lower extremity Anatomy 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 229910021607 Silver chloride Inorganic materials 0.000 description 2
- 230000002079 cooperative effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012850 discrimination method Methods 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 210000002346 musculoskeletal system Anatomy 0.000 description 2
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- 210000003857 wrist joint Anatomy 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 102100036467 Protein delta homolog 1 Human genes 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 210000000852 deltoid muscle Anatomy 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 101150102995 dlk-1 gene Proteins 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
- Prostheses (AREA)
Description
ロボット工学における最近の進歩によって、外骨格型ロボットのようなウェアラブルなロボットは、活動中の人間の運動と物理的に相互作用しつつ、運動を支援する、こととなるものと予想される。
図1は、上肢に対する外骨格型ロボットのブロック図の例である。
[1自由度の空圧式アクチュエータ]
以下では、本実施の形態の空圧式アクチュエータの構成と動作を説明するために、1自由度の空圧式アクチュエータを例として説明する。
[制御則(制御方策)による制御の概要]
図4は、本実施の形態の制御則(制御方策)による制御の概要を説明するための概念図である。
このような制御方法では、ユーザの動作によって引き起こされた測定データから評価された与えられたタスクに対して最適方策を、後述するように線形のベルマン組合せ法によって「混合制御則(混合制御方策)」として導出するので、人間のユーザは、事前に自分のEMG信号を注意深く生成しておかなくとも、多様な動作目的に対応した制御を実施することが可能である。
(制御方法)
以下では、ユーザの動作目的を支援する混合制御方策を決定するためのアプローチについて説明する。
図5および図6を参照して、演算装置210または制御部134は、ユーザの動作目的の連続的な変更に対処するために、あらかじめ最適化されたコントロール出力をいかに組み合わせるかを決定するために、低次元の特徴量空間を最初に見出しておくものとする。
文献3:S. Wold, M. Sjostrom, and L. Eriksson, “Pls-regression: a basic tool of chemometrics,” Chemometrics and Intelligent Laboratory Systems, vol. 2, pp. 109-130, 2001.
まず、動作目的ラベルyに関連付けられたユーザの状態ψ=[ξ1, ξ2, …, ξm]?が観測される。
なお、特に限定されないが、推定される動作目的としては、事前に設定された動作目的を内挿するような動作目的であることが望ましい。
(B. 運動意図に基づいた最適制御)
この実施の形態では、ユーザの動作目的に従って、制御方策を以下のように導出する。
最適化に関する問題は、目的関数(5)を最小化する最適制御方策π*を見つけることである。制御方策は以下のように計算される。
(実験装置の構成)
以上説明したようなアプローチを検証するために、インフォームド・コンセントを得た後、3人の健康な右利きの被験者に対して実験を行った。
(A. 上肢外骨格型ロボット)
このロボット実験では、最適方策は外骨格型ロボットの上肢2つの関節をコントロールするために導出された。
この実施の形態では、2リンク・ロボット・モデルの動力学を考慮する。
ここで、右下の添字1および2は、肩の関節と肘の関節をそれぞれ表わす。
目標圧力Prefと測定された内部圧力Pの間の動力学は、空気力学により非線形であるものの、一次遅れのシステムにより、以下のように、この動力学を近似することができる。
(B. 運動タスク)
図7は、提案するアプローチを評価するための具体的な運動タスクを示す概念図である。
・外骨格型ロボットを装着するものの無アシスト(NA)状態
・外骨格型ロボットを着用してアシストされる(A)状態
被験者は、各状態でボールを10回投げた。
(C. PLS法に基づいた特徴選択およびパラメータ同定)
ユーザのごく初期の運動からの動作目的を評価するために、整流されフィルタ処理されたEMG信号eと、肩および肘の関節の角度、並びに肩と肘関節によって生成された角速度が、特徴量として使用される。したがって、以下のような12次元の特徴量が使用される。
筋電信号(EMG)信号は被験者の右の腕から測定された。
Ch2:上腕二頭筋
Ch3:三角筋背面部
Ch4:三頭筋
Ch5:尺側手根屈筋
Ch6:橈側手根屈筋
Ch7:橈側手根伸筋
Ch8:尺側手根伸筋
Ag/AgClのバイポーラの表面EMG電極を使用することができる。
(結果)
以下では、最初にシミュレーション結果を示し、続いて、ユーザの動作目的評価に基づくオンライン・アシスト制御の結果を示す。
(A. シミュレーション結果)
図9は、最適制御方策によって生成された状態遷移のシミュレーション結果を示す図である。
1mのボール・スロー状態では、肩関節角度は0.003radであり、角速度は0.034rad/sであり、肘関節角度は0.003radである、角速度は0.013rad/sであった。
一方で、3mのボール・スロー状態では、肩関節角度は0.0076radであり、角速度は0.0066rad/sであり、肘関節角度は0.0023radであり、角速度は0.0036rad/sである。
最適制御方策では、肩関節角度、0.019rad; 角速度、0.0031rad/s; 肘関節角度、0.0081radおよび角速度、0.0042rad/sであった。
(B. PLSに基づいた特徴抽出および重み決定)
以下では、PLS結果の傾向を検証し結果について説明する。
(C. バスケットボール・ゴールシュートのオンライン・コントロール結果)
以下では、提案されたアシスト・コントロール・アプローチによるバスケットボール・ゴールをシュートするテストについての実験結果について記述する。
実施の形態1では、ユーザ単独での運動についてアシストする外骨格ロボットに対して混合制御方策を利用する態様について説明した。
図16に示すように、制御器134は、画像センサ220からの信号により、パートナー202の動きをトラッキングするトラッキング処理部1342と、パートナー202の動きの目標位置を予測するための目標位置予測部1344とを含む。
文献:K. Muelling, A. Venkatraman, J.-S. Valois, J. E. Downey, J. Weiss, S. Javdani, M. Hebert, A. B. Schwartz, J. L. Collinger, and J. A. Bagnell, “Autonomy infused teleoperation with application to brain computer interface controlled manipulation,” Auton. Robots, vol. 41, no. 6, pp. 1401-1422, Aug. 2017.
上記文献にも開示のとおり、最大エントロピー逆強化学習法では、特定の目標Gを与えられたパートナー202の移動経路の条件付き確率分布は、
P(ξ|G)∝ exp(-Cg(ξ))
と表現される。ここで、ξは、観測された軌道である。このモデルを利用することで、特定の目標を与えられたとき、観察されたパートナー202の部分的な動きの経路確率を導き出すことができる。
(制御方策の導出)
動的な共同作業では、パートナー202の状況を考慮してリアルタイムで制御出力を導き出す必要がある。しかしながら、動的に変化するパートナー202の状況を考慮して、各制御時間ステップで外骨格コントローラを最適化することは、事実上困難である。
パートナー202の運動の意図は視覚情報に基づいて導き出されるのに対して、ユーザ意図検出部1348は、外骨格ロボット121のユーザー201からモニターされた情報に基づいて、運動の開始タイミングを検出する。
[実験的セットアップ]
以下では、実施の形態2のアシスト制御を検証するために、4人の健康な被験者とバスケットボールのパスの実験を行った。以下、この実験結果について説明する。
(上肢外骨格ロボット)
実施の形態1と同様に、上肢外骨格ロボット3つの関節を制御するために、導出された方策を用いて、肩の屈曲/延長(SFE)、肩の外転/内転(SAA)、肘の屈曲/延長(EFE)関節を制御した。各関節トルクは、空気人工筋肉(PAM)によって以下の式に従い発生する:
(運動タスク)
図17は、実験を実施したバスケットボールのパス運動のタスクを示す概念図である。
(パートナーの動きの画像による認識)
画像カメラ220として深度カメラを使用して、パートナーの動きをモニタする。カメラはユーザーの近くに置かれ、顔認識ツールでパートナー202の顔位置を検出して、パートナー202の軌道ξを追跡する。
(ユーザーの動き開始の検出)
外骨格ロボット121のユーザー201の筋肉活動からユーザーの動きの開始タイミングを検出する。具体的には、三角前部筋からEMG信号を測定する。運動意図は、事前に決定された閾値を有する単純な検出器によって検出される。筋肉が閾値を超えて活性化されると、外骨格ロボットの制御器134からの制御出力がされる。しきい値は、実験の前に各被験者に対して調整される。
[実験結果]
以下では、まずパートナーの動きに基づいてサブ最適制御方策の混合率の変化を示し、その後、EMG信号の分析結果を示して、ユーザーの動きに対する負荷とボールをトスするパフォーマンスとを検証する。
(混合比)
図18は、パートナーが始点から目標位置に向かって移動したときの混合比の時系列平均と標準偏差を示す図である。
(ユーザーの運動負荷の分析)
図19は、本制御法とアシストなしの制御とで、EMG信号の振幅の総和を比較する図である。
(ボールトースのパフォーマンス)
以下では、パートナーがボールをでキャッチしたときの冠状面での顔の中心からボールまでの距離を測定し、記録されたビデオを分析することにより、ボールをトスするパフォーマンスについて本制御法を検証する。
Claims (10)
- ユーザの関節の運動をアシストするための動作支援装置であって、
前記アシストを受ける前記ユーザの複数の関節部に装着され、前記関節部へのアシストトルクを生成するアクチュエータ手段を有する能動関節と、
前記能動関節の状態を検出するためのセンサ手段と、
前記ユーザの関節の運動に対する前記ユーザの中枢からの指令に基づいて生成される生体由来信号を検出するための生体信号検知手段と、
前記能動関節が発生する前記アシストトルクを制御するための制御信号を生成する制御部とを備え、前記制御部は、
前記センサ手段および前記生体信号検知手段からの信号に基づいて、前記ユーザの動作目的を推定する動作目的推定手段を含み、
前記動作目的推定手段は、アシストする動作の初期において、前記センサ手段により検出される所定の能動関節の角速度が所定値を超える点を運動出発点として、前記アシストする運動の開始前の所定期間の特徴量を学習することでユーザの動作目的を推定し、
複数の離散的な動作目的にそれぞれ対応した最適制御のための複数の制御方策を特定する情報を予め記憶する記憶手段と、
推定された前記ユーザの動作目的に応じて、前記複数の制御方策を対応する重みで線形に組み合わせて、前記推定された動作目的に対応する混合制御則を導出する混合手段と、
導出された前記混合制御則に応じて、前記アシストトルクを制御する信号を生成する制御信号生成手段とをさらに含む、動作支援装置。 - 前記動作目的推定手段は、計測された前記センサ手段および前記生体信号検知手段からの信号から、部分的最小二乗法アルゴリズムにより、低次元の特徴量空間の信号を生成して、動作目的ラベルを生成し、
前記混合手段は、前記動作目的ラベルに予め対応付けられている複数の制御方策を、対応する重みで線形に組み合わせる、請求項1記載の動作支援装置。 - 前記動作目的推定手段が推定する動作目的ラベルは、前記複数の離散的な動作目的を内挿するものである、請求項2記載の動作支援装置。
- 前記混合手段は、線形ベルマン組合せ法により、前記推定された動作目的に対応する制御則を導出する、請求項1または2記載の動作支援装置。
- 前記アクチュエータ手段は、空圧式エアマッスルを含む、請求項1~4のいずれか1項に記載の動作支援装置。
- 外骨格型ロボットによってユーザの関節の運動をアシストするための動作支援方法であって、
前記外骨格型ロボットは、前記アシストを受ける前記ユーザの複数の関節部に装着され、前記関節部へのアシストトルクを生成するアクチュエータ手段を有する能動関節と、複数の離散的な動作目的にそれぞれ対応した最適制御のための複数の制御方策を特定する情報を予め記憶する記憶手段とを備えており、
前記能動関節の状態を検出するためのセンサ手段からの信号と、前記ユーザの関節の運動に対する前記ユーザの中枢からの指令に基づいて生成される生体由来信号を検出するための生体信号検知手段からの信号とに基づいて、前記ユーザの動作目的を推定するステップを備え、
前記ユーザの動作目的を推定するステップは、前記アシストする動作の初期において、前記センサ手段により検出される所定の能動関節の角速度が所定値を超える点を運動出発点として、前記アシストする運動の開始前の所定期間の特徴量を学習することでユーザの動作目的を推定するステップを含み、
推定された前記ユーザの動作目的に応じて、前記複数の制御方策を対応する重みで線形に組み合わせて、前記推定された動作目的に対応する混合制御則を導出するステップと、
導出された前記混合制御則に応じて、前記能動関節が発生する前記アシストトルクを制御するための制御信号を生成するステップとをさらに備える、動作支援方法。 - パートナーとの協調した運動において、ユーザの関節の運動をアシストするための動作支援装置であって、
前記アシストを受ける前記ユーザの関節部に装着され、前記関節部へのアシストトルクを生成するアクチュエータ手段を有する能動関節と、
前記能動関節の状態を検出するためのセンサ手段と、
前記ユーザの関節の運動に対する前記ユーザの中枢からの指令に基づいて生成される生体由来信号を検出するための生体信号検知手段と、
前記パートナーを撮像する画像センサと、
前記能動関節が発生する前記アシストトルクを制御するための制御信号を生成する制御部とを備え、前記制御部は、
前記画像センサからの信号に基づいて、前記パートナーの動作目的を推定する動作目的推定手段と、
前記生体信号検知手段からの信号に基づいて、前記ユーザの運動開始意図を検出する動作意図推定手段と、
複数の離散的な動作目的にそれぞれ対応した最適制御のための複数の制御方策を特定する情報を予め記憶する記憶手段と、
推定された前記動作目的に応じて、前記複数の制御方策を対応する重みで線形に組み合わせて、前記推定された動作目的に対応する混合制御則を導出する混合手段と、
前記運動開始意図の検出に応答して、導出された前記混合制御則に応じて、前記アシストトルクを制御する信号を生成する制御信号生成手段とを含む、動作支援装置。 - 前記動作目的推定手段は、撮像された前記画像センサの信号から、逆強化学習アルゴリズムにより、動作目的ラベルを生成し、
前記混合手段は、前記動作目的ラベルに予め対応付けられている複数の制御方策を、対応する重みで線形に組み合わせる、請求項7記載の動作支援装置。 - 前記混合手段は、線形ベルマン組合せ法により、前記推定された動作目的に対応する制御則を導出する、請求項7または8記載の動作支援装置。
- パートナーとの協調した運動において、外骨格型ロボットによってユーザの関節の運動をアシストするための動作支援方法であって、
前記外骨格型ロボットは、前記アシストを受ける前記ユーザの関節部に装着され、前記関節部へのアシストトルクを生成するアクチュエータ手段を有する能動関節と、複数の離散的な動作目的にそれぞれ対応した最適制御のための複数の制御方策を特定する情報を予め記憶する記憶手段とを備えており、
前記パートナーを撮像する画像センサからの信号に基づいて、前記パートナーの動作目的を推定するステップと、
前記ユーザの関節の運動に対する前記ユーザの中枢からの指令に基づいて生成される生体由来信号を検出するための生体信号検知手段からの信号に基づいて、前記ユーザの運動開始意図を検出するステップと、
推定された前記パートナーの動作目的に応じて、前記複数の制御方策を対応する重みで線形に組み合わせて、前記推定された動作目的に対応する混合制御則を導出するステップと、
前記運動開始意図の検出に応答して、導出された前記混合制御則に応じて、前記能動関節が発生する前記アシストトルクを制御するための制御信号を生成するステップとを備える、動作支援方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161737 | 2019-09-05 | ||
JP2019161737 | 2019-09-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021041522A JP2021041522A (ja) | 2021-03-18 |
JP7432430B2 true JP7432430B2 (ja) | 2024-02-16 |
Family
ID=74861434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020071886A Active JP7432430B2 (ja) | 2019-09-05 | 2020-04-13 | 動作支援装置および動作支援方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7432430B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023136122A1 (ja) * | 2022-01-12 | 2023-07-20 | 国立研究開発法人理化学研究所 | 動作支援装置および動作支援方法 |
JP7377928B1 (ja) | 2022-08-26 | 2023-11-10 | ソフトバンク株式会社 | トラッキング装置、プログラム、及びトラッキング方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080058668A1 (en) | 2006-08-21 | 2008-03-06 | Kaveh Seyed Momen | Method, system and apparatus for real-time classification of muscle signals from self-selected intentional movements |
JP2011193941A (ja) | 2010-03-18 | 2011-10-06 | Waseda Univ | 不随意運動抑制システム、運動認識装置及び運動認識装置用プログラム |
JP2013131117A (ja) | 2011-12-22 | 2013-07-04 | Osaka Univ | 動作指令装置、動作指令方法及び動作パターン作成装置 |
JP2014155998A (ja) | 2013-02-18 | 2014-08-28 | Advanced Telecommunication Research Institute International | パワーアシストロボット |
JP2017030137A (ja) | 2015-07-31 | 2017-02-09 | ファナック株式会社 | 人の行動パターンを学習する機械学習装置、ロボット制御装置、ロボットシステム、および機械学習方法 |
JP2018134724A (ja) | 2017-02-24 | 2018-08-30 | ボッシュ株式会社 | 動作推定装置及び動作補助装置 |
-
2020
- 2020-04-13 JP JP2020071886A patent/JP7432430B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080058668A1 (en) | 2006-08-21 | 2008-03-06 | Kaveh Seyed Momen | Method, system and apparatus for real-time classification of muscle signals from self-selected intentional movements |
JP2011193941A (ja) | 2010-03-18 | 2011-10-06 | Waseda Univ | 不随意運動抑制システム、運動認識装置及び運動認識装置用プログラム |
JP2013131117A (ja) | 2011-12-22 | 2013-07-04 | Osaka Univ | 動作指令装置、動作指令方法及び動作パターン作成装置 |
JP2014155998A (ja) | 2013-02-18 | 2014-08-28 | Advanced Telecommunication Research Institute International | パワーアシストロボット |
JP2017030137A (ja) | 2015-07-31 | 2017-02-09 | ファナック株式会社 | 人の行動パターンを学習する機械学習装置、ロボット制御装置、ロボットシステム、および機械学習方法 |
JP2018134724A (ja) | 2017-02-24 | 2018-08-30 | ボッシュ株式会社 | 動作推定装置及び動作補助装置 |
Non-Patent Citations (2)
Title |
---|
Emanuel Todorov,Compositionality of optimal control laws,ワシントン大学コンピュータ サイエンス & エンジニアリング コミュニティのホームページ サービス,米国,ワシントン大学コンピュータ サイエンス & エンジニアリング コミュニティ,2009年,p. 1856-1864,https://homes.cs.washington.edu/~todorov/papers/TodorovNIPS09.pdf |
Marco da Silva, 外2名,Linear Bellman Combination for Control of Character Animation,ワシントン大学コンピュータ サイエンス & エンジニアリング コミュニティのホームページ サービス,米国,ワシントン大学コンピュータ サイエンス & エンジニアリング コミュニティ,2009年,p. 82:1-82:10,https://homes.cs.washington.edu/~jovan/papers/dasilva-2009-lbc.pdf |
Also Published As
Publication number | Publication date |
---|---|
JP2021041522A (ja) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109789543B (zh) | 用于可穿戴***的控制优化 | |
Lohse et al. | The role of attention in motor control. | |
Foroutannia et al. | A deep learning strategy for EMG-based joint position prediction in hip exoskeleton assistive robots | |
JP6142146B2 (ja) | 外骨格型ロボットおよびリハビリテーション装置 | |
US9510789B2 (en) | Motion analysis method | |
JP7432430B2 (ja) | 動作支援装置および動作支援方法 | |
JP6998569B2 (ja) | パワーアシスト装置およびパワーアシスト装置の制御方法 | |
Kim et al. | A voice activated bi-articular exosuit for upper limb assistance during lifting tasks | |
Simonetti et al. | Multimodal adaptive interfaces for 3D robot-mediated upper limb neuro-rehabilitation: An overview of bio-cooperative systems | |
WO2015093224A1 (ja) | 運動解析装置、運動解析方法及び運動解析プログラム | |
CN111565680B (zh) | 用于识别生物体信号所表示的信息的*** | |
Huang et al. | Joint torque estimation for the human arm from sEMG using backpropagation neural networks and autoencoders | |
Guidali et al. | Estimating the patient's contribution during robot-assisted therapy | |
Höppner et al. | Key insights into hand biomechanics: human grip stiffness can be decoupled from force by cocontraction and predicted from electromyography | |
JP2019025104A (ja) | 運動学習支援装置および運動学習支援方法 | |
Wu et al. | Adaptive cooperative control of a soft elbow rehabilitation exoskeleton based on improved joint torque estimation | |
Sakr et al. | On the estimation of isometric wrist/forearm torque about three axes using force myography | |
Oguz et al. | A hybrid framework for understanding and predicting human reaching motions | |
JP7450621B2 (ja) | アクティブ装用デバイス、その制御デバイス、制御方法およびコンピュータ可読媒体 | |
Li et al. | An enhanced EMG-driven musculoskeletal model based on non-negative matrix factorization | |
Lalitharatne et al. | Evaluation of fuzzy-neuro modifiers for compensation of the effects of muscle fatigue on EMG-based control to be used in upper-limb power-assist exoskeletons | |
Folgheraiter et al. | A Multimodal Brain-arm Interface for Operation of Complex Robotic Systems and Upper Limb Motor Recovery. | |
Jamšek et al. | Predictive exoskeleton control for arm-motion augmentation based on probabilistic movement primitives combined with a flow controller | |
Dong et al. | Development of a fatigue-tracking system for monitoring human body movement | |
Howard et al. | Non-contact versus contact-based sensing methodologies for in-home upper arm robotic rehabilitation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20220913 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230303 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231018 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231221 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240205 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7432430 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |