Finger angle estimation method to learn from the muscular activities of a large number of people and applied to multi-DoF hand control

• Project/Area Number: 25K17581
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 20020:Robotics and intelligent system-related
• Research Institution: Tokyo University of Science
• Principal Investigator: 山野井 佑介 東京理科大学, 工学部電気工学科, 助教 (40870184)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2027: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2025: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
• Keywords: 筋電義手 / 機械学習 / 運動機能解析 / サイバネティクス

Outline of Research at the Start

通常は教師データを統一することが難しいため，他人のデータを用いることができないが，本研究では典型特徴と呼ばれる理想的な筋活動を推定する手法を提案し，大規模なpre-trainingの実現を目指す．
識別器をマッピング部とエンコーダ部の2つに分けることによって，エンコーダ部では多人数の筋活動から抽出した典型特徴と指関節角度の対応付けを時間を掛けて学習し，マッピング部では本人の筋活動と典型特徴の筋活動を対応付けることによって，義手の使用者は時間を掛けずに義手の学習を終わらせ，複雑な識別器を用いることができるようになる．