2020 Fiscal Year Annual Research Report
環境モデルや振動子モデルに依存しない環境適応学習による多様な運動の発現機序
| Project/Area Number |
18H01399
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
林部 充宏 東北大学, 工学研究科, 教授 (40338934)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大脇 大 東北大学, 工学研究科, 准教授 (40551908)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 深層学習 / 運動学習 / バランス制御 / 筋電位 / 運動シナジー |
|---|
| Outline of Annual Research Achievements |
立位での姿勢バランス制御は、人間が日常生活で必要とする主要な機能である。超高齢化社会の到来により、加齢に伴う感覚・運動機能の低下はより身近な問題となりつつある。本問題を背景として、バランス制御システムを理解することは有効であり、特に人間の姿勢制御の適応学習能力のメカニズム解明は重要な研究課題となっている。バランス制御については多くの研究が行われており、さまざまな戦略が提案されている。バランス制御には、Ankle、Hip、Stepping Strategyの3つの主要な戦略が知られている。また近年、Arm Strategyが立位や歩行時のバランス制御能力を向上させることが確認されている。しかしながら人間の姿勢制御の適応能力は、まだ計算機によるモデリングでは十分に再現されていないため、本研究では、モデル予測制御と深層強化学習によりバランス回復モダリティの再現と、シナジー協調運動解析による姿勢動作メカニズムの理解を試みた。Arm Strategyを用いて人間らしいバランス制御を実現するために、腕を持つ簡略化されたモデルを構築し、非線形モデル予測制御に基づいた制御系を提案した。モデルの腕の状態として、能動、受動、固定の3つを考え、立位でのバランス回復に対する腕の使い方の貢献度を調査し、重心移動の位相サイクル、回復エネルギー消費量の指標を用いて、Arm Strategyのメカニズムを明らかにしている。運動安定性、エネルギー消費量を比較することで、腕を積極的に使用するArm Strategyは、エネルギー効率的なバランス回復アプローチであることを定量的に確認することができた。
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
Research Products
(31 results)
