2020 Fiscal Year Research-status Report

A time advance estimation method for human motions using stochastic resonance and multiple EMG sensors

Research Project

Project/Area Number	18K04071
Research Institution	Oita University
Principal Investigator	貞弘晃宜大分大学, 理工学部, 准教授 (40424676)
Project Period (FY)	2018-04-01 – 2022-03-31
Keywords	確率共振 / マルチセンサ / 事前推定 / 並列加算ネットワーク / 操作能力熟達
Outline of Annual Research Achievements	手術支援や双椀型重機ロボットのような多自由度機械において、直感的で違和感のない操作性を実現するためには、人の動作を実動作より前（事前に）推定し、人間と機械の動作を同期する Brain Machine Interface (BMI) の開発が鍵となる本研究では、マルチセンサと確率共振を用いて高 SN 比で計測された筋電位信号から人間の動作を事前推定する方法を開発し、次にマルチセンサ入力に合成重みを導入しニューロン様の構造とすることと学習理論を組み合わせることにより、操作能力熟達を測る指標とても用いることができないか、ということを研究目的としている。筋電位はその発生機序から人間の動作よりも事前に生じるが、筋電位を用いた BMI の多くは、前処理として行われるローパスフィルタ（LPF）を用いることにより、実際に生じたタイミングよりも遅れた信号を利用していることになる。さらにほとんどの BMI は事前に筋電位が生じているという特性すら利用していない。本研究課題ではこの点に着目し、LPF なしで筋電位を得る方法として、マルチセンサと確率共振を用いる方法の有効性を検証してきた。本年は、筋電位信号から関節角度を推定するためのモデルを従来型の非線形 ARX モデルから再帰型ニューラルネットワーク（NN）や畳み込み NN に変更することで、二乗誤差の意味で、従来モデルよりを利用するよりも良い推定結果が得られることを確認した。しかし、モデルの変更だけでは従来法と同等の推定精度とはならないため、並列加算ネットワークを用いて筋電位信号の SN 比を改善することで、従来型のモデルを利用した場合でも LPF 処理した推定結果に近い精度が得られることを確認した。さらに、筋電位計測を用いてマウス操作の熟達判別を行う研究も試みた。
Current Status of Research Progress	Current Status of Research Progress 4: Progress in research has been delayed. Reason 並列加算ネットワークの利用のように当初計画にない方向への進展がみられたものの、一昨年度の研究遂行の遅延を回復できなかった。また COVID-19 により、予定していた被験者をつかった実験は全く行えなかった。同様に COVID-19 による往来自粛や COVID-19 に対する従来必要のなかった業務増により、進展の助けとなるような協力教員との連携を満足に行うこともできなかった。
Strategy for Future Research Activity	本課題は未完了であるため研究期間延長をおこなった。COVID-19 による被験者実験の実施可否は今後の状況次第となるため、これについては現状の限定的な計測結果から、より一般性の高い結論を導くことができないかどうかについても検討をおこなっていく。また、当然ではあるが、COVID-19 の状況が改善されれば、速やかに被験者実験ができるように準備を進めていく。協力教員との連携は、昨年度とは異なり COVID-19 に対する対応に伴う業務増はあまりないと考えられるため、オンライン会議を中心として蜜に連絡をとり、研究の完遂を目指す。
Causes of Carryover	研究当初は研究終了年度として見込んでいたため、その発表のための旅費や論文出版費等を見込んでいたが、COVID-19 と研究遂行の遅れにより、これらの利用が全くなかったため、大きな差額となった。また、同じく COVID-19 のため、被験者実験が全くできなかったため、それに該当する人件費の利用がなかったことも差額の原因となった。