|
人間の制御と同様にエネルギー効率の良い運動を行うため、いわゆる数学的最適化に基づくアプローチが冗長性問題の解決のための最新アプローチとなっている。このような最適化アプローチは、身体と環境の事前のダイナミクス情報が明示的に与えられている場合、最適解を提供することが可能となる。しかし、ダイナミクス条件は常に未知で時変である。そのため、どのようにすれば人間のような運動協調構造を持った動きを実現できるか、さらにシナジーのモダリティを切り替えるために、どのように自己組織的にシナジー変化できるかについては、まだ未解決の問題である。
協調運動における自己組織化現象は、起立時や関連する姿勢制御活動時の股関節と足関節の同位相姿勢協調モードと逆位相姿勢協調モードの自動切り替えメカニズムを理解する上で不可欠である。本研究では、身体のダイナミクスや運動学に関する事前の身体モデルを仮定することなく、姿勢モードを適応的に調整できる自己組織化ニューラルネットワークの生成を試みた。姿勢協調モードは、深層強化学習アルゴリズムにより再現された。姿勢協調タイプ間の遷移、すなわち同位相協調モードと逆位相協調モードは、移動ターゲットの周波数を変化させることで自律的に再現可能である。
人間の姿勢制御モードの自動切替え機構を環境に応じて自己組織的に実行できるニューラルネットワークを構築した。従来必要であった事前の身体力学情報が不要で、運動経験と強化学習のみにより自己組織化現象が再現可能であることを実証した。運動周波数が高くなると、姿勢制御パターンが自律的に同相モードから逆相モードに変化する。異なるシナジーの遷移プロセスの再現とみることもできる。また歩行に関しても反射制御と呼ばれる人間の神経系に基づく制御に着目し、筋骨格モデルを用いたシミュレーションにおいて速度に応じた適応的な筋制御遷移フレームワークを実証した。
|
