2017 Fiscal Year Research-status Report
計算論モデルの予言に基づく筋シナジー操作とスキル獲得法への応用
| Project/Area Number |
16K12476
|
|---|
| Research Institution | Japan Advanced Institute of Science and Technology |
|---|
Principal Investigator |
田中 宏和 北陸先端科学技術大学院大学, 先端科学技術研究科, 准教授 (00332320)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
神原 裕行 東京工業大学, 科学技術創成研究院, 助教 (50451993)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | シナジー仮説 / シナジー操作法 / 計算論モデル / スキル獲得 |
|---|
| Outline of Annual Research Achievements |
従来研究では実験データからのシナジー抽出に留まっていたのに対し、本研究ではシナジー運動制御仮説に基づきシナジーを操作することで「脳がシナジーを用いて身体運動を表現し制御する」ことを検証する。初年度は計算論モデルの構築とシナジー操作実験環境の構築を同時並行的に行った。本年度は実験を継続し、本提案の基となったBergerらの仮想手術課題を追試した。先行研究ではシナジー基底で学習可能な力場を課すcompatible条件と学習不可能な力場を課すincompatible条件での実験を行い、前者に比べて後者の学習率が小さいことを報告している。一方、我々の追試ではcompatible/incompatibleという違いよりも、もともとの力場からどれくらい変換を受けたかの変換量のほうが学習率を定めるという予備的結果を得た。これはシナジー仮説だけでは説明できない要素があることを示している。
理論面では、昨年明らかになった先行研究の問題点である、モーメントアームの学習に関して深く掘り下げた。シナジーの先行研究では運動の基底であるシナジーに着目してきたが、運動学習時には運動を生成するモーメントアームも学習しなくてはならない。これは身体の状態に関する脳のモデルであり、内部順モデルと考えてよい。脳が内部順モデルとシナジー基底をどのように同時に学習できるかに関して、数理的および数値的に解析し、学習可能または不可能な条件に分類することができた。これは上記に述べた我々の実験で見出されたシナジー仮説だけでは説明できない要素と考えられる。この結果はシナジーの先行研究では議論されていなかった点であり、本研究により初めて明確にされた点である。次年度はこの理論的予言を実験的に検証することを予定している。上記にまとめたように、実験での問題提起および理論による実験結果の再現と、実験・理論の両面で順調に進んでいる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
実験面では、昨年度構築した筋電計測装置や力計測センサを用いた実験システムを用いて、シナジー操作実験を引き続き行った。昨年度はBerger et al. (2013)の仮想手術課題の追試実験に成功することができた。一方、今年度行った実験では、先行研究で調べられていない筋活動から力生成の変換を検証したところ、シナジー仮説だけでは説明できない結果を得た。シナジー仮説が正しければ、compatible条件では学習できるが、incompatible条件では学習できないはずである。しかし本年度得られた結果は、シナジーの部分空間であるかどうかだけではなく、変換の大きさ自体も学習可能かどうかを決める要因であることを示唆している。この実験結果を説明するため、理論面からどのような条件であれば学習可能かどうかを検証した。昨年度調べた筋肉のモーメントアームの影響を数値シミュレーションで詳しく調べ、モーメントアームの学習なしでは仮想手術課題の学習ができないことを見出した。モーメントアームの学習は、筋活動から力生成の順モデルの学習といえる。したがって、仮想手術課題の学習にはシナジー仮説だけでは不十分で、力がどのように生成されるかの順モデルの獲得も同時に行われなくてはならない。また、incompatible条件に関しては、もともとの力場からの変換量によって、順モデルの学習の可否が分かれることが、数値シミュレーションによって確かめられた。今回の発見は、シナジー仮説と順モデルの両方の学習が仮想手術課題に必須であることを明らかにした点で重要と考える。このように実験で見出された問題点を理論で明らかにすることで着実に研究は進んでおり、本研究は順調に進展していると考えられる。
|
| Strategy for Future Research Activity |
上記に述べた通り、実験環境の構築と先行研究の検証は終了しており、さらに筋電のチャンネル数を増やすなど、より精密な実験に向けて準備を進める。さらに、適応課題中に身体の内部順モデルがどのように学習されているかを定量的に調べるように、実験デザインを改良する予定である。また、被験者毎に個人性が大きいため、被験者数を増やし、論文としてまとめるのに十分なデータを取得する。理論面で明らかにされた学習可能・不可能な条件を実験的に検証し、理論の検証に努める。また理論では、数値シミュレーションを続行し、実験との対応をさらに精緻なものとする。本年度は本研究の最終年度に当たるため、実験と理論の結果を整理し、学会発表と論文投稿に向けて準備を行う。
|
| Causes of Carryover |
（理由）昨年度の実験環境の構築と検証に関しては、従来保持していた機材で十分賄うことができた。
（使用計画）本研究課題の成果を発表するため、学会発表の旅費や論文投稿料などに重点的に用いる。
|
-
[Journal Article] Temporal recalibration of motor and visual potentials in lag adaptation in voluntary movement2018
Author(s)
Cai, C., Ogawa, K., Kochiyama, T., Tanaka, H., & Imamizu, H.
-
Journal Title
NeuroImage
Volume: 172
Pages: 654, 662
DOI
Peer Reviewed / Open Access
-
-
-
-
-
-
-
-
-
-
-
-
-
