2019 Fiscal Year Annual Research Report
Parametric Representation of Motion Control Mechanism and Its Modification for Simulation and Prevention of Accident
| Project/Area Number |
17H04700
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
村井 昭彦 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (90637274)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 運動生成・制御メカニズム / バイオメカニクス / デジタルヒューマン / 運動力学解析 / アクシデント推定・予防 |
|---|
| Outline of Annual Research Achievements |
C) パラメータの調整や最適化による，シンプルな運動表現モデルにおける運動の変容：
平成30年度までにおいてスプリントのような周期運動において提案するシミュレーション・解析技術の開発と有効性の検証を行った．本年度は，スプリントのような周期運動だけでなく，本研究が対象とするアクシデントに同様のアプローチが適用できるかの確認を目的とした．アクシデントでは実験室での実現・計測が困難なため，映像データや簡易センサを用いた長時間運動計測が必要となるため，それらを用いた運動計測を実施し，その精度を評価した．
D) 運動表現モデルの運動から詳細なヒトの運動の復元とその解析：
C)で得られる運動表現モデルの運動を詳細な人の運動に復元した．ここでは運動表現モデルとデジタルヒューマンモデル上に共通の特徴点を配置し，またCOM等の幾何学的拘束やCOP等の力学的拘束を考慮した運動力学計算により詳細な人の運動を生成した．生成された詳細な人の運動が実際に人に発現するのか，運動の妥当性の検証が重要である．しかし，対象となる運動は怪我や転倒，疲労等実験倫理上もしくは確率的に実現が困難なアクシデントであり，実験室での発現されないため，まずは類似した運動が発生するスポーツ競技における疫学的データと解析から得られる運動力学データの比較を行った．またアクシデントの運動解析のため，深層学習等を用いて映像データから運動を推定する環境を整備し，その精度を評価した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
従来予定していた簡易センサを用いて計測するビッグデータによる，本研究が対象とする怪我や転倒，疲労等実験倫理上もしくは確率的に実現が困難なアクシデントの計測が困難であることが判明しているが，映像データから運動を推定する環境を整備し，その性能・精度を検証することで解決している．
|
| Strategy for Future Research Activity |
C) パラメータ調整や最適化による，シンプルな運動表現モデルにおける運動の変容：アクシデントは実験室・実環境共に実現・計測が困難なため，ここでは運動表現モデルを用いたパラメータの調整によりアクシデントのデータを生成する．ここでは運動表現モデルの運動と共に，COMの運動や接触力等少数のパラメータを生成する．
D) 運動表現モデルの運動から詳細なヒトの運動の復元とその解析：C)で得られる運動表現モデルの運動から復元された詳細なヒトの運動と，映像等のビッグデータに対して深層学習等により抽出された運動との定量的な比較を実現する．
X) アプリケーションの開発(転倒予防をテーマとする転倒しづらい歩行パターンの可視化)：本研究ではヒトのアクシデントのシミュレーションを行うが，社会に貢献するには結果を実用面につなげることが重要である．ここでは，早期の改善が望まれる高齢者の転倒の予防をターゲットとしたアプリケーションを開発する．A)~D)で通常運動から妥当な転倒を生成するパイプラ インが作成される．またC)において簡易センサや映像データにより個人の歩行を容易に計測する環境が開発される．そして下記の流れで転倒しづらい歩行パターンの可視化を実現する:
1) 簡易センサや映像データにより個人の定常歩行運動を計測，個人の運動制御メカニズムを同定，
2) 様々な環境パラメータにおいてシミュレーションを行い，転倒しづらいパラメータを推定， 3) 詳細なヒトの運動に復元したものをフィードバック．これにより個人の転倒しづらい歩行を提示する．アプリケーションの使用前後で実験室環境において精緻に運動計測を行い，ディープデータの解析により運動の変容や効果を確認する．
|
