特徴マッチングに基づく電動大腿義足の障害物跨ぎ制御のための歩行位相予測

- 対象は powered transfemoral prosthesis（動力義足）装着者の障害物跨ぎ制御。 - 健側足首の inertial sensor で計測したデータから、障害物跨ぎに必要な thigh・knee 関節角度と gait phase 進行を予測する手法を提案。 - genetic algorithm で neural network 構造を最適化し、関節角度を予測。 - gait progression prediction algorithm で義足 knee motor の actuation angle index を決定する。

- 先行研究との具体的比較は要旨からは不明。 - 主張されている利点は、健側足首の inertial sensor のみで障害物跨ぎの関節角度と gait phase を予測できる点。 - Gaussian noise の標準偏差が 1 未満なら noise 干渉を排除でき、150 Hz 下で gait phase 推定 100% 精度を達成したと報告。

- 健側足首の inertial sensor データを入力に用いる。 - genetic algorithm により neural network の最適構造を計算し、thigh・knee 関節の必要角度を予測。 - gait progression prediction algorithm により義足 knee motor の actuation angle index を決定。 - 最終的に必要な thigh angle・knee angle と gait progression を定義する。

- thigh angle データに付加する Gaussian noise の標準偏差を変化させて評価。 - 標準偏差 1 未満で noise 干渉を有効に排除できると報告。 - 150 Hz 条件下で gait phase 推定 100% 精度。 - thigh angle 予測誤差 8.71%、knee angle 予測誤差 6.78%。

- 障害物跨ぎにおける powered transfemoral prosthesis の実用価値が高いと主張。 - 一方、被験者数・実験条件・他手法との比較・限界については要旨からは不明。 - noise 標準偏差 1 以上の場合の性能や実環境での頑健性は要旨からは不明。

- 要旨で参照・比較されている個別研究は不明。 - 関連手法として genetic algorithm による neural network 構造最適化、inertial sensor を用いた gait phase estimation、powered transfemoral prosthesis の障害物跨ぎ制御に関する論文を次に読むべき候補として挙げる。