日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

歩行arXiv:2603.10474

筋シナジー事前分布が予測筋骨格歩行シミュレーションの生体力学的忠実度を高める

Muscle Synergy Priors Enhance Biomechanical Fidelity in Predictive Musculoskeletal Locomotion Simulation

シェア:XThreadsFacebookLINEはてブBluesky

少数の歩行実験から抽出した筋シナジーを強化学習の行動空間に組み込むことで、様々な速度・傾斜・不整地で安定した歩容を生成し、非生理的な膝運動を抑えて生体力学的忠実度を向上させた。

詳しい要約

1. どんなもの?

- 生理学に基づく強化学習フレームワークを提案。 - 筋シナジーを制約として用い、予測的な筋骨格ロコモーションシミュレーションの生体力学的忠実度を高める。 - 少数の歩行試行から抽出した低次元シナジー基底を行動空間とし、3次元筋駆動モデルを訓練。 - 速度・傾斜・不整地の変化に対応するコントローラを生成。

2. 先行研究と比べてどこがすごい?

- 従来の制約なしコントローラと比較して、非生理的な膝運動学を低減。 - 膝モーメントプロファイルを実験的包絡内に保持。 - 限られた実験データで生体力学的忠実度と汎化性能を向上。 - 神経生理学的構造を強化学習に埋め込む有効性を示す。

3. 技術・手法の肝は?

- 少数のoverground walking trialsからinverse musculoskeletal analysesにより低次元synergy basisを抽出。 - それをaction spaceとして使用。 - muscle-driven three-dimensional modelをvariable speeds, slopes, uneven terrainで訓練。 - reinforcement-learning frameworkで制御を制約。

4. どうやって有効だと検証した?

- 0.7-1.8 m/sおよび±6° gradesで安定歩行を生成。 - 条件依存的な関節角度、関節モーメント、ground reaction forcesの調節を再現。 - シミュレーションのvertical ground reaction forcesが人間の測定値と強く相関。 - muscle-activation timingが被験者間変動の範囲内にほぼ収まる。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究や関連手法は明示されていない。 - 同分野の定番として、muscle synergy analysis、predictive musculoskeletal simulation、reinforcement learning for locomotion controlが挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ilseung Park, Eunsik Choi, Jangwhan Ahn, Jooeun Ahn

分類: cs.LG, cs.NE, cs.RO

原文アブストラクト

Human locomotion emerges from high-dimensional neuromuscular control, making predictive musculoskeletal simulation challenging. We present a physiology-informed reinforcement-learning framework that constrains control using muscle synergies. We extracted a low-dimensional synergy basis from inverse musculoskeletal analyses of a small set of overground walking trials and used it as the action space for a muscle-driven three-dimensional model trained across variable speeds, slopes and uneven terrain. The resulting controller generated stable gait from 0.7-1.8 m/s and on $\pm$ 6$^{\circ}$ grades and reproduced condition-dependent modulation of joint angles, joint moments and ground reaction forces. Compared with an unconstrained controller, synergy-constrained control reduced non-physiological knee kinematics and kept knee moment profiles within the experimental envelope. Across conditions, simulated vertical ground reaction forces correlated strongly with human measurements, and muscle-activation timing largely fell within inter-subject variability. These results show that embedding neurophysiological structure into reinforcement learning can improve biomechanical fidelity and generalization in predictive human locomotion simulation with limited experimental data.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3Google DeepMind、ロボット向けAIを発表新製品・発表
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI