股関節外骨格のための段階的マルチエージェント訓練（SMAT）：シミュレーション訓練された共適応コントローラの代謝・生体力学的検証

本論文は、シミュレーションのみで訓練されたStaged Multi-Agent Training (SMAT)コントローラを股関節外骨格に実装し、健常成人8名を対象に代謝計測（間接熱量測定）と生体力学的解析を行った初の生理学的検証を報告する。SMATは、筋骨格ヒューマンエージェントと両側股関節外骨格エージェントを段階的に訓練する4段階カリキュラムであり、ヒトとデバイスの共適応（co-adaptation）に対処する。実験では、外骨格なし、受動、能動の3条件で代謝コストを比較し、能動支援が受動デバイスに対して正味代謝率を19.7%削減（p<0.001）することを示した。また、股関節の正の機械的パワー比が0.98と高く、歩行速度や地形の変化に対してもロバストであることを確認した。

従来の学習ベースの外骨格制御はシミュレーションで訓練されるが、ヒトとデバイスの共適応を扱うものは少なく、実ユーザーでの全身代謝計測による検証もほとんど行われていなかった。SMATは、非定常な学習問題である共適応を、段階的カリキュラムでヒューマンエージェントと外骨格エージェントを交互に訓練することで解決する点が新しい。さらに、被験者ごとの再訓練なしで単一のポリシーが実機で有意な代謝削減を達成し、訓練条件を超えた一般化を示した点が先行研究より優れている。

SMATは4段階のカリキュラムで構成される。第1段階ではヒューマンエージェントを単独で訓練し、第2段階では外骨格エージェントを固定ヒューマンに対して訓練、第3段階ではヒューマンを再訓練、第4段階では両エージェントを同時に微調整する。これにより、デバイスが関節動態を変えることで生じるヒトの神経筋協調の再編成（非定常性）に対処する。訓練は物理ベースのシミュレーションで行われ、シミュレーション内で股関節筋活性の低減と正のアシストを実現する。実機展開では、被験者固有の再訓練なしにポリシーを適用する。

健常成人8名を対象に、外骨格なし、受動（アシストなし）、能動（SMAT制御）の3条件で歩行試験を実施した。代謝コストは間接熱量測定で計測し、能動条件は受動条件に対して正味代謝率を19.7%削減（p<0.001）した。また、股関節の機械的パワーを解析し、全被験者で正のパワー比が0.98と高いことを確認した。さらに、歩行速度や地形（トレッドミル上での速度変化や傾斜など）を変えた条件でもポリシーが一般化することを示した。

要旨からは、被験者数が8名と小規模であること、実験条件が限定的であること、長期的な適応や個人差に関する議論は不明。また、代謝削減の効果がシミュレーション予測とどの程度一致するか、受動条件との比較のみで外骨格なし条件との有意差が示されていない点（数値は示されているが統計的有意性は不明）などが議論の余地として考えられるが、要旨からは詳細は不明。

要旨で参照されている関連研究として、シミュレーション訓練による外骨格制御の先行研究や、ヒトとデバイスの共適応を扱う研究が挙げられる。具体的には、強化学習を用いた外骨格制御の研究（例えば、Ranganathan et al.やSong et al.の研究）や、代謝計測を標準ベンチマークとするアシスト歩行の研究が関連する。次に読むべき論文としては、SMATの元論文（シミュレーションでの検証）や、同分野の定番である外骨格の代謝削減効果を検証した論文（例えば、Collins et al.の人工外骨格の研究）が考えられる。