XoNav：個人最適化された触覚提示で歩行ナビゲーションを支援する外骨格

- XoNav は視覚障害者の歩行支援を目的とした4アクチュエータの股関節 exoskeleton 型ハプティックインタフェース。 - sagittal-plane アクチュエータで Advance cue と2段階の Braking cue、frontal-plane アクチュエータで2段階の Steering cue を股関節に直接提示する。 - 大腿部装着の2つの IMU と bilateral LSTM ベースの gait-state classifier により、歩行状態に同期して cues を提示し、立位時は抑制する。 - 個人化と自律ナビゲーション feasibility まで含む支援ナビゲーションシステム。

- 多くの wearable aids は方向を audio や vibrotactile 信号で符号化し、ユーザがそれを歩行運動へ翻訳する必要がある。 - XoNav は股関節に直接 guidance cues を描画し、翻訳負担の軽減を狙う点が異なる。 - gait-state classifier により歩行位相に同期して cue を提示し、立位時は抑制する点が特徴。 - human-in-the-loop Bayesian optimization で個人ごとに Braking と Steering を最適化する点も先行研究との差異として示唆される。

- 4-actuator hip exoskeleton により、Advance、2段階 Braking、2段階 Steering の cues を提示。 - 2つの thigh-mounted IMU 入力を用いた bilateral LSTM-based gait-state classifier で gait states を識別。 - 歩行状態に同期した cue 提示と立位時の抑制を実現。 - Constrained human-in-the-loop Bayesian optimization により、Braking は最小抵抗、Steering は最大快適性を目的とし、検出可能性と安全性を制約として個人化。

- classifier は unseen users に対し recall 95.2-97.9%、stance-to-swing で平均 38.6 ms、swing-to-stance で 63.1 ms の検出遅延を示した。 - 参加者全員が個人化 cues の段階を信頼性高く区別し、最も強い Braking cue は安全限界の 53% 未満であった。 - blindfolded Wizard-of-Oz navigation trials を3経路で実施し、歩行距離の 98.8% を幅 0.75 m の通路内に維持、試行あたり平均進行速度が 4.9% 増加。 - body-worn camera、RTAB-Map、Nav2 を用い、未マップ障害物の回避を含む自律ナビゲーションの feasibility study を実施。

- 個人化 cues の段階識別と安全限界に対する余裕は示されたが、長期的な学習効果や実環境での汎化は要旨からは不明。 - Wizard-of-Oz と blindfolded 条件での評価であり、実際の視覚障害者による日常使用での有効性は要旨からは不明。 - 自律ナビゲーションは feasibility study の段階であり、性能限界や失敗事例の議論は要旨からは不明。 - 検出遅延や cue の主観的快適性と客観的安全性のトレードオフに関する議論は要旨からは不明。

- 要旨で直接参照/比較されている研究は明示されていない。 - 関連手法として、gait-state classification の基盤である LSTM、personalization に用いた Bayesian optimization、自律ナビゲーションで用いた RTAB-Map と Nav2 が挙げられる。 - 同分野の定番として、vibrotactile や audio を用いた wearable navigation aids、human-in-the-loop optimization、IMU-based gait phase detection に関する論文を次に読むべき候補として挙げる。