JP2001051726A - 個性対応型機械制御装置 - Google Patents

Abstract

(57)【要約】 【課題】 操作者の個性に対応して動作する個性対応型
機械制御装置を提供すること。 【解決手段】 少なくとも操作者１１が操作する操作部
１２、２０からの操作情報と、操作者の個人情報を検出
する検出部１６ａ、１６ｂと、上記操作情報及び上記個
人情報とを処理する制御部１３、１４、１７と、を有
し、この制御部により上記操作情報と上記個人情報が処
理されると共に、上記操作部に対して上記操作者の個性
に対応した出力情報が提供されることを特徴とする個性
対応型機械制御装置１０。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えばバーチャル
リアリティ（仮想現実感）装置や遠隔操作ロボット等に
用いられる個性対応型機械制御装置に関するものであ
る。

【０００２】

【従来の技術】一般に、バーチャルリアリティ装置や遠
隔操作ロボットにおける、操作者への例えば力触覚提示
は、コンピュータ技術とロボット技術を融合して、未知
の感覚を生み出すことができる新しいヒューマン・マシ
ン・インタフェース技術である。この力触覚提示によっ
て、操作者は、実際に物体に触れていないにもかかわら
ず、そこに物体が実在するような感覚を仮想的に感じる
ことができるようになっている。

【０００３】バーチャルリアリティ装置等において、こ
の力触覚提示を行なう場合、例えばコンピュータ内で予
め用意された仮想物体の硬さデータや、被提示対象物で
ある仮想物体内への侵入度等に基づいて、一定の計算式
を用いて操作者への力触覚提示量を計算するようにして
いる。例えば、特開平０５−２８２２７９号に開示され
ているように、記憶させた複数のユーザの属性即ち身長
や視力，聴力等の属性値に基づいて、パラメータを算出
する方法がある。また、例えば遠隔操作ロボットのマス
ター（操作者）側への力触覚提示の場合、スレーブ側に
設けた接触センサや力センサ等の信号から一定の計算式
を用いて操作者への力触覚提示量を計算するようにして
いる。

【０００４】

【発明が解決しようとする課題】しかしながら、これら
のバーチャルリアリティ装置や遠隔操作ロボットにおけ
る力触覚提示は、例えば操作者の力に関する個人差に対
応しているものではないため、例えば、力の弱い人に対
しては、バーチャルリアリティ装置から大きな力が提示
されて、操作者が怪我等を負うおそれがある。

【０００５】これに対して、操作者側にて、力触覚提示
量をスイッチやボリウム等によって切換えたり変更調整
できるようにすることも可能でなるが、個々の操作者の
力に関する個性の違いに対して適切な力触覚提示を行な
うことは困難であると共に、同一操作者においても、そ
のときの体調や疲労度により力触覚提示量を微調整する
必要があり、常に適切な力触覚提示を行なうことは不可
能であった。

【０００６】本発明は、以上の点に鑑み、操作者の個性
に対応して動作する個性対応型機械制御装置を提供する
ことを目的としている。

【０００７】

【課題を解決するための手段】上記目的は、本発明によ
れば、少なくとも操作者が操作する操作部からの操作情
報と、操作者の個人情報を検出する検出部と、上記操作
情報及び上記個人情報とを処理する制御部と、を有し、
この制御部により上記操作情報と上記個人情報が処理さ
れると共に、上記操作部に対して上記操作者の個性に対
応した出力情報が提供されることを特徴とする個性対応
型機械制御装置により、達成される。

【０００８】上記構成によれば、少なくとも操作者が操
作する操作部からの操作情報と、操作者の個人情報を検
出する検出部と、上記操作情報及び上記個人情報とを処
理する制御部と、を有しているので、この操作者の現況
を精密に把握することができる。また、本構成によれ
ば、上記制御部により上記操作情報と上記個人情報が処
理されると共に、上記操作部に対して上記操作者の個性
に対応した出力情報が提供されるので、この操作者の状
況に応じた出力情報に基づき個性対応型機械制御装置は
動作する。

【０００９】好ましくは、請求項１の構成において、上
記操作者の個人情報が、操作者の力に関する情報であ
り、上記出力情報が、上記操作部の力触覚提示量であ
り、上記制御部では、この操作者の力に関する情報に基
づいて、その動力学的特性及び動作列特性を自動的に学
習し、この結果を記憶部に記憶させると共に、上記制御
部では、この記憶部に記憶された結果に基づいて、上記
操作部の上記力触覚提示量を調整するように制御されて
いる個性対応型機械制御装置である。

【００１０】上記構成によれば、操作者の力に関する情
報に基づき、その動力学的特性及び動作列特性を自動的
に学習し、この結果を記憶部に記憶させると共に、上記
制御部では、この記憶部に記憶された結果に基づいて、
上記操作部の上記力触覚提示量を調整するように制御さ
れているので、上記操作者の力に関する情報は、上記記
憶部に記憶されている結果と比較等され、この比較等を
した後、上記操作部の上記力触覚提示量が調整されるこ
とになる。したがって、操作者の力に対応して、上記制
御部が上記操作部の上記力触覚提示量を調整することに
なり、任意の操作者の力に関する個人差に対応して、適
切な力触覚提示が自動的に行われることになる。

【００１１】好ましくは、請求項２の構成において、上
記操作者の力に関する情報が、この操作者の筋電位情報
でり、上記結果が力のプロファイルである個性対応型機
械制御装置である。

【００１２】上記構成によれば、上記操作者の力に関す
る情報が、この操作者の筋電位情報であり、上記結果が
力のプロファイルであるため、上記操作者の筋電位情報
は、上記記憶部に記憶されている力のプロファイルと比
較等され、この比較等をした後、上記操作部の上記力触
覚提示量が調整されることになる。したがって、操作者
の筋電位情報に対応して、上記制御部が上記操作部の上
記力触覚提示量を調整することになり、任意の操作者の
力に関する個人差に対応して、適切な力触覚提示が自動
的に行われることになる。また、上記制御部は、必要な
ときに、上記記憶部から力のプロファイルを読み出し
て、これに基づき上記力触覚提示量の調整が行われる。

【００１３】好ましくは、請求項２の構成において、上
記制御部がリアルタイムの上記操作者の力のプロファイ
ルと、上記記憶部に記憶された力のプロファイルとを比
較して、この操作者の動作を予測して、力触覚提示量を
決定する個性対応型機械制御装置である。

【００１４】また、好ましくは、請求項２の構成におい
て、上記制御部がリアルタイムの上記操作者の力のプロ
ファイルと、上記記憶部に記憶された力のプロファイル
とを比較して、この操作者の疲労度等による力の変化を
予測して、力触覚提示量を決定する個性対応型機械制御
装置である。

【００１５】上記構成によれば、上記制御部がリアルタ
イムの上記操作者の力のプロファイルと、上記記憶部に
記憶された力のプロファイルとを比較して、この操作者
の動作又は疲労度等による力の変化を推定、予測するの
で、より迅速、且つ最適な力触覚提示量の調整ができ
る。

【００１６】そして、好ましくは、請求項２の構成にお
いて、上記制御部がリアルタイムの上記操作者の力のプ
ロファイルと、上記記憶部に記憶された力のプロファイ
ルとを比較して、この操作者の新たな動作を感知して、
この新たな動作を、上記記憶部に記憶された力のプロフ
ァイルに記憶させる個性対応型機械制御装置である。

【００１７】上記構成によれば、上記操作者のすべての
動作に関して力のプロファイルが記憶部に記憶されるこ
とにより、当該操作者のすべての動作に関して力のプロ
ファイルが学習されることになり、より良好な力触覚提
示が行なわれる。

【００１８】また、好ましくは、請求項２の構成におい
て、上記制御部がリアルタイムの上記操作者の力のプロ
ファイルと、上記記憶部に記憶された力のプロファイル
とを比較して、この操作者が新たな操作者であると感知
した場合は、新たな操作者の力のプロファイルを上記記
憶部に記憶させる個性対応型機械制御装置である。

【００１９】上記構成によれば、上記操作者が新たな操
作者であると感知した場合は、新たな操作者の力のプロ
ファイルを上記記憶部に記憶させるため、新たな操作者
が現われたとき、その操作者の力のプロファイルが記憶
されることにより、当該操作者の次回の操作の際には、
記憶された操作者として、既に上記記憶部に記憶されて
いる力のプロファイルに基づいて、当該操作者に対応し
た力触覚提示がより簡単に行なわれる。

【００２０】

【発明の実施の形態】図１は、本発明の実施の形態に係
る個性対応型機械制御装置の構成を示している。図１に
示すように、個性対応型機械制御装置１０は、操作者１
１が椅子等に着座した状態で、自己の顔に装着するため
のヘッド・マウント・ディスプレイ（ＨＭＤ）１５と、
操作者１１が自己の手等で操作するための操作部である
操作部１２とを有している。この操作部１２は、図１に
示すように、操作部である力触覚提示装置２０を介して
制御部である監視部（コンピュータ）１３、ニューラル
ネットワーク処理部１７及び記憶部であるメモリ１８に
接続されている。また、この監視部１３は、制御部に含
まれる仮想環境コンピュータ１４に接続されており、こ
の仮想環境コンピュータ１４と接続されているヘッド・
マウント・ディスプレイ１５に仮想空間が表示されるよ
うになっている。

【００２１】この仮想空間では、図１に示すように例え
ばダンベルが表されており、このダンベルを仮想空間に
おける操作者の手１１ａが持ち上げるようになってい
る。また、この操作者１１の腕には、図１に示すように
検出部である電極１６ａが配置されている。この電極１
６ａは、具体的には操作者１１の腕の筋肉に対応して配
置されており、例えば「上腕二頭筋」、「三頭筋」、
「腕とう骨筋」及び「尺側手根屈筋」にそれぞれ対応し
て４つの電極１６ａを配置することになる。これらの４
つの電極１６ａは、同じく検出部である筋電位測定器１
６ｂを経てニューラルネットワーク処理部１７と接続さ
れている。図２は、図１に示す個性対応型機械制御装置
１０の構成を詳細に示すブロック構成図である。図２に
示すように、操作者１１の腕に取り付けられた電極１６
ａは、筋電位測定器１６ｂを経てニューラルネットワー
ク処理部１７と接続されている。このニューラルネット
ワーク処理部１７は、メモリ１８及び監視部１３に接続
されている。このため、電極１６ａで検知された筋電位
は、例えばニューラルネットワーク処理された後、その
データが、メモリ１８及び監視部１３に入力等されるこ
とになる。

【００２２】また、この監視部１３は、仮想環境を現出
させる仮想環境コンピュータ１４を経てヘッド・マウン
ト・ディスプレイ１５に接続されているため、この監視
部１３の指示により、このヘッド・マウント・ディスプ
レイ１５に仮想環境を現出させることになる。さらに、
この監視部１３は、サーボコントローラ１９及びサーボ
アンプ１９ａを経て力触覚提示装置２０に接続されてお
り、この力触覚提示装置２０は、操作部１２に接続され
ている。このため、この監視部１３の駆動指令がサーボ
コントローラ１９に伝わり、このサーボコントローラ１
９が電圧で駆動指令を力触覚提示装置２０に伝えること
により、力触覚提示装置２０を駆動し、これにより操作
部１２に例えばダンベルの重み等を伝え、操作者１１が
これを感知するようになっている。また、力触覚提示装
置２０には、駆動状態検出部２２が備えられており、こ
の駆動状態検出部２２により、この力触覚提示装置２０
の動きのデータがサーボコントローラ１９及び監視部１
３にフィードバックされるようになっている。

【００２３】図３は、図２に表されているＡ部の部分を
より詳細に示した図である。図３に示すように、操作者
１１は、上述のように電極１６ａ、１６ａを腕に取り付
けると共に、この電極１６ａ、１６ａは、電線で筋電位
測定器１６ｂに接続され、この筋電位測定器１６ｂから
測定データがニューラルネットワーク処理部１７に入力
されるようになっている。一方、操作者１１の手で操作
する操作部１２と接続されている力触覚提示装置２０
は、例えば複数のモータを備えており、この複数のＨＶ
モータの動きにより操作部１２に例えば仮想空間のダン
ベルの重みを伝えるようになっている。この複数のモー
タの近傍には、図３に示すように駆動状態検出部２２
が、それぞれ配置されている。この駆動状態検出部２
２、２２は、例えばエンコーダと力センサ等とから構成
され、このモータの駆動状態をサーボコントローラ１９
及び監視部１３にセンサ出力（パルス数／電圧）として
フィードバックしている。

【００２４】そして、図４は、図２のＢ部の詳細を示し
た図である。図４に示すように、ニューラルネットワー
ク処理部１７は、筋電位測定器１６ｂからの測定データ
が入力されるニューロ・コンピューティング部スーパー
バイザ１７ａと、ニューロ・コンピューティング処理部
１７ｂ、そして、データ比較／推定／予測処理部１７ｃ
を有している。また、このニューラルネットワーク処理
部１７は、ニューロ・コンピューティング部スーパーバ
イザ１７ａと接続されているメモリ管理部１７ｅを備え
ていると共に、ニューロ・コンピューティング処理部１
７ｂとデータ比較／推定／予測処理部１７ｃと接続され
ている局所メモリ１７ｄも有している。また、監視部１
３は、図４に示すように、上記ニューラルネットワーク
処理部１７のニューロ・コンピューティング部スーパー
バイザ１７ａと接続されているシステム最上位スーパー
バイザ１３ａが設けられている。このシステム最上位ス
ーパーバイザ１３ａは、駆動指令部１３ｂを介して目標
値の駆動指令を図２に示すサーボコントローラ１９に伝
えるようになっている。

【００２５】そして、図３の駆動状態検出部２２から出
力されたセンサ出力（パルス数／電圧）は、図４のセン
サ入力部１３ｃに入力された後、システム最上位スーパ
ーバイザ１３ａに入力されることになる。また、システ
ム最上位スーパーバイザ１３ａは、通信部１３ｄを介し
て、図２に示す仮想環境コンピュータ１４にデータを送
信することになる。一方、図２に示すメモリ１８は、図
４に示すように、力のプロファイル記憶部となってお
り、データ管理用ディレクトリ、個人別力のプロファイ
ル等が記憶されるようになっている。なお、このメモリ
１８は、ニューラルネットワーク処理部１７のメモリ管
理部１７ｅと接続されている。図５は、図３の力触覚提
示装置２０の詳細を示した図である。図５に示すように
力触覚提示装置２０の全体は、ロボットになっており、
このロボットのアームの先端には、操作部１２が形成さ
れている。この操作部１２は、操作者１１がその手１１
ｂで把持すべきグリップ１２ａが備えられている。この
ロボットは、図５に示すように６つのモータＭｘ，Ｍ
ｙ，Ｍｚ，Ｚ，θ1 ，θ2 が設けられているため、６軸
に可動するように構成されている。

【００２６】図６（Ｂ）は、図２及び図３に示される電
極１６ａを表した図である。図６（Ｂ）に示すように電
極１６ａは、通常用いられている乾式電極であって、図
において左側に示されている円形の端子部を有してお
り、この端子部を操作者１１の腕等の皮膚表面に設置す
ることになる。具体的には、図６（Ａ）に示すように、
例えば操作者１１の上腕二頭筋Ａ，三頭筋Ｂ，腕とう骨
筋Ｃ，尺側手根屈筋Ｄに対応する皮膚表面に、それぞれ
電極１６ａの端子部が貼付されることになる。上記対応
する皮膚表面の位置とは、好ましくは、各筋肉の中央付
近である。このように操作者１１の腕等の筋肉に電極１
６ａを貼付し、例えば上記上腕二頭筋Ａ，三頭筋Ｂ，腕
とう骨筋Ｃ，尺側手根屈筋Ｄ等の筋肉の筋電位を測定す
る。この電極１６ａで測定された筋電位のデータは、ア
ナログデータとしての電位であるため、この微小電位を
増幅し、Ａ／Ｄ変換（アナログ・デジタル変換）（サン
プリング周波数は例えば８００Ｈｚ）し、データ列とす
ることになる。このデータ列は、時間的に離散化して量
子化したサンプリング結果のデータ列である。

【００２７】このようにデジタル化された測定データ
は、積分処理及びフーリエ変換（ＦＦＴ）処理されるこ
とになる。この積分処理で、この測定データは時間軸に
対する振幅の積分結果データとなる。また、フーリエ変
換処理で、上記測定データは、周波数軸に対するスペク
トル・データとなる。したがって、上記測定データが、
これら積分処理及びフーリエ変換（ＦＦＴ）処理される
ことで、時間軸に対する振幅の積分結果データと周波数
軸に対するスペクトル・データという２種類のデータを
得ることができる。このように得られる上記２種類のデ
ータにつき、以下、具体例を用いて詳細に説明する。例
えば、操作者Ａと操作者Ｂの２人の腕の上腕二頭筋，三
頭筋，腕とう骨筋及び尺側手根屈筋に対応する皮膚表面
にそれぞれ電極１６ａであるセンサを貼付する。この状
態で、２種類の異なる姿勢をとる。すなわち、図７に示
すように、左腕を水平に保ち、手のひらを下向きにする
姿勢（Ａ）と、手のひらを上向きにする姿勢（Ｂ）であ
る。また、これらのそれぞれの姿勢で、０ｋｇ、１ｋ
ｇ、２．５ｋｇ、５ｋｇの４種類の重りを、２０．４８
秒間保持した状態の筋電位を計測した。

【００２８】そして、この計測結果を上述のように積分
処理し、時間軸に対する振幅の積分結果データとしたの
が、図８である。図８に示すように、操作者Ａと操作者
Ｂでは、重りを持ったときに使用する筋肉や力の入れ方
には、相違が見られ、個人差があることが分かる。ま
た、同一の操作者であっても、図７に示すような異なる
姿勢で重りを持つと、使用する筋肉や力の入れ方に違い
が生じることが分かる。さらに、重りを重くし、操作者
がより力をいれると筋電位の振幅（電圧）が増すことも
分かった。一方、上述の測定結果のうち、一方の操作者
の測定値のみを上述のようにフーリエ変換（ＦＦＴ）
し、周波数軸に対するスペクトル・データとしたのが、
図９乃至図１２である。図９乃至図１２に示すように、
姿勢の相違、すなわち手のひらが上向きか下向きかによ
って、または、重りの重さによって、筋電位の周波数分
布、すなわち周波数軸に対するスペクトル・データが相
違するため、操作者が使用する筋肉や力の入れ方に特徴
があることがわかる。

【００２９】さらに、図１３は、重さ０ｋｇと５ｋｇの
重りを手のひらを下向きで持った一方の操作者の電極１
６ａの筋電位（電圧）と時間変化の図である。図示する
ように、操作者が疲労すると筋電位の積分値が増加する
ことがわかった。また、筋肉によっては、筋電位の周波
数分布が変化し、別の筋肉を使用する場合があることも
分かった。そして、これらの変化は、個人差があること
もわかった。以上のように、上記時間軸に対する振幅の
積分結果データと周波数軸に対するスペクトル・データ
という２種類のデータを得ることで操作者個人を認識す
るための様々なデータを入手することができる。そし
て、これら時間軸に対する振幅の積分結果データと周波
数軸に対するスペクトル・データという２種類のデータ
を、上記操作者個人の認識用のデータとしてメモリ１８
に記憶させる際に、図４に示すようにニューラルネット
処理を行っている。

【００３０】以下、ニューラルネット処理について説明
する。本実施の形態において用いるニューラルネット処
理は、パターン認識等に応用されている階層化したネッ
トワークを用いている。すなわち、ネットワーク状に結
合している各ニューロユニットは、そのニューロユニッ
トが属する層より一つ下の層に属するすべてのニューロ
ユニットの出力を入力として受け取るような層構造とな
っている。そして、最下層に入力されたデータの情報が
層を経るにしたがって一定の重み付け（結合の強さ）で
処理、統合され、出力されるようになっている。このた
め、入力に対して最善の出力が得られるように、ニュー
ロ・コンピュータを「学習」させることができる。具体
的には、１９８６年にラメルハートらが発表したバック
プロパゲーションとして知られる重み学習アルゴリズム
を用いたものである。

【００３１】以上のように、上記時間軸に対する振幅の
積分結果データと周波数軸に対するスペクトラル・デー
タという２種類のデータを図４に示すようにニューラル
ネットワーク処理部１７でニューラルネット処理するこ
とになる。すなわち、操作者１１の腕に貼付した電極１
６ａが検出した特定の時間間隔毎の測定データは、ニュ
ーラルネットワーク処理部１７でニューラルネット処理
され、メモリ１８に操作者１１の力のプロファイルとし
て記憶されることになる。具体的には図１４に示すよう
に、操作者、疲労度、負荷、姿勢、動きの列、時間軸に
対する振幅の積分結果データ及び周波数軸に対するスペ
クトラル・データが、それぞれ操作者毎に記録されるこ
とになる。このようにメモリ１８に力のプロファイルを
記憶しておくことで、その後、ある操作者から測定され
た筋電位のデータを上述のようにデジタル化し、ニュー
ラルネット処理して出力したデータ列があった場合、こ
のデータ列と記憶された力のプロファイルのデータ列と
が略一致すれば、この記憶された力のプロファイルのデ
ータ列にしたがって、新しい操作者の操作を予測等する
ことが可能となる。

【００３２】したがって、ニューラルネットワーク処理
を行えば、メモリ１８の力のプロファイルの記憶や任意
の時間間隔で得られたニューラルネットの出力とメモリ
１８のプロファイルデータとの比較、推定等が可能とな
ることになる。本実施の形態に係る個性対応型機械制御
装置１０は、以上のように構成されているが、以下、そ
の動作等について説明する。本実施の形態における個性
対応型機械制御装置１０においては、上述のように操作
者１１は、ヘッド・マウント・ディスプレイ１５によ
り、仮想環境コンピュータ１４内に存在する仮想空間を
見ることができるようになっている。そして、この仮想
空間内には、図１に示すようにダンベルが写っており、
このダンベルを仮想空間における操作者１１の手が持ち
上げるようになっている。具体的は、図５に示すグリッ
プ１２ａを操作者１１が操作して、仮想空間内のダンベ
ルを持ち上げることになる。このような個性対応型機械
制御装置１０を操作するには、先ず、操作者１１は、図
３に示すように電極１６ａを上腕二頭筋，三頭筋，腕と
う骨筋及び尺側手根屈筋に対応する皮膚表面に貼付す
る。この状態が図１５のステップＳＴ１である。次に図
１５のステップＳＴ２の操作者の特定が行われる。この
操作者の特定は、具体的には、図１６に示すようなステ
ップとなっている。

【００３３】すなわち、ステップＳＴ２１に示すよう
に、規定の動作をして筋電位を測定するステップを行
う。この規定の動作をして筋電位を測定するというステ
ップは図１７のようなステップとなっている。また、図
１５の操作者の特定ＳＴ２と図１５及び図１８のキャリ
ブレーションＳＴ３は、見かけ上、同時に行う場合があ
るので、併せて説明する。すなわち、図１６に示す規定
の動作をして筋電位を測定ＳＴ２１する際に、図１８に
示すキャリブレーションＳＴ３を先ず行う。このキャリ
ブレーションＳＴ３は、電極１６ａを貼付する位置によ
り、あるいは操作者のその日の体調等により、測定され
る筋電位の値及び／あるいは周波数分布（スペクトル）
が微妙に相違するため、この微妙な相違を補正するため
のキャリブレーション値を求めるためのものである。具
体的には、図１８に示すように、先ず、操作者１１に規
定の動作をさせ筋電位を測定する（ＳＴ３１）。例えば
操作者１１の腕を軽く動かしてもらう等である。これに
よって得られた筋電位のデータをデジタル化し、積分及
びフーリエ変換等し、図１８のＳＴ３２のようにニュー
ラルネット処理を行う。このニューラルネット処理で
は、予め記憶されているデータとステップＳＴ３１で測
定されたデータとを比較し、微妙な相違がある場合は、
その変換係数（関数）すなわちキャリブレーション値を
求める。

【００３４】この出力されたキャリブレーション値のセ
ットＳＴ３３により、キャリブレーションＳＴ３は終了
する。このように、キャリブレーションＳＴ３によって
キャリブレーション値をセットした後、図１６に示す規
定の動作をして筋電位を測定ＳＴ２１する。先ず、電極
１６ａを付けた操作者１１は、図５に示す力触覚提示装
置２０の操作部１２に設けられているグリップ１２ａを
握ることになる。そして、予め決められた動作を操作者
１１が行う。具体的には、腕を手のひらが上になるよう
に体の前にのばし、その状態から肘の曲げ伸ばしを行う
等である。このような動作を操作者１１が行うことによ
り、図１７のステップＳＴ２１１に示すように筋電位セ
ンサ（電極）出力のＡ／Ｄ変換が行われる。これは、電
極１６ａから測定された筋電位はアナログデータである
ため、このデータをデジタルデータに変換することにな
る。その後、ステップＳＴ２１２に示すように積分およ
びフーリエ変換の計算を行うことになる。この計算によ
り、上述の時間軸に対する振幅積分データと周波数軸に
対するスペクトルデータが得られる。これにより、図１
６のステップＳＴ２１規定の動作をして筋電位を測定が
終了する。

【００３５】そして、図１６のステップＳＴ２２に示す
ように、これら時間軸に対する振幅積分データと周波数
軸に対するスペクトルデータがニューラルネット処理さ
れることになる（ＳＴ２２）。このニューラルネット処
理においては、ＳＴ２３のように、現在の操作者１１が
個性対応型機械制御装置１０を初めて使う操作者である
か否かを判断することになる。すなわち、図４に示すメ
モリ１８内に記憶されている、図１４に示す力のプロフ
ァイルデータのデータ列と現在の操作者１１のデータ列
を比較して、記憶された操作者と同一か否かを判断す
る。ここで、操作者が相違するとする場合は、ステップ
ＳＴ２５のようにメモリ１８内に新たな力のプロファイ
ルデータとして、現在の操作者１１のデータ列を図１４
のように記憶する。これは、メモリ１８内の力のプロフ
ァイルに記憶されていない力のプロファイルデータ列が
観察された場合であるが、このように、新しいデータ列
を力のプロファイルデータとして記憶するため、操作者
１１が、この個性対応型機械制御装置１０を使用すれば
使用するほど、この個性対応型機械制御装置１０は、操
作者１１になじんでくることになる。

【００３６】一方、ステップＳＴ２４に示すように、メ
モリ１８内に記憶されている、図１４に示す力のプロフ
ァイルデータのデータ列と現在の操作者１１のデータ列
を比較して、記憶された操作者と同一であると判断され
た場合は、当該操作者の力のプロファイルデータを読み
出すことになる。これで、図１５の操作者の特定（ＳＴ
２）が終了する。続いて、図１５のステップＳＴ４に示
すバーチャル空間での作業（通常の操作）となる。ここ
では、操作者の特定ＳＴ２において当該操作者の力のプ
ロファイルデータを読みだした場合（ＳＴ２４）を例と
して説明する。このバーチャル空間での作業（通常の操
作）ＳＴ４は、具体的には、図１９に示すようなステッ
プとなる。すなわち、図１９のステップＳＴ４１に示す
ように「バーチャル空間モデルからの操作対象物体の重
量（負荷）の取得」とステップＳＴ４２に示す「（１）
実時間で測定された積分データとスペクトル・データ
（２）力のプロファイルデータ（３）操作者の各関節角
度の時間列データのニューラルネットへの入力」を行
う。

【００３７】すなわち、先ず、上述のように特定した操
作者１１が、図５に示す操作部１２のグリップ１２ａを
掴み、図１に示すヘッド・マウント・ディスプレイ１５
を装着する。このヘッド・マウント・ディスプレイ１５
には、図２に示す仮想環境コンピュータ１４より、図１
に示すような仮想空間が表示されることになる。この仮
想空間では、例えば床に１ｋｇ、３ｋｇ及び５ｋｇのダ
ンベルが表示される。そして、例えば、この１ｋｇのダ
ンベルを、操作者１１が持ち上げようとして、その１ｋ
ｇのダンベルの置いてある方向に、仮想空間における操
作者の手１１ａを動かし、この１ｋｇのダンベルを、仮
想空間における操作者の手１１ａが掴んで持ち上げよう
とすることになる。このとき、図２に示す監視部１３
は、サーボコントローラ１９及びサーボアンプ１９ａを
介して力触覚提示装置２０に目標の駆動指令を与える。
この目標の駆動指令は、１ｋｇのダンベルを持ち上げよ
うとする操作者１１の手１１ｂの動きを阻止する方向、
すなわち、本実施の形態においては、垂直方向にダンベ
ルの重さ（１ｋｇ）に相当する力を図３に示すモータを
用いて力触覚提示装置２０に発生させ、操作者１１に提
示することになる。このとき、操作者１１は、仮想空間
における１ｋｇのダンベルの重さを実感（力感）するこ
とができるようになっている。

【００３８】ところで、このとき、サーボコントロール
の手法としては、位置制御ではなく力制御を用いてい
る。すなわち、図３に示すように、力触覚提示装置２０
の駆動状態検出部２２に備えられている力センサによ
り、操作者１１が力触覚提示装置２０の操作部１２に及
ぼす力が１ｋｇになるように制御することになる。ここ
で、操作者１１が操作する、操作部１２のグリップ１２
ａの位置と姿勢は、図５に示す６軸のモータＭｘ、Ｍ
ｙ、Ｍｚ、Ｚ、θ１、θ２のエンコーダの値から計算し
て把握することになる。このグリップ１２ａの位置と姿
勢を把握することで、操作者の手１１ｂの位置と姿勢を
把握することになる。次に、仮想空間において、操作者
１１は１ｋｇのダンベルを床に置き、代わりに３ｋｇの
ダンベルの方に、仮想空間における操作者の手１１ａを
伸ばして掴み、そして持ち上げる。すると力触覚提示装
置２０は、鉛直方向に今度は３ｋｇの力を発生させるこ
とにより、操作者１１は、重さ３ｋｇのダンベルを実際
に持ち上げたように感じる。

【００３９】ここで、操作者１１のメモリ１８内にある
プロファイルデータと、上述の実時間で得られる時間軸
に対する振幅の積分データと周波数軸に対するスペクト
ル・データ、並びに力触覚提示装置２０の駆動状態検出
部２２のエンコーダから計算した操作者１１の各関節角
度の時間列データを用いて図１９のステップＳＴ４３に
示すように、ニューラルネット内での処理を行う。この
ステップＳＴ４３のニューラルネット内での処理によ
り、ステップＳＴ４４に示すように「（１）操作者名
（２）動作予測（３）疲労度のニューラルネットからの
出力」を行う。また、上記「（２）動作予測のニューラ
ルネットからの出力」は、例えば操作者１１が、ある動
作をし始めたときに、メモリ１８の動作の時間的初期段
階の力のプロファイルデータ列と略一致する場合に可能
となる。すなわち、このプロファイルデータ列におい
て、「腕を自然に真下に伸ばした状態から肘を９０度曲
げる動作をした」ことが記憶されていれば、この動作の
時間的初期段階の力のプロファイルデータ列が略一致す
れば、今回も同様に動作すると予測できる。

【００４０】具体的には、上述のように、図５に示す６
軸のモータＭｘ、Ｍｙ、Ｍｚ、Ｚ、θ１、θ２のエンコ
ーダの値から計算して把握された操作者１１の各関節の
角度をθ１（ｔ）、θ２（ｔ）、・・・・、θｎ（ｔ）
とする。そして、このθ１（ｔ）、θ２（ｔ）、・・・
・、θｎ（ｔ）を、Θ（ｔ）＝｛θ１（ｔ）、θ２
（ｔ）、・・・・、θｎ（ｔ）｝とする。このようにす
ることにより、筋電位のリアルタイムの測定データ（時
間軸に対する振幅の積分データと周波数軸に対するスペ
クトル・データ）と図１４に示す力のプロファイルデー
タ、並びに上記各関節角度の時間列データであるΘ
（ｔ）を図４に示すようにニューラルネット処理部１７
で処理することにより、微小時間後（時刻ｔ＋１）の操
作者１１の各関節角度、関節角加速度及び関節角加速度
等を予測することができる。

【００４１】以上のように、ニューラルネット処理１７
することで操作者１１の名前や次の動作を予測すること
ができる。このようなステップＳＴ４４の操作者名及び
動作予測のニューラルネットからの出力を図４の監視部
１３が見張っているので、監視部１３は、力触覚提示装
置２０が次に出す力の大きさや向きを決めることがで
き、操作者１１に時間遅れなく適切な力触覚提示を与え
ることができるようになる。 このような動作を操作者
１１が繰り返し行っていると、操作者１１は疲れてくる
ことになる。このとき、本実施の形態に係る個性対応型
機械制御装置１０の筋電位測定器１６ｂは、操作者１１
の筋電位を上述のように測定しているため、筋電位の測
定及びニューラルネット処理部１７での処理を行い、こ
のリアルタイムの実測データを力のプロファイルデータ
とし、メモリ１８に記憶された力のプロファイルデータ
と比較することで、この疲労度を推定することができる
（ステップＳＴ４４）。

【００４２】具体的にはリアルタイムで得られる時間軸
に対する振幅積分データと周波数軸に対するスペクトル
・データが微妙に変化し、この変化を図４に示す力のプ
ロファイルデータの疲労度等のデータと比較することに
より推定できることとなる。このとき、図４のニューラ
ルネットワーク処理部１７のニューロ・コンピューティ
ング部スーパーバイザ１７ａがそれを察知し、監視部１
３のシステム最上位スーパーバイザ１３ａに連絡してサ
ーボコントローラ１９への駆動指令が変更されることに
なる。また、このサーボコントローラ１９への駆動指令
の変更は、力触覚提示装置２０の出力が調節されるた
め、疲労した操作者１１とって適切な大きさの力触覚提
示が可能となる。すなわち、監視部１３は、例えば１ｋ
ｇ，３ｋｇ及び５ｋｇのダンベルを操作者１１が持ち上
げたときに、力触覚提示装置２０が鉛直方向に発生する
力を、それぞれ例えば０．９ｋｇ，２．８ｋｇ及び４．
７ｋｇとしたとする。このとき、これらの値は、リアル
タイムで得られる時間軸に対する振幅積分データと周波
数軸に対するスペクトル・データにおいて、操作者１１
が疲れていないときと同じにするが最も望ましい。こう
することで、操作者１１は、疲れてきても、操作者１１
本人は、疲れていないときと同じ感覚で、それぞれ１ｋ
ｇ，３ｋｇ及び５ｋｇのダンベルをを持ち上げることが
できる。

【００４３】以上のようにして図１９ステップＳＴ４４
は、終了し、図１５のステップＳＴ５の力のプロファイ
ルデータの追加登録がなければ、操作者１１が仮想空間
においてダンベルを持ち上げるという動作は、終了する
こととなる（ステップＳＴ６） 以上のように本実施の形態によれば、操作者１１の筋肉
の発達の程度や動作の癖等の個人差に自動的に対応し
て、各操作者１１にフィットした適切な力触覚提示をお
こなうことが可能となる。また、各操作者１１の動力学
的特性や動作列特性を個性対応型機械制御装置１０側が
学習し、力のプロファイルとしてメモリ１８に記憶する
ので、操作者１１が、そのような特性を自分で入力する
必要がない。さらに、その日の操作者１１の体調や疲労
等による操作者１１の力のプロファイルの変化を自動的
に感知し学習し、新力のプロファイルとして記憶すると
共に出力調整も行うので、常に操作者１１の感覚にフィ
ットした適切な力触覚提示をすることができる。

【００４４】また、過去に記憶された力のプロファイル
を検索して、操作者１１を自動的に特定できるので、使
用する際には、操作者１１は、自分が誰であるかを入力
する必要がない。そして、本実施の形態に係る個性対応
型機械制御装置１０を使用する場合でも、自動的に新規
の力にプロファイルを作成して、記憶するので誰でも簡
単に使用することができる。

【００４５】

【発明の効果】以上述べたように、本発明によれば、操
作者の個性に対応して動作する個性対応型機械制御装置
を提供することができる。

【図面の簡単な説明】

【図１】本発明の実施の形態に係る個性対応型機械制御
装置を示す概略図である。

【図２】図１の個性対応型機械制御装置の構成を示すブ
ロック図である。

【図３】図２のブロック図のＡ部を詳細に示した概略図
である。

【図４】図２のブロック図のＢ部を詳細に示した概略図
である。

【図５】図３の力触覚装置を詳細に示した概略図であ
る。

【図６】（Ａ）電極を操作者の皮膚表面に貼付した状態
を示す概略図である（Ｂ）電極を表した概略図である

【図７】（Ａ）操作者が左腕を水平に保ち、手のひらを
下向きにする姿勢を示す図である。（Ｂ）操作者が左腕
を水平に保ち、手のひらを上向きにする姿勢を示す図で
ある。

【図８】操作者の姿勢の相違等の計測結果を積分処理
し、時間軸に対する振幅の積分結果データとした表であ
る。

【図９】操作者の手のひらが上向きの姿勢で等の重さ０
ｋｇ及び１ｋｇの重りを持った状態の計測結果を筋電位
の周波数分布、すなわち周波数軸に対するスペクトラル
・データとして示した表である。

【図１０】操作者の手のひらが上向きの姿勢で等の重さ
２．５ｋｇ及び５ｋｇの重りを持った状態の計測結果を
筋電位の周波数分布、すなわち周波数軸に対するスペク
トラル・データとして示した表である。

【図１１】操作者の手のひらが下向きの姿勢で等の重さ
０ｋｇ及び１ｋｇの重りを持った状態の計測結果を筋電
位の周波数分布、すなわち周波数軸に対するスペクトラ
ル・データとして示した表である。

【図１２】操作者の手のひらが下向きの姿勢で等の重さ
２．５ｋｇ及び５ｋｇの重りを持った状態の計測結果を
筋電位の周波数分布、すなわち周波数軸に対するスペク
トラル・データとして示した表である。

【図１３】操作者が重さ０ｋｇと５ｋｇの重りを手のひ
らが下向きで持った場合の電極の筋電位と時間変化の表
である。

【図１４】力のプロファイルデータを示す表である。

【図１５】操作全体の流れを示すフローチャートであ
る。

【図１６】図１５の操作者の特定の詳細な流れを示すフ
ローチャートである。

【図１７】図１６の規定の動作をして筋電位を測定の詳
細な流れを示すフローチャートである。

【図１８】図１５のキャブレーションの詳細な流れを示
すフローチャートである。

【図１９】図１５のバーチャル空間内での作業（通常の
操作）の詳細な流れを示すフローチャートである。

【符号の説明】

１０・・・個性対応型機械制御装置、１１・・・操作
者、１１ａ・・・仮想空間における操作者の手、１１ｂ
・・・操作者の手、１２・・・操作部、１２ａ・・・グ
リップ、１３・・・監視部、１３ａ・・・システム最上
位スーパーバイザ、１３ｂ・・・駆動指令部、１３ｃ・
・・センサ入力部、１３ｄ・・・通信部、１４・・・仮
想環境コンピュータ、１５・・・ヘッド・マウント・デ
ィスプレイ、１６ａ・・・電極、１６ｂ・・・筋電位測
定部、１７・・・ニューラルネットワーク処理部、１７
ａ・・・ニューロ・コンピューティング部スーパーバイ
ザ、１７ｂ・・・ニューロ・コンピューティング処理
部、１７ｃ・・・データ比較／推定／予測処理部、１７
ｄ・・・局所メモリ、１７ｅ・・・メモリ管理部、１８
・・・メモリ、１９・・・サーボコントローラ、１９ａ
・・・サーボアンプ、２０・・・力触覚提示装置、Ｍ
ｘ，Ｍｙ，Ｍｚ，Ｚ，θ１，θ２・・・モータ、２２・
・・駆動状態検出部。

Claims (7)

【特許請求の範囲】
1. 【請求項１】 少なくとも操作者が操作する操作部から
   の操作情報と、 操作者の個人情報を検出する検出部と、 上記操作情報及び上記個人情報とを処理する制御部と、
   を有し、 この制御部により上記操作情報と上記個人情報が処理さ
   れると共に、上記操作部に対して上記操作者の個性に対
   応した出力情報が提供されることを特徴とする個性対応
   型機械制御装置。
2. 【請求項２】 上記操作者の個人情報が、操作者の力に
   関する情報であり、 上記出力情報が、上記操作部の力触覚提示量であり、 上記制御部では、この操作者の力に関する情報に基づい
   て、その動力学的特性及び動作列特性を自動的に学習
   し、この結果を記憶部に記憶させると共に、 上記制御部では、この記憶部に記憶された結果に基づい
   て、上記操作部の上記力触覚提示量を調整するように制
   御されていることを特徴とする請求項１に記載の個性対
   応型機械制御装置。
3. 【請求項３】 上記操作者の力に関する情報が、この操
   作者の筋電位情報であり、上記結果が力のプロファイル
   であることを特徴とする請求項２に記載の個性対応型機
   械制御装置。
4. 【請求項４】 上記制御部がリアルタイムの上記操作者
   の力のプロファイルと、上記記憶部に記憶された力のプ
   ロファイルとを比較して、この操作者の動作を予測し
   て、力触覚提示量を決定することを特徴とする請求項２
   に記載の個性対応型機械制御装置。
5. 【請求項５】 上記制御部がリアルタイムの上記操作者
   の力のプロファイルと、上記記憶部に記憶された力のプ
   ロファイルとを比較して、この操作者の疲労度等による
   力の変化を推定、予測して、力触覚提示量を決定するこ
   とを特徴とする請求項２に記載の個性対応型機械制御装
   置。
6. 【請求項６】 上記制御部がリアルタイムの上記操作者
   の力のプロファイルと、上記記憶部に記憶された力のプ
   ロファイルとを比較して、この操作者の新たな動作を感
   知して、この新たな動作を、上記記憶部に記憶された力
   のプロファイルに記憶させることを特徴とする請求項２
   に記載の個性対応型機械制御装置。
7. 【請求項７】 上記制御部がリアルタイムの上記操作者
   の力のプロファイルと、上記記憶部に記憶された力のプ
   ロファイルとを比較して、この操作者が新たな操作者で
   あると感知した場合は、新たな操作者の力のプロファイ
   ルを上記記憶部に記憶させることを特徴とする請求項２
   に記載の個性対応型機械制御装置。