JP2014104549A - 外骨格型ロボットおよびリハビリテーション装置 - Google Patents

外骨格型ロボットおよびリハビリテーション装置 Download PDF

Info

Publication number
JP2014104549A
JP2014104549A JP2012260237A JP2012260237A JP2014104549A JP 2014104549 A JP2014104549 A JP 2014104549A JP 2012260237 A JP2012260237 A JP 2012260237A JP 2012260237 A JP2012260237 A JP 2012260237A JP 2014104549 A JP2014104549 A JP 2014104549A
Authority
JP
Japan
Prior art keywords
driving force
exoskeleton
air muscle
robot
joint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2012260237A
Other languages
English (en)
Other versions
JP6142146B2 (ja
Inventor
Jun Morimoto
淳 森本
Tomoyuki Noda
智之 野田
Tatsuya Teramae
達也 寺前
Junichiro Furukawa
淳一朗 古川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ATR Advanced Telecommunications Research Institute International
Original Assignee
ATR Advanced Telecommunications Research Institute International
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ATR Advanced Telecommunications Research Institute International filed Critical ATR Advanced Telecommunications Research Institute International
Priority to JP2012260237A priority Critical patent/JP6142146B2/ja
Publication of JP2014104549A publication Critical patent/JP2014104549A/ja
Application granted granted Critical
Publication of JP6142146B2 publication Critical patent/JP6142146B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Manipulator (AREA)
  • Rehabilitation Tools (AREA)
  • Prostheses (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

【課題】ＢＭＩリハビリテーションのために、筋骨格系運動の支援が可能な外骨格型ロボットおよびそれを用いたリハビリテーション装置を提供する。
【解決手段】 リハビリテーション装置において、外骨格ロボット１を構成する各能動関節は、空電ハイブリッドアクチュエータを備えている。ブレインキャップ１４で計測された信号に基づき、演算装置２０８は、ユーザの脳活動をデコードする。空電ハイブリッドアクチュエータには、空圧式エアマッスルと、エアマッスルの駆動力を関節に伝達するワイヤが含まれる。制御部１３４は、デコードされた脳活動に応じて、能動関節による重力補償の程度を切り替えるようにエアマッスルへの駆動力および電動モータへの駆動力を生成するためにエアマッスルに加える圧力および電動モータの生成するトルクを制御する。
【選択図】図３

Description

本発明は、外骨格型ロボットおよびそれを用いたリハビリテーション装置に関するものである。
近年、運動再建などを目的とし、脳情報によって外部のロボットデバイスの制御を行うブレインマシンインタフェース（ＢＭＩ）に関する研究が注目を集めている（非特許文献１）。一方、バランスや歩行が可能なロボットが開発されてきている。例えば、運動に必要な作用力を空間上の任意の複数接触点に最適に配分し，ヒトと同じように各関節のトルクを発生できるロボットが存在する（特許文献１参照）。
また、下肢・体幹運動の支援をめざした外骨格型ロボットがいくつか開発されている。
すなわち、多くの国々が高齢人口問題に直面しており、ユーザ動作を支援するために使用できる外骨格型ロボットの開発は、重要な研究課題になっている。特に、これら外骨格型ロボットは、リハビリテーションプログラム中の脳卒中患者や脊髄損傷患者のような患者のために人工器官として使用することができる（たとえば、非特許文献２、３、４、５、６を参照）。
さらに、近年、ロボット工学的な支援型システムをコントロールするために脳活動を使用することが、脳卒中患者が運動機能の回復を向上させるのに有用であることが分かってきた（非特許文献７）。
したがって、麻痺した部分の動作を支援するロボットを脳活動によってコントロールすることができれば、麻痺した運動機能の回復を亢進させる可能性があると考えられる。このリハビリテーション・アプローチは、ブレインマシンインターフェース（ＢＭＩ）リハビリテーションと呼ばれる（非特許文献８）。
このようなＢＭＩリハビリテーションシステムでは、たとえば、脳卒中で麻痺した手をモータの入った箱の上に固定する。患者が指を伸ばそうと念じると、その脳波の信号がＢＭＩを通してモータに伝わり、モータが動いて指が伸ばされる、というように構成される。ここで、脳波のパターンが指を伸ばすものと一致しないと、つまり、正しい脳活動が生じないと、モータのスイッチが入らない。
何年も麻痺したままの場合、最初は、麻痺した手のイメージを頭の中で描きにくく、上手くいかない。頑張って念じようとすると、かえって、麻痺していない方に変な力が入ってしまい、脳波のパターンが変わってしまう。しかしながら、試行錯誤のうちに、リラックスした状態で、患者が手の動きを正しく念じられるようになると、麻痺していた手の筋肉にも変化が生じ、症状の改善が見られることが知られている。
また、上述したような外骨格型ロボットのうち、体重を支えるタイプでは、大型の電動モータまたは油圧シリンダが用いられており、ロボット本体の自重も相当大きい。一方、体重を支えないリハビリ用途としては、空圧式の人工筋肉（以下、「エアマッスル」という。）を用いるものがあった。
エアマッスルは、その他のアクチュエータと比べて軽量で安価に製造可能で、空圧独特の柔らかさを持つ。その反面、遅れ、非線形性、個体のばらつきなどから、正確な制御には向いていないとされてきた。
このようなエアマッスルの問題に対処するために、空圧式のエアマッスルと電動モータとを組み合わせた空電ハイブリッド式アクチュエータも提案されている（特許文献２を参照）。
ＷＯ２００７／１３９１３５号公報 特開２０１２−０４５１９４号公報
Lebedev, M.A. and Nicolelis, M.A. ："Brain-machine interfaces past,present and future",Trends in Neuroscience,vol.29,no.9,pp. 536-546,2006. K. Suzuki, M. G. Kawamoto, H. Hasegarwa, and Y. Sankai. Intension-based walking support for paraplegia patients with Robot Suit HAL. Advanced Robotics, Vol. 21, No. 12, pp. 1441-1469, 2007. S. K. Au, P. Dilworth, and H. Herr. An ankle-foot emulation system for the study of human walking biomechanics. In IEEE International Conference on Robotics and Automation, pp. 2939−2945, 2006. H. Kobayashi, A. Takamitsu, and T. Hashimoto. Muscle Suit Development and Factory Application. International Journal of Automation Technology, Vol. 3, No. 6, pp. 709-715, 2009. G. Yamamoto and S. Toyama. Development of Wearable Agri-Robot- Mechanism for Agricultural Work. In IEEE/RSJ International Conference on Intelligent Robots and System, pp. 5801−5806, 2009. T. Kagawa and Y. Uno. Gait pattern generation for a power-assist device of paraplegic gait. In The 18th IEEE International Symposium on Robot and Human Interactive Communication, pp. 633−638, 2009. K. Shindo, K. Kawashima, J. Ushiba, N. Ota, M. Ito, T. Ota, A. Kimura, and M. Liu,"Effects of neurofeedback training with an electroencephalogram-based brain-computer interface for hand paralysis in patients with chronic stroke: a preliminary case series study," J. Rehabil. Med., vol. 43, pp. 951-957, 2011. D. Kamatani, T. Fujiwara, J. Ushiba, K. Shindo, A. Kimura, and L. Meigen, "Study for evaluation method of effect of bmi rehabilitation by using near infrared spectoscopy," in Neuro 2010, 2011, pp. P2-f16.
空電ハイブリッド式アクチュエータは、相補的なアクチュエータとして、２つの異なるエネルギー源で駆動される駆動機構を利用し、弾性を有する柔軟なトルク制御が可能である。１つの駆動機構は、空圧式エアマッスルを用いた空圧式アクチュエータであって、軽量化に向いている。しかしながら、上述のとおり、空圧式アクチュエータの圧縮性は、コントロールする際には、レスポンスが遅く、非線形力学を引き起こすために制御が難しい。
一方で、他の１つの駆動機構である電動式アクチュエータは、速く制御しやすい特性を有している。しかしながら、電動モータを用いた電動式アクチュエータは、大きなトルクを制御しようとすると、アクチュエータのヒートアップや、あるいは、重量の増加を招いてしまう。このため、空電ハイブリッド式アクチュエータにおいても、電動式アクチュエータを大型化することは軽量化に反する結果となる。
しかしながら、伝達機構の軽量化は、制御対象の力学をより複雑化して、制御の困難性を増大させてしまう恐れがある。
また、このような外骨格型ロボットを脳活動により制御して、ＢＭＩリハビリテーションを可能とするシステムを、いかにして構築できるのかは、明らかではなかった。たとえば、非特許文献２では、生体信号を用いて運動を制御する外骨格型ロボットを用いて、脊髄損傷患者に対するリハビリテーションへの応用を試みているものの、患者から所望の生体信号を取り出すことが困難であるため、外骨格型ロボットの制御には、床反力を用いている。
本発明は、上記のような問題点を解決するためになされたものであって、その目的は、ＢＭＩリハビリテーションのために、筋骨格系運動の支援が可能な外骨格型ロボットおよびそれを用いたリハビリテーション装置を提供することである。
この発明の他の目的は、空電ハイブリッド式アクチュエータを備える外骨格型ロボットを軽量化しつつ、正確な制御性を達成することが可能な外骨格型ロボットおよびリハビリテーション装置を提供することである。
この発明の１つの局面に従うと、ユーザの筋骨格系運動の支援をするための外骨格型ロボットであって、ユーザの外骨格に対応するフレーム構造と、筋骨格系運動におけるユーザの関節の各位置に対応してフレーム構造を可動とするように配置される能動関節と、ユーザの脳活動に対応する信号を計測するための脳活動計測手段と、脳活動計測手段からの計測結果に基づき、所定の分類にしたがって、対応する脳活動をデコードする判別手段と、能動関節に対するトルク制御により能動関節を動作させる制御部とを備え、各能動関節は、エアマッスルと、電動モータと、エアマッスルからの第１の駆動力と電動モータからの第２の駆動力とを合成して能動関節の屈伸を駆動するための駆動力合成手段とを含み、制御部は、デコードされた脳活動に応じて、能動関節による重力補償の程度を切り替えるように第１の駆動力および第２の駆動力を生成するためにエアマッスルに加える圧力および電動モータの生成するトルクを制御する。
好ましくは、各能動関節は、エアマッスルからの第１の駆動力を駆動力合成手段に伝達するためのワイヤをさらに含み、制御部は、ワイヤを所定のバネ定数で表されるバネとした力学モデルとエアマッスルの収縮割合に対する第１の駆動力の所定の関係を表す駆動力モデルとの組合せの逆モデルにより、第１の駆動力を生成するためにエアマッスルに加える圧力を制御する。
好ましくは、各能動関節の関節角を検出するための第１のセンサをさらに備え、制御部は、第１のセンサの検出結果により、エアマッスルの収縮割合を検知する。
好ましくは、能動関節によるトルクは、ユーザの起立運動および着座方向への運動をアシストし、制御部は、デコードされた脳活動が、起立運動に対応するとき、外骨格型ロボットおよびユーザの下肢の所定割合の重量に対する重力補償が活性化されるように、各能動関節のトルクを制御する。
好ましくは、制御部は、デコードされた脳活動が、着座方向への運動に対応するとき、外骨格型ロボットの重量に対する重力補償を維持し、ユーザの下肢の所定割合の重量に対する重力補償が不活性化されるように、各能動関節のトルクを制御する。
好ましくは、各エアマッスルにおいて、エアマッスルとワイヤとの接合部に設けられ、エアマッスルからの第１の駆動力の大きさを検出するための第２のセンサをさらに備え、制御部は、第２のセンサの検出結果に応じて、エアマッスルの第１の駆動力および電動モータからの第２の駆動力とを制御する。
好ましくは、エアマッスルは、流体袋と、流体袋が埋め込まれたらせん状のファイバーとを含み、圧縮空気が送り込まれて流体袋が膨張すると、長手方向に収縮し、駆動力モデルは、エアマッスルの収縮割合と、常圧におけるエアマッスルの径と、らせん状のファイバーの収縮方向に対する巻方向の傾きの角度との関数である。
この発明の他の局面に従うと、ユーザの筋骨格系運動の支援してリハビリテーションを行うためのリハビリテーション装置であって、ユーザの脳活動に対応する信号を計測するための脳活動計測手段と、脳活動計測手段からの計測結果に基づき、所定の分類にしたがって、対応する脳活動をデコードする判別手段と、デコードされた脳活動をユーザに対して提示するための提示手段と、外骨格型ロボットとを備え、外骨格型ロボットは、ユーザの外骨格に対応するフレーム構造と、筋骨格系運動におけるユーザの関節の各位置に対応してフレーム構造を可動とするように配置される能動関節と、能動関節に対するトルク制御により能動関節を動作させる制御部とを含み、各能動関節は、エアマッスルと、電動モータと、エアマッスルからの第１の駆動力と電動モータからの第２の駆動力とを合成して能動関節の屈伸を駆動するための駆動力合成手段とを有し、制御部は、デコードされた脳活動に応じて、能動関節による重力補償の程度を切り替えるように第１の駆動力および第２の駆動力を生成するためにエアマッスルに加える圧力および電動モータの生成するトルクを制御する。
本発明の外骨格型ロボットおよびそれを用いたリハビリテーション装置によれば、筋骨格系運動を支援して、ＢＭＩリハビリテーションを行うことが可能となる。
また、本発明では、エアマッスルと電動モータとを組み合わせ、駆動力の伝達機構を軽量化して、人間の運動のアシストに必要な高負荷トルクを正確に制御できる外骨格型ロボットを提供できる。
本実施の形態における外骨格型ロボット１の構成事例を示す図である。 外骨格型ロボット１の自由度の構成を示す図である。 外骨格型ロボット１を含むリハビリテーション装置のブロック図である。 ＢＭＩリハビリテーションシステムの構成のうち、脳活動信号のデコーディングの構成を説明するための概念図である。 ＥＥＧ信号のデコード処理の手続きを示すフローチャートである。 外骨格型ロボットの構成において、１自由度分の動作を行う空電ハイブリッドアクチュエータの部分を抜き出した外観を示す図である。 １自由度分の動作を行う空電ハイブリッドアクチュエータのシステムを制御する構成を説明するための機能ブロック図である。 各アクチュエーターが、関節を動かす態様を説明するための概念図である。 うずくまっている姿勢および直立姿勢における外骨格型ロボットの各関節と、空圧式エアマッスルの状態を示す図である。 空圧式エアマッスルの収縮割合と駆動力との作動範囲を比較して示す図である。 １自由度システムを使用して観察されるトルク制御器の応答特性を示す図である。 空電ハイブリッド式アクチュエータの１自由度の腕のエンドエフェクタの端部に錘がつりさげられた状態での重力補償タスクを示す図である。 外骨格型ロボットが、２つの異なる運動模型を切り替える重力補償によって達成された、起立タスクを支援する動作を示す図である。 １自由度システムをＥＥＧ信号で制御する構成を説明するための図である。 １自由度システムのコントロール・パフォーマンスを示す図である。 判別器の出力、コマンド出力および１自由度システムの関節角度の時間変化を示す図である。 １自由度システムのコントロール・パフォーマンスを示す図である。 判別器の出力、コマンド出力を示す図である。 ＥＥＧ外骨格型ロボットシステムのコントロール・パフォーマンスを示す図である。 判別器の出力、コマンド出力を示す図である。
以下、本発明の実施の形態の外骨格型ロボットおよびそれを用いたリハビリテーション装置の構成について、図に従って説明する。なお、以下の実施の形態において、同じ符号を付した構成要素および処理工程は、同一または相当するものであり、必要でない場合は、その説明は繰り返さない。
以下、本実施の形態において、歩行・姿勢リハビリテーションのための空電ハイブリッド式の外骨格型ロボットについて説明する。
ただし、本発明の空電ハイブリッド式外骨格型ロボットは、下肢の運動をアシストするための外骨格型ロボットに対してだけでなく、上肢の運動をアシストする外骨格型ロボットとしても使用することが可能である。
また、以下の説明では、下肢の対としての運動をアシストする外骨格型ロボットについて説明するが、下肢のうちのいずれか一方、または、上肢のうちのいずれか一方の運動をアシストする外骨格型ロボットとして使用することも可能である。
さらに、本実施の形態の空電ハイブリッド式外骨格型ロボットは、対象となる人間の筋骨格系の運動をアシストするのであれば、上述したような「下肢のうちの少なくともいずれか一方、または、上肢のうちの少なくともいずれか一方の運動」に限定されるものではなく、たとえば、対象となる人間の腰の運動のみをアシストするものであってもよいし、歩行または走行時において下肢の運動と連動して腰の運動をアシストするものであってもよい。本明細書では、このような対象となる人間の運動のアシストを総称して、「対象となる人間の筋骨格系運動の支援」と呼ぶことにする。
本実施の形態の外骨格型ロボットは、外骨格を有する。「外骨格」とは、人間の骨格構造に対応してロボットが有する骨格構造のことである。より特定的には、「外骨格」とは、外骨格型ロボットを装着する人間の体の一部を、外部から支えるフレーム（枠組み）構造のことをいう。
このフレーム構造には、さらに、フレーム構造の各部を人間の骨格構造に基づく運動に応じて動かすための関節が設けられる。
特に、下肢の運動をアシストする外骨格型ロボットは、ベースと下半身とを有し、足首、膝、腰の左右の位置に、能動６自由度の関節を有するロボットである。また、当該６つの関節は、空電ハイブリッド駆動の関節である。以下、このように、外骨格型ロボットにおいて、アクチュエータにより駆動される関節のことを「能動関節」と呼ぶ。
図１は、本実施の形態における外骨格型ロボット１の構成事例を示す図である。本外骨格型ロボット１は、１０自由度である。
図１において、図１（ａ）は、外骨格型ロボットの外観を示す図であり、図１（ｂ）は、図１（ａ）の外観において、外骨格型ロボット１の主要部を抽出して示す斜視図である。
図１（ｂ）において、外骨格型ロボット１は、両脚に対応したフレーム構造、バックパック１０１、柔軟シート１０２、ＨＡＡ拮抗筋１０３、ＨＦＥ伸筋１０４、ＨＦＥモータ１１１、ＫＦＥ伸筋１０５、 ＫＦＥモータ１０６、ＡＦＥ伸筋１０７、ＡＦＥ屈筋１０８、ジョイント１０９、フレーム構造に設けられたプーリー付回転関節１１０を備える。
なお、図１（ｂ）では、バックパック１０１が運動を支援する構造に直接とりつけられているが、図１（ａ）に示すように、バックパック１０１は、この構造から取り外されていてもよい。
また、プーリー付回転関節１１０には、たとえば、光学式エンコーダを回転軸に取り付け、関節角度を計測する。光学式エンコーダは、軸に取り付けるのではなく、軸に巻かれたベルトの移動方向と移動量を読み取る構成としてもよい。なお、ハイブリッド関節であるＨＦＥおよびＫＦＥ関節においては、モータ付属のエンコーダを用いて関節角度を計測してもよい。ジョイント１０９は、ＡＡＡ関節に相当し、この構成では、駆動機構は取り付けられず、受動的な関節となっている。
図２は、外骨格型ロボット１の自由度の構成を示す図である。
図２において、各関節において、「Ｒ＿」との表示は、右側の関節であることを示し、「Ｌ＿」との表示は、左側の関節であることを示す。
図１および図２を参照して、全１０自由度のうち、ＨＦＥ関節とＫＦＥ関節はハイブリッド駆動としている。また、図２において、全１０自由度のうち、左右のＡＦＥ関節は伸筋と屈筋による拮抗駆動を採用している。ハイブリッド駆動および拮抗駆動以外の関節は、パッシブな駆動である。ただし、より多くの関節、たとえば、全ての関節をハイブリッド駆動としてもよい。
図１において、両脚が接続する胴体部には姿勢センサを搭載してベース部の姿勢を検出している。また、全ての関節にワイヤ式エンコーダ（またはモータ付属のエンコーダ）を取り付け、関節角度を計測できるようにしている。ベースの姿勢と関節角度を検出することで、重心から接触部への正確なヤコビ行列が算出でき、各関節に発生させる目標トルクが算出できる。
また、足底部には、床反力センサを搭載し、接触を想定する足底部が実際に接触しているかどうかを判定したり、ヤコビ行列に含まれるモデル誤差を修正するために補助的に使用する構成としてもよい。
このようなヤコビ行列を用いた順運動学モデルに基づいて、目標作用力から夫々のアクチュエータに配分するトルク値を算出する方法については、たとえば、上述した特許文献１に開示がある。
また、バックパック１０１内には制御器の他、エアマッスルのバルブおよび電動モータのドライバを内蔵している。
また、バックパック１０１内に、バッテリーと圧搾したＣＯ２ガスボンベ、レギュレータを搭載し、電源ラインとエア供給が断絶した場合に備え、短時間の自律駆動を可能にする構成であってもよい。
また、図３は、外骨格型ロボット１を含むリハビリテーション装置のブロック図の例である。
外骨格型ロボット１を制御するためのコマンドが、外部制御装置２０から、通信経路を介して外骨格型ロボットに与えられる。特に限定されないが、外部制御装置２０は、汎用のパーソナルコンピュータを用いることが可能であり、通信経路としては、イーサネット（登録商標）ケーブルを用いることができる。もちろん、通信経路としては、その他の規格の有線通信の経路の他、無線による通信経路、たとえば、無線ＬＡＮ（Local Area Network）や他の通信規格の無線などを使用してもよい。
外部制御装置２０は、ユーザからの指示入力を受ける入力部２１０と、コマンドを生成するためのプログラムや、様々な制御パラメータなど制御のために必要とされるデータが記録された不揮発性の記憶装置２０６と、外部制御装置２０を起動するためのファームウェアが記憶されたＲＯＭ（Read Only Memory）や、ワーキングメモリとして動作するＲＡＭ（Random Access Memory）などを含むメモリ２０４と、プログラムに応じて、コマンドを生成する処理を実行する演算装置２０８と、コマンドを通信経路を介して、外骨格型ロボットに送信するためのインタフェース（Ｉ／Ｆ）部２０２と、演算装置２０８の制御の下で、外骨格型ロボット１への制御の状態や脳活動の判別結果に関する情報などを表示するための表示信号を出力する表示Ｉ／Ｆ部２１２とを備える。
上述のとおり、外部制御装置２０が、汎用のパーソナルコンピュータである場合は、演算装置２０８は、ＣＰＵ（Central Processing Unit）で構成され、不揮発性の記憶装置２０６としては、ハードディスクドライブやソリッドステートドライブなどを用いることができる。ただし、外部制御装置２０の機能ブロックの一部または全部は、専用のハードウェアにより構成されてもよい。
さらに、外部制御装置２０は、外骨格型ロボットが装着されるユーザの脳情報を検出するためのブレインキャップ１４からの信号を、Ａ／Ｄコンバータ１６において増幅してデジタル化した信号を受信し、後に説明するように、検出された脳波パターンがいずれの分類に属するかの確率を判別する。外部制御装置２０は、このような判別結果に基づいて、外骨格型ロボットを制御するコマンドを生成する。外部制御装置２０は、Ｉ／Ｆ部２０２を介して、Ａ／Ｄコンバータ１６からの信号を受信する。ここで、ブレインキャップ１４により取得されるユーザの脳活動の信号は、たとえば、脳波（ＥＥＧ：Electroencephalogram）信号であるものとする。
ここで、脳波パターンの分類とは、脳波のパターンが、ユーザの行う運動のどの局面に対応するかを示すものであり、たとえば、後に説明する、起立およびしゃがみ込み運動では、脳波が起立運動の状態を示しているか、あるいは、しゃがみ込み運動の状態を示しているかを示す。ただし、たとえば、歩行運動において、右足または左足を、歩行運動の各フェーズのどの態様で運動させる状態かということを示す情報であってもよいし、あるいは、さらに、他の運動の各フェーズに対する分類であってもよい。
表示装置２１４は、表示Ｉ／Ｆ部２１２からの信号に基づいて、外骨格型ロボット１への制御の状態や脳活動の判別結果に関する情報などを表示する。
外骨格型ロボット１は、外骨格部１２、内部制御装置１０を備える。
外骨格部１２は、ベース１２１、下半身１２２、能動関節１２３、検出機構１２４を備える。さらに、能動関節１２３は、エアマッスル１２３１（図示せず）、電動モータ１２３２（図示せず）を備える。
また、内部制御装置１０は、Ｉ／Ｆ部１１、記録装置１３１、記憶装置 １３２、計測装置１３３、制御部１３４、出力装置１３５を備える。
Ｉ／Ｆ部１１は、外部制御蔵置２０から指令された制御コマンド等を受け付けることができる。
なお、ベース１２１は、腰の位置の骨格、腰の位置の能動関節１２３を含むと考えても良いし、腰の位置の骨格のみであると考えても良い。
下半身１２２は、腿や足の位置の骨格、腿や足の位置の能動関節１２３を含むと考えても良いし、腿や足の位置の骨格のみであると考えても良い。
能動関節１２３は、左右の足首、左右の膝、および腰の左右の各位置に配置されている能動の関節である。ここで、能動関節１２３とは、アクチュエータで能動的に動作することのできる関節である。つまり、能動関節１２３は、アクチュエータを備える。
また、ここでの１以上の能動関節１２３は、ハイブリッド型である。つまり、能動関節１２３の少なくとも一部のものは、エアマッスル１２３１、電動モータ１２３２を備えるハイブリッド型である。なお、アクチュエータは、制御目標値となるトルク値を駆動信号として受け付け、受け付けたトルク値に基づいて制御する機能を有している。
アクチュエータとして、サーボモータを使用する場合、アクチュエータは、例えば、電流制御が可能な駆動回路を有し、電流に比例したトルクを発生させるサーボモータは、制御目標値として入力されたトルク値に、ギヤ比により決定されるトルク定数を乗じて駆動回路に指令することで入力されたトルクを発生させるトルク制御を実現する。特に、能動関節１２３にトルクセンサを配設し、当該トルクセンサにより検出した値を駆動回路にフィードバックすることにより、高精度のトルク制御が可能となる。
検出機構１２４は、ロボットの状態を検出する。検出機構１２４は、例えば、各関節に配置されたエンコーダ、足平に配置された床反力センサ、骨盤部に配置された姿勢検出のためのジャイロセンサ、各エアマッスルの駆動力を検知するロードセルなどである。検出機構１２４は、関節の角度を検出する角度センサや、ロボットの姿勢を取得する姿勢センサ、外力センサなどでも良い。
内部制御装置１０は、能動関節１２３を動作させる。内部制御装置１０は、Ｉ／Ｆ部１１が受け付けたトルクまたは位置指令等に対応して、能動関節１２３を動作させる。内部制御装置１０は、例えば、目標とする床作用力を、ヤコビ行列にて規定される順運動学モデル等に基づいて、各能動関節１２３を駆動する夫々のアクチュエータの夫々のトルク値に変換し、変換した夫々のトルク値を各アクチュエータに制御目標値として出力する。
計測装置１３３は、センサ等の検出機構１２４から検出結果を示す様々な信号（データ）を受け付ける。
制御部１３４は、制御目標値の算出等の様々な演算を行う。制御部１３４が行う演算は後に説明する。
出力装置１３５は、能動関節１２３に制御信号を出力する。出力装置１３５は、例えば、目標とするトルク値を能動関節１２３に出力する。
図４は、ＢＭＩリハビリテーションシステムの構成のうち、脳活動信号のデコーディングの構成を説明するための概念図である。
すなわち、本実施の形態のＢＭＩリハビリテーションシステムは、脳活動のデコーディング技術を使用することにより、ユーザが外骨格型ロボットをコントロールすることができるように、外骨格型ロボットが脳波検知システムに接続された脳波(ＥＥＧ)外骨格型ロボットシステムである。
図４に示すように、ＥＥＧ信号は、ブレインキャップ１４の電極によって検知され、Ａ／Ｄ変換器１６により、検知されたＥＥＧ信号は増幅され、たとえば、２０４８Ｈｚのサンプリングレートのデジタル信号に変換される。
データサンプリング処理部２０８２は、Ａ／Ｄ変換器１６からの信号をリサンプルし、たとえば、１２８Ｈｚにダウンサンプルされた信号に変換する。データサンプリング処理部２０８２からの信号は、デコーディング処理部２０８４により、外骨格型ロボットに対する制御コマンドを生成するためにデコーディングされる。制御信号生成部２０８６は、デコーディング結果（判別結果）に応じて、制御コマンドを生成し、外骨格型ロボット１の制御部１３４に対して送信する。制御コマンドにより、外骨格型ロボット１はアシスト・コントロール・システムを活性化する。なお、データサンプリング処理部２０８２、デコーディング処理部２０８４および制御信号生成部２０８６は、演算装置２０８の機能として実現される。また、図３においては、演算装置２０８は、単体の演算装置であるものとして記載されているものの、演算処理を行うプロセッサは、シングルコアであっても、マルチコアであってもよいし、また、演算装置２０８は、単体ではなく、その演算処理は、複数のプロセッサによる分散処理であってもよい。
脳活動をデコードするために、特に限定されないが、以下では、脳波スペクトルのl1ノルム正規化されたマトリックスを分類する、公知文献１および公知文献２に開示された分類法を使用するものとして説明する。
公知文献１：R. Tomioka and K. Aihara, ”Classifying matrices with a spectral regularization,” in Proceedings of the 24th international conference on Machine learning (ICML’07). ACM Press, 2007, pp. 895-902.
公知文献２：R. Tomioka and K. R. M¨uller, ”A regularized discriminative framework for EEG analysis with application to brain−computer interface,” NeuroImage, vol. 49, pp. 415-432, 2010. [Online]. Available: http://dx.doi.org/10.1016/j.neuroimage.2009.07.045
さらに、判別器は、公知文献１に開示されるように、凸面の最適化問題の解法により効率的に導出することができる。
公知文献１の中で示唆されるように、入力変数としては、測定されたＥＥＧ信号Ｃtの分散行列を使用する。
この分類法では、２クラス分類問題の出力確率は、以下の式（１）および式（２）として表わされる。
ここでqtはクラス・ラベルを示し、Ｔｒ[・]は、行列のトレースを表す。
対数オッズすなわちロジットは、以下のように入力Ｃtの線形関数としてモデル化される。
ここで、Ｗはパラメータマトリックス（重み行列）であり、ｂはバイアスである。なお、ＥＥＧ信号についての入力マトリックスＣtについては、後に説明する。
（判別器の学習）
判別器を構築するために、以下の目的関数を最小化するものとする。
ここで、λは、正規化定数であり、目的関数の各項は、以下の式（７）および式（８）として表わされる。
ここで、σi[Ｗ]（i＝１，…，ｒ）は、マトリックスＷのｉ番目の特異値であり、ｒはＷのランクである。
すなわち、判別式を構成するにあたっては、上記のような目的関数の最小化を、所定数のトレーニングサンプルについて求め、パラメーター・マトリックスＷおよびバイアスｂを決定できればよい。
この最適化問題は、等価な線形行列不等式(ＬＭＩ：Linear Matrix Inequality)問題を考慮することにより、効率的に解くことができる。詳しくは、公知文献１に記載されるが、式（６）および（７）は、以下のような線形行列不等式に置き換えることができる。
ここで、行列Ｑ1およびＱ2は、上記のような非負定値条件を満たす行列である。
このような線形行列不等式は、たとえば、以下の公知文献３に記載の「内点法（interior point method）」により、解くことができる。
公知文献３：Boyd, S., & Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press.
図５は、ＥＥＧ信号のデコード処理の手続きを示すフローチャートである。
ブレインキャップ１４の６４個の電極によって検知された信号は、Ａ／Ｄ変換器１６により、たとえば２０４８Ｈｚのサンプリングレートの６４チャネルのデジタル信号としてサンプリングされ（Ｓ１００）、データサンプリング処理部２０８２により、所定の周波数帯域（７−３０Ｈｚ）のバンドパス・フィルタ処理が適用される（Ｓ１０２）。フィルタリングされた信号は、データサンプリング処理部２０８２により、たとえば、１２８Ｈｚでダウンサンプリングされる（Ｓ１０４）。データサンプリング処理部２０８２は、さらに、ダウンサンプルされた信号に、ラプラス・フィルタ処理を施し、各データから共通に平均値を減算することで、電極上のバイアス電圧を取り除く（Ｓ１０６）。
デコーディング処理部２０８４は、上記のように処理されたデータの分散行列を算出して（Ｓ１０８）、判別器の入力変数として使用することで、以下に説明するような判別処理を実行する（Ｓ１１０）。
ここでは、以下に説明するように、選択された正規化パラメータとして、たとえば、λ＝１４とした判別器を使用する。
デコーディング処理部２０８４においては、すべての時間ステップ（ｔ＝１，２，…）でフィルタリングされたＥＥＧ信号に基づく分散行列Ｃｔが、以下のように更新される。
ここで、ｘt（ｘtはＲ1×Dの要素）は、時間ｔ（チャネル数Ｄ＝６４）でのフィルタリングされたＥＥＧ信号である。
パラメータマトリックスＷ（ＷはＲD×Dの要素）およびバイアス定数ｂ（ｂはＲの要素）により、式（１）および（２）で示したような確率Ｐ（ｑt=＋１|Ｃt）およびＰ（ｑt=−１|Ｃt）を評価する。
次に、ロボットに与えられる制御コマンドgt={up, down}を選択する方法について説明する。
入力変数が測定されたＥＥＧ信号に基づくので、判別器の出力も変動する場合がある。
したがって、制御コマンドの選択にあたっては、次のヒステリシス式（９）を使用する。
ここで、制御コマンド”ｕｐ”は、後に説明する１自由度システムの上向きの状態か外骨格型ロボットの起立状態を表し、制御コマンド”ｄｏｗｎ”は、１自由度システムの下向きの状態か外骨格型ロボットの着座方向への運動（または、しゃがみ込み運動）の状態であることを表す。以下では、「着座方向への運動」とは、しゃがみ込み運動だけではなく、完全にしゃがみ込むわけではないものの着座する運動である場合も、総称して表すものとし、アシストされる動作の具体例としては、しゃがみ込み運動を例にとって説明することとする。ただし、アシストされる動作としては、たとえば、しゃがみ込み運動だけではなく、いすなどに着座する運動であってもよい。
なお、特に限定されないが、ここでは、Ｐthreshold＝０．７として、しきい値をセットする。
判別器の出力にしたがって、後に説明するような１自由度システムあるいは外骨格型ロボットの、上向き/起立動作、あるいは、下向き/しゃがみ込み動作に対応するアシストは、それぞれ、後に説明するようなトルク制御方法で制御される。
なお、以上の説明では、判別器は、上述した公知文献１および公知文献２に記載されるように、単純に、脳波信号のみに基づき生成されるものとした。ただし、特に限定されないが、ここでのデコーディング処理は、以下の文献に記載された方法により、脳活動を推定した信号に基づいて、判別器を構成することとしてもよい。また、この場合、判別器は、２クラスだけでなく、より多くのクラスに対する判別器としてもよい。
すなわち、デコーディング処理部２０８４は、ブレインキャップ１４からの脳波信号に基づいて、階層変分ベイズ推定法により、脳の活動領域を推定し、これに基づき、判別器を構成することとしてもよい。
階層変分ベイズ推定法は、時間分解能に優れた脳波（ＥＥＧ）と空間分解能に優れたｆＭＲＩ／ＮＩＲＳを統合することで、脳の活動を可視化することができる。すなわち、ミリ秒単位の時間分解能を持つ脳波（ＥＥＧ）と、ｍｍ単位の空間分解能を持つｆＭＲＩまたはＮＩＲＳの長所を組み合わせることで、高い時間・空間分解能で脳の活動を見ることができる。
このようなＶＢＭＥＧの内容については、たとえば、以下の文献に開示がある。
文献１：T. Yoshioka, K. Toyama, M. Kawato, O. Yamashita, S. Nishina, N. Yamagishi, and M. Sato, ”Evaluation of hierarchical Bayesian method through retinotopic brain activities reconstruction from fMRI and MEG signals,” NeuroImage, vol. 42, pp. 1397-1413, 2008.
文献２：Takatsugu Aihara, Yusuke Takeda, Kotaro Takeda, Wataru Yasuda, Takanori Satoa, Yohei Otaka, Takashi Hanakawa, Manabu Honda Meigen Liu, Mitsuo Kawato, Masa-aki Sato, Rieko Osu, ”Cortical current source estimation from electroencephalograpy in combination with nar-infrared spectroscopy as a hierarchical prior，” NeuroImage, in press, 2011（出願時点では、電子出版されており、次のＵＲＬからアクセス可能：http://www.sciencedirect.com/science/article/pii/S1053811911011797）
さらに、ＶＢＭＥＧのソフトウェアは、以下のサイトからダウンロードして誰でも使用することが可能である。
http://vbmeg.atr.jp/
（空電ハイブリッド式アクチュエータ用のトルク制御器）
以下では、空電ハイブリッド式アクチュエータ用のトルク制御器の構成について説明する。
以下に説明するように、このような制御器は、制御部１３４に対して、機械学習を実行させることにより、実行させる構成とすることが可能である。
空圧式エアマッスルは軽量であるもの、圧縮空気（または圧縮気体）のエネルギーをゴムチューブにより収縮力に変換することにより大きな力を生み出すことができる。
エアマッスルが、力を発生させる原理は、空圧式の空気袋が埋め込まれたらせん状のファイバーが、圧縮空気が送り込まれて空気袋が膨張すると、長手方向（縦方向）に収縮するというものである。
より詳しく説明すると、両端部に栓をしたゴムチューブに対して、動径方向を拘束するよう、表面にらせん状にまかれたファイバーを被せた構造になっている。このゴムチューブの中に空気を送り込むと、空気の圧力でゴムチューブが膨張する。しかし、動径方向はファイバーによって拘束されているため膨張できず、径方向の膨張に引っ張られて縦方向に収縮する。膨らみながら収縮する様が動物の筋肉に似ているところが人工筋肉と呼ばれる。
アクチュエーター自体が軽く、柔らかい。さらに、ゴムチューブの内面全体がアクチュエーターの収縮に寄与するため、断面積のみで圧力を受ける構造になっている一般的なエアシリンダー等よりも、パワー・ウェイト・レシオを大きく取りやすい。反面、上述したように、一般に空気圧による機器制御は空気の収縮・膨張などによる、制御遅れが大きく、素早い動作は苦手である。
なお、「空気袋」は、流体により膨張ないし収縮運動をするものであれば、袋中に流入するものは、空気に限られないので、より一般には、「流体袋」と表現する。
図６は、外骨格型ロボットの構成において、１自由度分の動作を行う空電ハイブリッドアクチュエータの部分（１自由度システム）を抜き出した外観を示す図である。
図６において、空圧式エアマッスルのうち上側のエアマッスル３０２は、屈筋(ＰＡＭ１)に相当し、下側のエアマッスル３０４ものは伸筋(ＰＡＭ２)に相当する。
伸筋ＰＡＭ２は、屈筋ＰＡＭ１とは相反し反対向きの力を生成する。
プーリー付回転関節３１０には、電動モータからの駆動力も印加され、空圧式エアマッスルからの駆動力と電動モータからの駆動力とが合成される。
エアマッスル３０２からの駆動力は、ワイヤ３０６によりプーリー付回転関節３１０に伝達され、エアマッスル３０４からの駆動力は、ワイヤ３０８によりプーリー付回転関節３１０に伝達される。このような構成により、駆動力の伝達機構自体を軽量化することが可能となる。
プーリー付回転関節３１０へ加えられた駆動トルクにより、脚（または腕）３５０が駆動される。
図７は、図６に示した１自由度分の動作を行う空電ハイブリッドアクチュエータのシステムを制御する構成を説明するための機能ブロック図である。
図７においては、内部制御装置１０は、マルチファンクションボード(Multi Function board)として構成される。
外部制御装置２０に接続されたマルチファンクションボード１０は、外部制御装置２０からのコマンドに応じて、アクチュエーターを制御する。具体的には、マルチファンクションボード１０は、空圧式エアマッスル３０２および３０４の収縮を制御するためのバルブ３０１とバルブ３０２、ならびに、電動モータ３１２を制御するためのモータドライバ３１１を制御する。さらに、マルチファンクションボード１０は、関節角度θを検知する角度エンコーダ３２４およびエアマッスルからの駆動力を検知するロードセル、能動関節に加わるトルクを検知するトルクセンサからの計測データを読み取ることで、これらに基づき、以下に説明するような制御を実行する。
角度エンコーダ３２４は、たとえば、直交エンコーダを使用することが可能である。
エアマッスル３０２および３０４ならびに電動モータ３１２からの駆動力は、プーリー付回転関節３１０において合成され、脚３５０にトルクτを与える。
図８は、各アクチュエーターが、関節を動かす態様を説明するための概念図である。
以下では、まず、図８（ａ）に示されるように、腱ワイヤの伸長を無視できる場合を考える。
空圧式エアマッスルフォースからの駆動力fPAMi(ｉ＝１，２，…)は、ワイヤとプーリにより、腕（または脚）にトルクとして転送され/変換される。このプーリーを介して、電動モータの駆動力も伝達される。空圧式エアマッスルフォースからの駆動力fPAMiは、空圧式エアーマッスルと駆動力をプーリーに伝達するワイヤーとの接合部に設けられたロードセルにより検知される。
以下のモデルの説明は、拮抗筋と電動モータの組合せの場合に限らず、たとえば、伸筋と電動モータの組合せにも広く適用することが可能である。ただし、以下では、説明の簡単のために、単純な２つの拮抗筋のモデルを考える。
トルクτPAMは、駆動力fPAMiにより、以下の式ように表される。
τPAMは、空圧式エアマッスルの駆動力によるトルクであり、一方、r0はプーリー半径で、この単純なモデルでは、r0は定数とする。
モーターの駆動力によるトルクは、空圧式エアマッスルの駆動力と並行して伝達される。例えば、小さなトルクが機械的なベルトによりプーリー経由で伝達される。
空圧式エアマッスルは、直流的または低周波のトルクの生成において優れている。また、電動モータによる駆動力は、迅速で周波数の高いトルクとして、空圧式エアマッスルの駆動力によるトルクτPAMの誤差をカバーするので、電動式のトルクτmotorの値は、空圧式エアマッスルによるトルクよりも小さな値でよい。
トータルのトルクは、以下の式で表される。
τ＝τPAM＋τmotor （１１）
したがって、特に限定されないが、たとえば、内部制御装置１０が、第一の閾値よりも（「より」は「以上」も含む、とする）高周波であるトルクに対して電動モータ３１２を追加動作させることは好適である。 なお、追加動作とは、エアマッスル３０２および３０４に加えて電動モータ３１２を動作させることである。ここで、第一の閾値は、例えば、３Hzである。
空圧式エアマッスルから、ワイヤがプーリーへ駆動力を伝達し、指定された一方向へ関節を駆動する。
ワイヤとしては、金属線、チェーンあるいは機械的なベルトなどの方式と比較して、軽量で強く、柔軟であるので、液晶ポリマー繊維を採用することができる。液晶ポリマー繊維としては、たとえば、クラレ社製ベクトラン（登録商標）を用いることができ、これは、高分子繊維であるにも関わらず、高強力高弾性率を有する素材として知られている。
（空圧式エアマッスルの力学モデル）
空圧式エアマッスル、ワイヤおよびプーリを含む空圧式アクチュエーターは、人間の筋肉と多くの共通点を持っている。
外骨格型ロボットが人間の重さを支持する際に、ワイヤは、その特性において、人間の腱に類似している。
そこで、以下に説明するように、平衡の仮定を置いて、空圧式エアマッスルのためのトルク制御器を導出する。
空圧式エアマッスルの圧力の制御には、たとえば、比例的に圧力を調整するバルブを使用し、圧力ｐはクローズドフィードバックループにより制御され、十分に安定であるものとする。
過渡状態においては、バルブ圧力と空圧式エアマッスルの圧力との間には、空気力学的な運動が存在するものの、一定の時定数の後には、ロボットと人間の重量のような外部の運動上の制約条件に駆動力が釣り合うまで、空圧式エアマッスルは収縮する。
したがって、空気回路の動力学の影響は小さく、準静的な動作では無視することができる。
この均衡点で、駆動力の生成は、内圧および収縮割合に依存し、空圧式エアマッスルの駆動力モデルは、以下のように与えられる：
ここで、εは、収縮割合であり、Ｄ０とψ０とは、常圧における空圧式エアマッスルの径と、空圧式エアマッスルにおいて、空圧式の空気袋が埋め込まれたらせん状のファイバーの収縮方向に直交する方向に対する巻方向の傾きの角度である。
このような「空圧式エアマッスルの駆動力モデル」は、たとえば、以下の文献に開示されている。
公知文献４：K. Inoue. Rubbertuators and applications for robots. In Proceedings of the 4th international symposium on Robotics Research, pp. 57-63. MIT Press, 1988.
公知文献５：D.G. Caldwell, A. Razak, and MJ Goodwin. Braided pneumatic muscle actuators. In Proceedings of the IFAC Conference on Intelligent Autonomous Vehicles, pp. 507-512, 1993.
空気シリンダーと異なり、関節角が変化することによってトルクは非線形に変化する。
運動上の制約条件が常に不変であるという仮定の下では、空圧式エアマッスルの圧力は常に同じ均衡点での収縮割合ε（ｐ）を与えることになる。すなわち、収縮割合ε（ｐ）は、圧力ｐの関数となる。
このとき、このような「空圧式エアマッスルの駆動力モデル」の逆モデルは、機械学習により学習することができる。すなわち、所望の駆動力ｆを得るための圧力ｐを求めることに相当する。内部制御装置１０は、このような圧力ｐをエアマッスルに与えるように、バルブを制御することで、所望の駆動力を出力させることになる。
例えば、ハートマン等は、動力学的な学習について、以下の文献で提案している。
公知文献６：Christoph Hartmann, Joschka Boedecker, Oliver Obst, Shuhei Ikemoto, and Minoru Asada. Real-time inverse dynamics learning for musculoskeletal robots based on echo state gaussian process regression. In Accepted at RSS 2012, 2012.
しかしながら、一般的には、運動上の制約条件をダイナミックに変更し、異なる外力Ｆと釣り合うので、この仮定は、上述したような外骨格型ロボットにおいては、厳密には成り立たない。
したがって、この場合の均衡点での収縮割合εは、圧力と外力の関数として、ε（ｐ，Ｆ）と表現される。
（腱スプリング均衡モデル）
上述したような液晶ポリマー繊維製のワイヤは、高強力高弾性率を有するので、通常は、張力に対して長さが変化しないとの近似がよく成り立つ。高強度・高弾性率繊維としては、ベクトラン（登録商標）のようなポリアリレート繊維の他に、たとえば、超高分子量ポリエチレン繊維、ＰＢＯ繊維などがある。
しかし、人間（たとえば、体重は６０ｋｇある)を保持するためには、空圧式エアマッスルは、張力として、典型的には、３０００Ｎを生成する（最大値としては、たとえば、５０００Ｎが必要になる）。
このような大きな力が加わると、たとえ、液晶ポリマー繊維製のワイヤ（腱ワイヤ）であっても、その伸長量が無視できず、均衡点を変化させてしまう。
以下では、図８（ｂ）に示すように、腱ワイヤの伸長の影響を考慮したモデルを検討する。
そこで、液晶ポリマー繊維製の腱の力学モデルとして、以下に説明するような、線形の腱スプリング・モデルを導入する。
ｆ＝ｋΔε （１３）
すなわち、このモデルでは、腱ワイヤ（ポリアリレート繊維などの液晶ポリマー繊維製のワイヤ）は、バネに近似され、Δεは、力によって引き起こされた余分なエアマッスルの収縮であり、kはばね定数である。つまり、腱が力によって伸びる分、空圧式エアマッスルは、余分に収縮することが必要になる。このようにバネに近似される腱ワイヤのことを「腱スプリング」と呼ぶことにする。
このような腱に相当するワイヤを、腱スプリングとして近似しない場合、空圧式エアマッスルの駆動力モデルg()は３つのパラメーター(そのうちの２つは依存関係にある)を備えた以下の二次式（１４）で表される:
ここで、２次式の係数には、以下の関係が成り立つ。
均衡点で、駆動力ｆ＊は、腱の伸長によって、以下のように減少する。
ここで、g´（）が腱スプリングの仮定の下での駆動力モデルであり、ε＊は、見かけの収縮割合であり、εは、空圧式エアマッスルの実際の収縮割合であり、Δεは、空圧式エアマッスルの実際の収縮割合への付加項である。
式（１３）から、Δε＝ｆ＊／ｋ となる。
実際の収縮割合εは、上述したような外骨格型ロボットの検出機構１２４では、直接測定するのが困難である。したがって、その代りに、推定収縮割合εest（＝ε＊＋Δε）を使用する。収縮割合ε＊は、以下の式のように、関節角から計算される。
ここで、Ｌ０は、関節角θ＝０のときの空圧式エアマッスルの初期長さである。つまり、「見かけの収縮割合」とは、アクチュエータにより駆動される関節の角度変化から導かれる収縮割合であって、角度センサから検知できる量に基づく収縮割合であるのに対して、「実際の収縮割合」とは、駆動力ｆ＊を生成するために、エアマッスルが現実に収縮している割合のことである。
収縮割合ε＊において、駆動力ｆ＊が必要とされる場合、逆モデルｇ−１（）から、必要な圧力ｐ＊が、以下のようにして導出される。
最小二乗アルゴリズムを使用して、既知の空圧式エアマッスルのデータから、空圧式エアマッスルパラメーターａ、ｂおよびｃを評価できる。
さらに、たとえば、キャリブレーション実験で、１自由度システムによって均衡点駆動力を測定する際に、バネ定数ｋについては、手動で調整することで最適値を実験的に求めることができる。
運動をアシストする主要なトルク(所定の周波数以下の成分のトルク、たとえば、直流成分のトルク)は、空圧式エアマッスルによって供給され、実際のトルクτPAMsは、ロードセルにより測定することができる。上述したように、高周波トルク(所定の周波数を超える成分のトルク：交流成分のトルク)は電動モータによって生成される。
したがって、モータのトルクは以下の式（１８）のように表現される。
以上のようにして、腱スプリングモデルを腱ワイヤに適用することにより、関節角と腱ワイヤに印加される駆動力を検知する構成において、空圧式エアマッスルの駆動力を正しく反映した逆モデルを、たとえば、機械学習により、構築することが可能となる。その結果、空電アクチュエータを制御する際に、以下に説明するように、その周波数応答性を向上させることが可能となる。
（起立動作を支援する鉛直力の生成）
以下では、外骨格型ロボットにより、鉛直方向の運動、たとえば、起立動作を支援する構成について説明する。
鉛直方向の運動を支援する外骨格型ロボットの力（アシスト力）は、次のように生成される。
ここでＪは、ロボットによるアシスト力と外骨格型ロボットの各関節へのトルクとを関連付けるＣＯＭ（Center of Mass）ヤコビ行列であり、Ｆは、起立動作を支援する仮想力Ｆである。
ここでは、鉛直方向の力のみを考慮し、水平方向の力は、ユーザーの上体の動作によって生成されると考える。
図９は、うずくまっている姿勢（図９（ａ）)および直立姿勢（図９（ｂ）)における外骨格型ロボットの各関節と、空圧式エアマッスルの状態を示す図である。
図９（ａ）に示すように、より低くうずくまっている姿勢では、空圧式アクチュエータは大きな張力を生成する。
図９（ｂ）に示すように、直立姿勢では、バランスをとり姿勢を保持するために必要とされるトルクは、小さい。
図１０は、空圧式エアマッスルの収縮割合と駆動力との作動範囲を比較して示す図である。
図１０では、腱スプリング・モデル有りのモデルおよび腱スプリング・モデルなしの空圧式アクチュエータモデル（ＰＡＭオリジナルモデル）を比較して示し、各収縮割合で発生する力の測定結果も示す。図中、ｖは、圧力制御バルブの制御電圧を表し、エアマッスル内の圧力と比例関係を有する。
腱スプリングモデルを考慮することにより、トルク制御器は、特に、駆動力の大きな範囲で、測定された駆動力をよく再現しているのがわかる。
図１１は、１自由度システムを使用して観察されるトルク制御器の応答特性を示す図である。
図１１においては、制御目標としての入力である所望のトルクはサイン波であり、空圧式エアマッスルのみの特性を考慮した場合と、腱スプリングモデルとを比較して示す。
反力を発生するエアマッスル（伸筋）の圧力を最大値（０．６Ｍｐａ）に維持した状態で、屈筋のエアマッスルにサイン波のトルクを発生させるように、制御器に信号を入力している。このような信号入力により、関節が駆動される。
図１１では、腱スプリングモデルにおいて、周波数応答における時間遅れをほぼ変化させることなく、より所望のトルクに近いトルクを発生できていることがわかる。
なお、図１１では、腱スプリングを考慮しない従来のエアマッスルのみのモデル（ＰＡＭオリジナルモデル）との対比のために、空圧式エアマッスルを駆動させることによる腱スプリングモデルの時間応答を比較している。ただし、空電ハイブリッド駆動の場合、上述のとおり、所望のトルクとエアマッスルの駆動力によるトルクと誤差は、電動モータによるトルクによりカバーされるので、空電ハイブリッド駆動では、トータルのトルクとしては、所望のトルクを得ることができる。
図１２は、空電ハイブリッド式アクチュエータの１自由度の腕のエンドエフェクタの端部に錘がつりさげられた状態での重力補償タスクを示す図である。
空電ハイブリッド式アクチュエータとしては、図４に示した構成のものを使用する。
各図は、動画から、残像のある静止画として抽出したものである。
図１２（ａ）に示すように、１０ｋｇの錘を吊り下げている状態で、腱スプリングモデルを利用した制御器で、重力を補償して、腕を下方に向く角度としておく。
次に、図１２（ｂ）に示すように、指１本でも、腕を上方向に動かすことが可能である。
さらに、図１２（ｃ）に示すように、重力が補償されているため、腕は、上方を向く角度のまま、静止する。
ここで、このような制御器は、位置/アングル制御器ではなく、あくまで、トルク制御器であるにも関わらず、図１２（ａ）〜（ｃ）のような動きをすることが可能である。
図１３は、外骨格型ロボットが、２つの異なる運動模型を切り替える重力補償によって達成された、起立タスクを支援する動作を示す図である。
図１３（ａ）〜（ｂ）に示すように、しゃがみ込んだ状態を初期状態とすると、初めは、外骨格型ロボットは、ロボットの運動のみを考慮して、ロボット重量に対するトルクを生成する。
次に、図１３（ｃ）に示すように、運動モデルを、ロボットと人間の脚との双方を考慮したものに切り替えることで、人間は、上方向へのアシスト力を受け取ることになり、ユーザは、起立動作をアシストされる。
（ＥＥＧ信号によるロボットの制御）
以下では、ＥＥＧ信号から判別器によりデコードされたコマンド信号により、ロボットを制御する構成を有するリハビリテーション装置について説明する。
なお、被験者は、以下に説明するすべての構成において、リアルタイムに判別器の出力(ＥＥＧ信号のデコーダ出力)を認識するために、ディスプレイに表示されるデコード結果を表す表示を見るものとする。すなわち、被験者は、ニューロフィードバックを受けている状態で、ロボットをＥＥＧ信号により制御することになる。
（ＥＥＧ信号による１自由度システムの制御）
以下では、外骨格型ロボットをＥＥＧ信号で制御するための予備段階として、上述した１自由度システムをＥＥＧ信号で制御する場合について、まず、説明する。
図１４は、１自由度システムをＥＥＧ信号で制御する構成を説明するための図である。
図１４に示されるように、ブレインキャップ１４を装着した被験者は、視覚的なＥＥＧ信号のデコーディッドフィードバックを受けるために、実験中においてディスプレイの表示を注視する。
ビジュアルフィードバックは、ＥＥＧ信号のデコーダ出力の確率(それぞれＰ（ｑt=＋１|Ｃt）およびＰ（ｑt=−１|Ｃt）)に応じて、画像上で、赤い棒が、所定レベルの上側か下側かに、確率の大きさに応じた長さで伸びるものとして表示される。
現在、どちら側の方向へのコマンドが生成されているかについては、棒の中間に表示される。
図１５は、１自由度システムのコントロール・パフォーマンスを示す図である。
被験者は、この例においては、１自由度システムを着用していない。
被験者は、ディスプレイ上で示された、上または下の方向に対する指示にしたがって、動作を想像することにより、１自由度システムをコントロールしようとする。
図１５（ａ）では、ディスプレイ上に、上向きの指示が表示され、これに応じて、被験者が上向きへの運動に対応したイメージを想像することで、ＥＥＧ信号のデコーダ出力の確率も、上向きのものとなり、かつ、１自由度システムも上方向に運動している。
同様に、図１５（ｂ）では、ディスプレイ上に、下向きの指示が表示され、これに応じて、被験者が下向きへの運動に対応したイメージを想像することで、ＥＥＧ信号のデコーダ出力の確率も、下向きのものとなり、かつ、１自由度システムも下方向に運動している。
図１６は、判別器の出力、コマンド出力および１自由度システムの関節角度の時間変化を示す図である。
図１６（ａ）は、判定された上向きの確率の時間変化を示し、図１６（ｂ）は、コマンド信号の時間変化を示し、図１６（ｃ）は、１自由度システムの関節角度の軌道を示す。
また、図１６の中で、白または灰色の領域は、上方向または下方向の目標方向が表示されている期間をそれぞれ示す。
パフォーマンス(０．５をしきい値とする正解割合)は、１５０秒から３００秒までのセッションの後半で０．８１１３であった。
図１７は、１自由度システムのコントロール・パフォーマンスを示す図である。
被験者は、この例においては、１自由度システムを着用している。
被験者は、ディスプレイ上で示された、上または下の方向に対する指示にしたがって、動作を想像することにより、１自由度システムをコントロールしようとする。
図１７（ａ）では、ディスプレイ上に、上向きの指示が表示され、これに応じて、被験者が上向きへの運動に対応したイメージを想像することで、ＥＥＧ信号のデコーダ出力の確率も、上向きのものとなり、かつ、１自由度システムも、上方向へのアシスト力を生成している。このとき、特に限定されないが、たとえば、判別の容易のために、左腕を動かすイメージでロボットが上方向へのアシストをし、右腕を動かすイメージでロボットが下方向へのアシストをするというように、必ずしも、ロボットの動作と人の動作のイメージとが一致していなくてもよい。
同様に、図１７（ｂ）では、ディスプレイ上に、下向きの指示が表示され、これに応じて、被験者が下向きへの運動に対応したイメージを想像することで、ＥＥＧ信号のデコーダ出力の確率も、下向きのものとなり、かつ、１自由度システムも下方向へのアシスト力を生成している。
図１８は、判別器の出力、コマンド出力を示す図である。
図１８においても、白または灰色の領域は、上方向または下方向の目標方向が表示されている期間をそれぞれ示す。
図１８（ａ）は、判定された上向きの確率の時間変化を示し、図１８（ｂ）は、コマンド信号の時間変化を示す。
パフォーマンス(０．５をしきい値とする正解割合)は、１５０秒から３００秒までのセッションの後半で０．７１８８であった。
図１５および図１７の両方の場合に、つまり、１）被験者がロボットを着用していない場合、および２）被験者がロボットを着用している場合に、ほとんどの場合で、提示されたロボットの運動が、正しく生成されていることがわかる。
（ＥＥＧ外骨格型ロボットシステム）
図１９は、ＥＥＧ外骨格型ロボットシステムのコントロール・パフォーマンスを示す図である。
被験者は、ディスプレイ上で示された起立またはしゃがみ込み方向にしたがって、対応する動作を想像することにより、ＥＥＧ外骨格型ロボットシステムをコントロールする。
ここでは、脳波をデコーディングした判別器の出力が”ｕｐ”である時、下肢部分の全重量(外骨格型ロボットの下肢部分および人間の下肢部分の全重量)の重力補償が活性化されるように、外骨格型ロボットの各関節のトルクが制御されるものとする。したがって、この場合、脳波をデコーディングした判別器の出力が”ｄｏｗｎ”である時、人間の下肢部分の重量に対する重力補償が不活性化され、ロボットの下肢部分の重量に対する重力補償については活性化が維持される。このようにすることで、しゃがみ込む（あるいは、座る）ときに、ロボットの重さが使用者にいきなり負荷とならないようにすることができる。
トルク制御は、上述した腱スプリング均衡モデルを採用している。
なお、たとえば、脳波のデコーディング結果に対応したＥＥＧ外骨格型ロボットシステムのトルクの制御は、上述したものに限られず、判別器の出力が”ｕｐ”である時、下肢部分の所定割合の重量、たとえば、「外骨格型ロボットの下肢部分の全重量および人間の下肢の所定割合の重量」の重力補償が活性化されるように、外骨格型ロボットの各関節のトルクを制御する構成としてもよい。したがって、この場合は、たとえば、脳波をデコーディングした判別器の出力が”ｄｏｗｎ”である時は、上記のようにして活性化された、下肢部分の所定割合の重量に対する重力補償のうち、たとえば、人間の下肢の重量に対する重力補償が不活性化され、ロボットの下肢の重量についての重力補償は活性化が維持されるとしてもよい。あるいは、脳波をデコーディングした判別器の出力が”ｕｐ”である時または”ｄｏｗｎ”である時に、活性化され、または、不活性化される重力補償の割合は、リハビリテーションの目的やリハビリテーションの段階に応じて、変更される構成であってもよい。
そこで、「下肢部分の全重量」の重力補償が活性化されている場合も、広義には、「下肢部分の所定割合の重量」の重力補償が活性化されている場合（全重量の場合、所定割合とは１００％）に含まれるものとする。
また、たとえば、重力補償にあたっては、エアーマッスルによるトルクが主として重力補償を担い、電動モータによるトルクは、所望のトルクとエアーマッスルにより生成されるトルクとの差を補うように生成されるものとしてもよい。起立およびしゃがみ込みの動作においても、１自由度システムと同様に、判別の容易さを考慮して、左腕を動かすイメージでロボットが起立方向へのアシストであり、右腕を動かすイメージでロボットがしゃがみ込み方向（着座方向）へのアシストであるというように、必ずしも、ロボットの動作と人の動作のイメージとが一致していなくてもよい。
あるいは、被験者のタスクも、しゃがみ込み動作および起立動作に限られず、たとえば、歩行動作であってもよい。この場合は、たとえば、被験者の「右足を踏み出す」「左足を踏み出す」という動作に対応する脳活動が検出された場合、外骨格型ロボットの右足および左足の各関節のトルクを、歩行運動に合わせて、制御する構成としてもよい。
なお、このシステムをリハビリテーションで使用する場合、自動均衡のトルク・コントローラーや、他の安全装置を設けておく構成とすることも可能である。
図２０は、図１９の状態において、判別器の出力、コマンド出力を示す図である。
図２０においても、白または灰色の領域は、上方向または下方向の目標方向が表示されている期間をそれぞれ示す。
図２０（ａ）は、判定された上向きの確率の時間変化を示し、図２０（ｂ）は、コマンド信号の時間変化を示す。
パフォーマンス(０．５をしきい値とする正解割合)は、６０秒から１２０秒までのセッションの後半で０．７１４６であった。
図１９および図２０に示されるように、被験者が、脳活動を使用して、外骨格型ロボットをうまくコントロールできることがわかる。
以上説明したように、以上、本実施の形態の外骨格型ロボットおよびそれを用いたリハビリテーション装置によれば、筋骨格系運動を支援して、ＢＭＩリハビリテーションを行うことが可能となる。
また、本実施の形態の外骨格型ロボットでは、空圧の人工筋（エアマッスル）と電動モータとを組み合わせ、駆動力の伝達機構を軽量化して、歩行や姿勢の機能回復やアシストに必要な高負荷トルクを正確に制御できる外骨格型ロボットを提供できる。
より特定的には、本実施の形態の外骨格型ロボットを、下肢の運動のアシストに使用することで、体幹・下肢部の運動支援を適切に行えるという効果を有し、歩行や姿勢のリハビリテーションのための外骨 格型ロボット等として有用である。
今回開示された実施の形態は、本発明を具体的に実施するための構成の例示であって、本発明の技術的範囲を制限するものではない。本発明の技術的範囲は、実施の形態の説明ではなく、特許請求の範囲によって示されるものであり、特許請求の範囲の文言上の範囲および均等の意味の範囲内での変更が含まれることが意図される。
１ 外骨格型ロボット、１０ 内部制御装置、１１ Ｉ／Ｆ部、１２ 外骨格、１４ ブレインキャップ、２０ 外部制御装置、１２１ ベース、１２２ 下半身、１２３ 能動関節、１２４ 検出機構、１３１ 記録処理部、１３２ 記憶装置、１３３ 計測装置、１３４ 制御部、１３５ 出力装置、３０２，３０４ エアマッスル、３１０ プーリー付回転関節、３１２ 電動モータ。

Claims (8)

  1. ユーザの筋骨格系運動の支援をするための外骨格型ロボットであって、
    前記ユーザの外骨格に対応するフレーム構造と、
    前記筋骨格系運動における前記ユーザの関節の各位置に対応して前記フレーム構造を可動とするように配置される能動関節と、
    前記ユーザの脳活動に対応する信号を計測するための脳活動計測手段と、
    前記脳活動計測手段からの計測結果に基づき、所定の分類にしたがって、対応する脳活動をデコードする判別手段と、
    前記能動関節に対するトルク制御により前記能動関節を動作させる制御部とを備え、
    各前記能動関節は、
    エアマッスルと、
    電動モータと、
    前記エアマッスルからの第１の駆動力と前記電動モータからの第２の駆動力とを合成して前記能動関節の屈伸を駆動するための駆動力合成手段とを含み、
    前記制御部は、
    デコードされた前記脳活動に応じて、前記能動関節による重力補償の程度を切り替えるように前記第１の駆動力および前記第２の駆動力を生成するために前記エアマッスルに加える圧力および前記電動モータの生成するトルクを制御する、外骨格型ロボット。
  2. 各前記能動関節は、
    前記エアマッスルからの前記第１の駆動力を前記駆動力合成手段に伝達するためのワイヤをさらに含み、
    前記制御部は、
    前記ワイヤを所定のバネ定数で表されるバネとした力学モデルと前記エアマッスルの収縮割合に対する前記第１の駆動力の所定の関係を表す駆動力モデルとの組合せの逆モデルにより、前記第１の駆動力を生成するために前記エアマッスルに加える圧力を制御する、請求項１記載の外骨格型ロボット。
  3. 各前記能動関節の関節角を検出するための第１のセンサをさらに備え、
    前記制御部は、
    前記第１のセンサの検出結果により、前記エアマッスルの前記収縮割合を検知する、請求項２記載の外骨格型ロボット。
  4. 前記能動関節による前記トルクは、前記ユーザの起立運動および着座方向への運動をアシストし、
    前記制御部は、前記デコードされた脳活動が、前記起立運動に対応するとき、前記外骨格型ロボットおよび前記ユーザの下肢の所定割合の重量に対する重力補償が活性化されるように、各前記能動関節の前記トルクを制御する、請求項２記載の外骨格型ロボット。
  5. 前記制御部は、前記デコードされた脳活動が、前記着座方向への運動に対応するとき、前記外骨格型ロボットの重量に対する重力補償を維持し、前記ユーザの下肢の所定割合の重量に対する重力補償が不活性化されるように、各前記能動関節の前記トルクを制御する、請求項４記載の外骨格型ロボット。
  6. 各前記エアマッスルにおいて、前記エアマッスルと前記ワイヤとの接合部に設けられ、前記エアマッスルからの前記第１の駆動力の大きさを検出するための第２のセンサをさらに備え、
    前記制御部は、
    前記第２のセンサの検出結果に応じて、前記エアマッスルの前記第１の駆動力および前記電動モータからの前記第２の駆動力とを制御する、請求項１または２記載の外骨格型ロボット。
  7. 前記エアマッスルは、
    流体袋と、
    前記流体袋が埋め込まれたらせん状のファイバーとを含み、
    圧縮空気が送り込まれて前記流体袋が膨張すると、長手方向に収縮し、
    前記駆動力モデルは、前記エアマッスルの収縮割合と、常圧における前記エアマッスルの径と、前記らせん状のファイバーの収縮方向に対する巻方向の傾きの角度との関数である、請求項６記載の外骨格型ロボット。
  8. ユーザの筋骨格系運動の支援してリハビリテーションを行うためのリハビリテーション装置であって、
    前記ユーザの脳活動に対応する信号を計測するための脳活動計測手段と、
    前記脳活動計測手段からの計測結果に基づき、所定の分類にしたがって、対応する脳活動をデコードする判別手段と、
    前記デコードされた脳活動を前記ユーザに対して提示するための提示手段と、
    外骨格型ロボットとを備え、
    前記外骨格型ロボットは、
    前記ユーザの外骨格に対応するフレーム構造と、
    前記筋骨格系運動における前記ユーザの関節の各位置に対応して前記フレーム構造を可動とするように配置される能動関節と、
    前記能動関節に対するトルク制御により前記能動関節を動作させる制御部とを含み、
    各前記能動関節は、
    エアマッスルと、
    電動モータと、
    前記エアマッスルからの第１の駆動力と前記電動モータからの第２の駆動力とを合成して前記能動関節の屈伸を駆動するための駆動力合成手段とを有し、
    前記制御部は、
    デコードされた前記脳活動に応じて、前記能動関節による重力補償の程度を切り替えるように前記第１の駆動力および前記第２の駆動力を生成するために前記エアマッスルに加える圧力および前記電動モータの生成するトルクを制御する、リハビリテーション装置。
JP2012260237A 2012-11-28 2012-11-28 外骨格型ロボットおよびリハビリテーション装置 Active JP6142146B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012260237A JP6142146B2 (ja) 2012-11-28 2012-11-28 外骨格型ロボットおよびリハビリテーション装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012260237A JP6142146B2 (ja) 2012-11-28 2012-11-28 外骨格型ロボットおよびリハビリテーション装置

Publications (2)

Publication Number Publication Date
JP2014104549A true JP2014104549A (ja) 2014-06-09
JP6142146B2 JP6142146B2 (ja) 2017-06-07

Family

ID=51026473

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012260237A Active JP6142146B2 (ja) 2012-11-28 2012-11-28 外骨格型ロボットおよびリハビリテーション装置

Country Status (1)

Country Link
JP (1) JP6142146B2 (ja)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014155998A (ja) * 2013-02-18 2014-08-28 Advanced Telecommunication Research Institute International パワーアシストロボット
CN106109164A (zh) * 2016-06-20 2016-11-16 京东方科技集团股份有限公司 康复系统及康复系统的控制方法
JP2017124477A (ja) * 2016-01-15 2017-07-20 株式会社クボタ アシスト器具
WO2017195903A1 (ja) 2016-05-13 2017-11-16 学校法人慶應義塾 生体情報処理装置、生体情報処理方法及びプログラム
WO2017213202A1 (ja) 2016-06-08 2017-12-14 株式会社国際電気通信基礎技術研究所 運動教示システム及び運動教示方法
CN110524526A (zh) * 2017-11-09 2019-12-03 上海司羿智能科技有限公司 助力外骨骼系统及其辅助运动的方法
CN110900638A (zh) * 2019-10-31 2020-03-24 东北大学 基于多信号融合的上肢可穿戴式搬运机器人运动识别系统
US10881536B2 (en) 2014-09-12 2021-01-05 Advanced Telecommunications Research Institute International Actuator device, power assist robot and humanoid robot
CN112276945A (zh) * 2020-10-19 2021-01-29 广东拓斯达科技股份有限公司 机器人外部主动重力补偿系统及仿真验证方法
CN112494285A (zh) * 2021-01-19 2021-03-16 刘坤 一种平衡控制训练机器人
CN112587377A (zh) * 2020-12-09 2021-04-02 四川大学华西医院 膝关节柔体外骨骼
CN113855472A (zh) * 2021-08-25 2021-12-31 上海傅利叶智能科技有限公司 用于控制外骨骼机器人的方法、装置和外骨骼机器人
CN114191261A (zh) * 2021-11-25 2022-03-18 天津大学 迭代学习脑控电刺激和智能支撑系统与下肢康复训练方法
JP2022520153A (ja) * 2018-12-18 2022-03-29 ユルディズ テクニク ユニベルシテシ 診断及び治療を行うための理学療法及びリハビリテーションロボットの人工知能ベースのアルゴリズム
CN116690567A (zh) * 2023-06-21 2023-09-05 湖南大学 一种基于拟人神经模型的下肢外骨骼驱动方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102074485B1 (ko) * 2017-12-18 2020-02-06 서울대학교산학협력단 이중 폐회로 뇌-기계 인터페이스 시스템 및 그 방법

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61157806A (ja) * 1984-12-28 1986-07-17 Bridgestone Corp ニユ−マチツク・アクチユエ−タ
JPH04157203A (ja) * 1990-10-20 1992-05-29 Bridgestone Corp 弾性収縮体を用いたアクチュエータの制御方法
JP2000166997A (ja) * 1998-12-10 2000-06-20 Nsk Ltd 歩行補助装置
JP2006263460A (ja) * 2005-02-25 2006-10-05 Advanced Telecommunication Research Institute International リハビリテーション支援装置
JP2008200512A (ja) * 2003-08-21 2008-09-04 Univ Of Tsukuba 装着式動作補助装置、装着式動作補助装置の制御方法および制御用プログラム
WO2009147832A1 (ja) * 2008-06-06 2009-12-10 パナソニック株式会社 ロボット、ロボットの制御装置、制御方法、及び制御プログラム
JP2011186667A (ja) * 2010-03-05 2011-09-22 Osaka Univ 機器制御装置、機器システム、機器制御方法、機器制御プログラム、および記録媒体
JP2012045194A (ja) * 2010-08-27 2012-03-08 Advanced Telecommunication Research Institute International 外骨格型ロボット

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61157806A (ja) * 1984-12-28 1986-07-17 Bridgestone Corp ニユ−マチツク・アクチユエ−タ
JPH04157203A (ja) * 1990-10-20 1992-05-29 Bridgestone Corp 弾性収縮体を用いたアクチュエータの制御方法
JP2000166997A (ja) * 1998-12-10 2000-06-20 Nsk Ltd 歩行補助装置
JP2008200512A (ja) * 2003-08-21 2008-09-04 Univ Of Tsukuba 装着式動作補助装置、装着式動作補助装置の制御方法および制御用プログラム
JP2006263460A (ja) * 2005-02-25 2006-10-05 Advanced Telecommunication Research Institute International リハビリテーション支援装置
WO2009147832A1 (ja) * 2008-06-06 2009-12-10 パナソニック株式会社 ロボット、ロボットの制御装置、制御方法、及び制御プログラム
JP2011186667A (ja) * 2010-03-05 2011-09-22 Osaka Univ 機器制御装置、機器システム、機器制御方法、機器制御プログラム、および記録媒体
JP2012045194A (ja) * 2010-08-27 2012-03-08 Advanced Telecommunication Research Institute International 外骨格型ロボット

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
野崎孝志: "有限要素法によるMcKibben型空気圧ゴム人工筋の発生力特性の解析", 日本機械学会論文集（Ｃ編）, vol. ７６巻７６３号, JPN7016002572, March 2010 (2010-03-01), JP, pages 112 - 118, ISSN: 0003392970 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014155998A (ja) * 2013-02-18 2014-08-28 Advanced Telecommunication Research Institute International パワーアシストロボット
US10881536B2 (en) 2014-09-12 2021-01-05 Advanced Telecommunications Research Institute International Actuator device, power assist robot and humanoid robot
JP2017124477A (ja) * 2016-01-15 2017-07-20 株式会社クボタ アシスト器具
WO2017195903A1 (ja) 2016-05-13 2017-11-16 学校法人慶應義塾 生体情報処理装置、生体情報処理方法及びプログラム
US11957475B2 (en) 2016-05-13 2024-04-16 Keio University Biometric information processing device, biometric information processing method and program
WO2017213202A1 (ja) 2016-06-08 2017-12-14 株式会社国際電気通信基礎技術研究所 運動教示システム及び運動教示方法
US11890246B2 (en) 2016-06-08 2024-02-06 Advanced Telecommunications Research Institute International Motion teaching system and motion teaching method
CN106109164A (zh) * 2016-06-20 2016-11-16 京东方科技集团股份有限公司 康复系统及康复系统的控制方法
CN110524526B (zh) * 2017-11-09 2022-10-11 上海司羿智能科技有限公司 助力外骨骼系统及其辅助运动的方法
CN110524526A (zh) * 2017-11-09 2019-12-03 上海司羿智能科技有限公司 助力外骨骼系统及其辅助运动的方法
JP2022520153A (ja) * 2018-12-18 2022-03-29 ユルディズ テクニク ユニベルシテシ 診断及び治療を行うための理学療法及びリハビリテーションロボットの人工知能ベースのアルゴリズム
JP7336794B2 (ja) 2018-12-18 2023-09-01 ユルディズ テクニク ユニベルシテシ 診断及び治療を行うための理学療法及びリハビリテーションロボットの人工知能ベースのアルゴリズム
CN110900638A (zh) * 2019-10-31 2020-03-24 东北大学 基于多信号融合的上肢可穿戴式搬运机器人运动识别系统
CN112276945A (zh) * 2020-10-19 2021-01-29 广东拓斯达科技股份有限公司 机器人外部主动重力补偿系统及仿真验证方法
CN112276945B (zh) * 2020-10-19 2022-01-14 广东拓斯达科技股份有限公司 机器人外部主动重力补偿系统及仿真验证方法
CN112587377A (zh) * 2020-12-09 2021-04-02 四川大学华西医院 膝关节柔体外骨骼
CN112494285A (zh) * 2021-01-19 2021-03-16 刘坤 一种平衡控制训练机器人
CN113855472B (zh) * 2021-08-25 2023-11-28 上海傅利叶智能科技有限公司 用于控制外骨骼机器人的方法、装置和外骨骼机器人
CN113855472A (zh) * 2021-08-25 2021-12-31 上海傅利叶智能科技有限公司 用于控制外骨骼机器人的方法、装置和外骨骼机器人
CN114191261A (zh) * 2021-11-25 2022-03-18 天津大学 迭代学习脑控电刺激和智能支撑系统与下肢康复训练方法
CN114191261B (zh) * 2021-11-25 2023-12-15 天津大学 迭代学习脑控电刺激和智能支撑系统与下肢康复训练方法
CN116690567A (zh) * 2023-06-21 2023-09-05 湖南大学 一种基于拟人神经模型的下肢外骨骼驱动方法
CN116690567B (zh) * 2023-06-21 2024-03-12 湖南大学 一种基于拟人神经模型的下肢外骨骼驱动方法

Also Published As

Publication number Publication date
JP6142146B2 (ja) 2017-06-07

Similar Documents

Publication Publication Date Title
JP6142146B2 (ja) 外骨格型ロボットおよびリハビリテーション装置
Shi et al. A review on lower limb rehabilitation exoskeleton robots
Huo et al. Lower limb wearable robots for assistance and rehabilitation: A state of the art
JP6118961B2 (ja) パワーアシストロボット
Huang et al. Control of upper-limb power-assist exoskeleton using a human-robot interface based on motion intention recognition
Asbeck et al. A biologically inspired soft exosuit for walking assistance
Deng et al. Advances in automation technologies for lower extremity neurorehabilitation: A review and future challenges
Bardi et al. Upper limb soft robotic wearable devices: a systematic review
JP6055985B2 (ja) パワーアシストロボット
Liu et al. Deep spatial-temporal model for rehabilitation gait: Optimal trajectory generation for knee joint of lower-limb exoskeleton
Nassour et al. Soft pneumatic elbow exoskeleton reduces the muscle activity, metabolic cost and fatigue during holding and carrying of loads
JP2017202183A (ja) 脳波パターン分類装置、脳波パターン分類方法、脳波パターン分類プログラムおよびニューロフィードバックシステム
Foroutannia et al. A deep learning strategy for EMG-based joint position prediction in hip exoskeleton assistive robots
JP6998569B2 (ja) パワーアシスト装置およびパワーアシスト装置の制御方法
Shi et al. Soft wearable robots: development status and technical challenges
Bhardwaj et al. Lower limb rehabilitation robotics: The current understanding and technology
Pott et al. Knee-ankle-foot orthosis with powered knee for support in the elderly
Yumbla et al. Human assistance and augmentation with wearable soft robotics: a literature review and perspectives
Biao et al. Design and control of a flexible exoskeleton to generate a natural full gait for lower-limb rehabilitation
JP6260022B2 (ja) 制御信号生成装置およびパワーアシスト装置
JP6357672B2 (ja) 駆動機構
Yang et al. A review on human intent understanding and compliance control strategies for lower limb exoskeletons
Lee et al. Recent advances in wearable exoskeletons for human strength augmentation
Nazari et al. Applied Exoskeleton Technology: A Comprehensive Review of Physical and Cognitive Human–Robot Interaction
Laribi et al. Design and experimental characterization of a cable-driven elbow assisting device

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20151016

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160826

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160905

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20161101

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20161226

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170307

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170308

R150 Certificate of patent or registration of utility model

Ref document number: 6142146

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250