JP2020069376A - 使用意図を判定可能な歩行器及びその操作方法 - Google Patents
使用意図を判定可能な歩行器及びその操作方法 Download PDFInfo
- Publication number
- JP2020069376A JP2020069376A JP2019039737A JP2019039737A JP2020069376A JP 2020069376 A JP2020069376 A JP 2020069376A JP 2019039737 A JP2019039737 A JP 2019039737A JP 2019039737 A JP2019039737 A JP 2019039737A JP 2020069376 A JP2020069376 A JP 2020069376A
- Authority
- JP
- Japan
- Prior art keywords
- movable member
- sensor
- handle
- stopper
- walker
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000010801 machine learning Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 claims description 2
- 230000004044 response Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 7
- 239000003795 chemical substances by application Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 206010061296 Motor dysfunction Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 241001272996 Polyphylla fullo Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H3/04—Wheeled walking aids for patients or disabled persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H3/00—Appliances for aiding patients or disabled persons to walk about
- A61H3/04—Wheeled walking aids for patients or disabled persons
- A61H2003/043—Wheeled walking aids for patients or disabled persons with a drive mechanism
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/16—Physical interface with patient
- A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
- A61H2201/1635—Hand or arm, e.g. handle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5058—Sensors or detectors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5058—Sensors or detectors
- A61H2201/5061—Force sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5058—Sensors or detectors
- A61H2201/5071—Pressure sensors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Rehabilitation Therapy (AREA)
- Pain & Pain Management (AREA)
- Animal Behavior & Ethology (AREA)
- Physical Education & Sports Medicine (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Rehabilitation Tools (AREA)
- Handcart (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】使用意図を判定可能な歩行器及びその操作方法を提供する。【解決手段】本発明の使用意図を判定可能な歩行器及びその操作方法は、ハンドルが少なくとも１つの可動部材と、可動部材にそれぞれスライド可能に接合される複数の固定部材と、固定部材と可動部材との接合箇所にそれぞれ設置される複数の圧力センサーと、を備える。【選択図】図１Ｄ
Description
本発明は、歩行器に関し、更に詳しくは、使用意図を判定可能な歩行器及びその操作方法に関する。
高齢者や下半身に障害を負っている者にとって運動機能障害（ｍｏｂｉｌｉｔｙ ｄｉｓａｂｉｌｉｔｙ）は克服を切望している問題であり、このため様々な歩行補助装置や歩行器が登場し運動機能障害の改善や解決を目指している。歩行補助装置の種類は能動型と受動型に大別される。能動型歩行補助装置は主にモーターにより使用者に運動を行わせる。受動型歩行補助装置は主に使用者が原動力（ｍｏｔｉｖｅ ｆｏｒｃｅ）を提供する。
歩行補助装置の主要な機能の１つに使用者の意図する（ｉｎｔｅｎｔ）移動方向の予測があり、予測に基づいてその後の歩行補助装置の動作が制御される。
グレン・ワッソン（Ｇｌｅｎｎ Ｗａｓｓｏｎ）氏等が発表した「歩行者の運動補助に用いられる共有制御フレームワークにおける使用者の意図（Ｕｓｅｒ Ｉｎｔｅｎｔ ｉｎ ａ Ｓｈａｒｅｄ Ｃｏｎｔｒｏｌ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｐｅｄｅｓｔｒｉａｎ Ｍｏｂｉｌｉｔｙ Ａｉｄｓ）」は国際会議ＩＥＥＥ／ＲＳＪ ＩＲＯＳ２００３の会議録（Ｐｒｏｃｅｅｄｉｎｇｓ ２００３ ＩＥＥＥ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ（ＩＲＯＳ ２００３））において刊行されている。これは２つの６ＤｏＦモーメントセンサーが２つのハンドルにそれぞれ設置され、使用者の移動意図を判定させるために用いられている。
グレン・ワッソン（Ｇｌｅｎｎ Ｗａｓｓｏｎ）氏等が発表した「歩行者の運動補助に用いられる共有制御フレームワークにおける使用者の意図（Ｕｓｅｒ Ｉｎｔｅｎｔ ｉｎ ａ Ｓｈａｒｅｄ Ｃｏｎｔｒｏｌ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｐｅｄｅｓｔｒｉａｎ Ｍｏｂｉｌｉｔｙ Ａｉｄｓ）」は国際会議ＩＥＥＥ／ＲＳＪ ＩＲＯＳ２００３の会議録（Ｐｒｏｃｅｅｄｉｎｇｓ ２００３ ＩＥＥＥ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ（ＩＲＯＳ ２００３））において刊行されている。これは２つの６ＤｏＦモーメントセンサーが２つのハンドルにそれぞれ設置され、使用者の移動意図を判定させるために用いられている。
グレン・ワッソン（Ｇｌｅｎｎ Ｗａｓｓｏｎ）氏等が発表した「共有制御される歩行者の運動補助において使用者の意図予測に用いられる物理学ベースのモデル（Ａ Ｐｈｙｓｉｃｓ−Ｂａｓｅｄ Ｍｏｄｅｌ ｆｏｒ Ｐｒｅｄｉｃｔｉｎｇ Ｕｓｅｒ Ｉｎｔｅｎｔ ｉｎ Ｓｈａｒｅｄ−Ｃｏｎｔｒｏｌ Ｐｅｄｅｓｔｒｉａｎ Ｍｏｂｉｌｉｔｙ Ａｉｄｓ）」は国際会議ＩＥＥＥ／ＲＳＪ ＩＲＯＳ２００４（２００４ ＩＥＥＥ ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ（ＩＲＯＳ））において刊行されている。これは２つの６ＤｏＦモーメントセンサーが２つのハンドルにそれぞれ設置され、使用者の移動意図を判定するためのモーメントの測定に用いられる。
マシュー・スペンコ（Ｍａｔｔｈｅｗ Ｓｐｅｎｋｏ）氏等が発表した「高齢者の運動及び監視に用いられるロボット補助（Ｒｏｂｏｔｉｃ Ｐｅｒｓｏｎａｌ Ａｉｄｓ ｆｏｒ Ｍｏｂｉｌｉｔｙ ａｎｄ Ｍｏｎｉｔｏｒｉｎｇ ｆｏｒ ｔｈｅ Ｅｌｄｅｒｌｙ）は２００６年９月付でＩＥＥＥトランザクションの神経系及びリハビリテーション工学（ＩＥＥＥ ＴＲＡＮＳＡＣＴＩＯＮＳ ＯＮ ＮＥＵＲＡＬ ＳＹＳＴＥＭＳ ＡＮＤ ＲＥＨＡＢＩＬＩＴＡＴＩＯＮ ＥＮＧＩＮＥＥＲＩＮＧ）第１４巻第３号において刊行されている。これは６軸トルクセンサー（ｓｉｘ−ａｘｉｓ ｔｏｒｑｕｅ ｓｅｎｓｏｒ）によりハンドルにかけられたトルクの測定を行う。
アーロン・モリス（Ａａｒｏｎ Ｍｏｒｒｉｓ）氏等が発表した「ガイド機能を備えるロボット歩行器」は２００３年９月付で国際会議ＩＥＥＥ ＩＣＲＡ２００３（２００３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ）において刊行されている。これは感圧抵抗器を使用し、その数値を読み取って並進速度及び回転速度に変換する。
楊翔斌氏が発表した台湾国立交通大学の修士論文「使用者の意図に沿ったロボット歩行補助器の設計」によると、力学センサーを使用し、その数値を読み取って使用意図と回転トルクとの関係を推定する。
従来の歩行補助装置は主に多軸力学センサーを使用して使用者の意図する移動方向を判定する。歩行補助装置のハードウェアの構造設計、アプリケーションソフトウェアの開発、及び統合センサーシステムの開発が現在進んでいる。
本発明は、以上の従来技術の課題を解決する為になされたものである。即ち、本発明の目的は、使用意図を判定可能な歩行器を提供することである。前記歩行器のハンドルは圧力センサーを備え、特に単軸力学センサーが固定部材と可動部材との接合箇所に設置される。意図する移動方向は前記接合箇所で収集された前記圧力センサーのセンサー値に基づいて確定される。多軸力学センサーが用いられた従来の歩行器と比較すると、本実施形態では単軸力学センサーが前記歩行器の前記ハンドルのセンサーとして使用されるため、システムの構造が簡略化される。
本発明の他の目的は、使用意図を判定可能な歩行器の操作方法を提供することである。意図する移動方向に対応させるセンサー値が収集され、機械学習モデリングが更に実行されることによって機械学習モデルが得られる。本発明の更に他の実施形態では、前記機械学習モデルに基づいて意図する移動方向が予測される。前述の本実施形態では機械学習法により前記センサー値が処理されるため、複雑なプログラムが不要になる。
以下、本発明の実施の形態について、図面を参照して詳細に説明する。なお、本発明は以下の例に限定されるものではなく、本発明の要旨を逸脱しない範囲で、任意に変更可能であることは言うまでもない。
図１Ａは本発明の一実施形態に係る歩行器１０のハンドル１００の上面図の縮尺図を示す。図１Ｂは図１Ａの断面線１Ｂ−１Ｂ’に沿う傾斜図の縮尺図を示す。図１Ｃは図１Ａのハンドル１００の一部の分解図の縮尺図を示す。図１Ｄはハンドル１００を採用した歩行器１０の斜視図の縮尺図を示す。本実施形態に係る歩行器１０は能動型歩行器または受動型歩行器である。
本実施形態では、使用者が両手でそれぞれ握るための前記ハンドル１００は第１可動部材１１Ａ及び第２可動部材１１Ｂを備え、前記ハンドル１００は前記第１可動部材１１Ａ及び前記第２可動部材１１Ｂにそれぞれスライド可能に接合される複数の固定部材１２を更に含む。次いで、前記第１可動部材１１Ａ及び前記第２可動部材１１Ｂは前記固定部材１２の間でスライドすると共に前記固定部材１２の中心軸に沿って往復運動を行う。本実施形態においては、構造強度及び重量を考慮し、前記第１可動部材１１Ａ、前記第２可動部材１１Ｂ、及び前記固定部材１２として中空管が採用されるが、但しこの限りではない。
図１Ａに示されるように、前記第１可動部材１１Ａの端１１０Ａ及び端１１０Ｂは第１接合箇所１３Ａ及び第２接合箇所１３Ｂにおいて前記固定部材１２にそれぞれスライド可能に接合される。
図１Ａに例示されるように、前記第１接合箇所１３Ａは右前方に位置され、前記第２接合箇所１３Ｂは右後方に位置される。同様に、前記第２可動部材１１Ｂの端１１０Ｃ及び端１１０Ｄは第３接合箇所１３Ｃ及び第４接合箇所１３Ｄにおいて前記固定部材１２にそれぞれスライド可能に接合される。
図１Ａに例示されるように、前記第３接合箇所１３Ｃは左前方に位置され、前記第４接合箇所１３Ｄは左後方に位置される。
図１Ａに例示されるように、前記第１接合箇所１３Ａは右前方に位置され、前記第２接合箇所１３Ｂは右後方に位置される。同様に、前記第２可動部材１１Ｂの端１１０Ｃ及び端１１０Ｄは第３接合箇所１３Ｃ及び第４接合箇所１３Ｄにおいて前記固定部材１２にそれぞれスライド可能に接合される。
図１Ａに例示されるように、前記第３接合箇所１３Ｃは左前方に位置され、前記第４接合箇所１３Ｄは左後方に位置される。
本実施形態では、前記固定部材１２は前記第１可動部材１２Ａ及び前記固定部材１２が互いに接合される接合箇所１３Ａ及び接合箇所１３Ｂ、並びに前記第２可動部材１２Ｂ及び前記固定部材１２が互いに接合される前記接合箇所１３Ｃ及び前記接合箇所１３Ｄの表面に設置される第１ストッパー１２１を有する。前記第１ストッパー１２１は前記固定部材１２の表面のから延出されると共に前記固定部材１２の前記中心軸１２０に垂直になる環状のフランジ１２１Ａを備える。前記第１ストッパー１２１は、前記フランジ１２１Ａに連結されると共に前記フランジ１２１Ａを前記固定部材１２に固定するための固定プレート１２１Ｂを更に備える。
前記第１可動部材１１Ａ及び前記第２可動部材１１Ｂは対応する第２ストッパー１２１に対向させるフランジ形状の第２ストッパー１１１を有し、且つ前記第２ストッパー１１１は前記第１可動部材１２Ａ及び前記固定部材１２が互いに接合される前記接合箇所１３Ａ及び１３Ｂ、並びに前記第２可動部材１２Ｂ及び前記固定部材１２が互いに接合される前記接合箇所１３Ｃ及び前記接合箇所１３Ｄの表面から延出されるように設置される。
前記第１可動部材１１Ａ及び前記第２可動部材１１Ｂは対応する第２ストッパー１２１に対向させるフランジ形状の第２ストッパー１１１を有し、且つ前記第２ストッパー１１１は前記第１可動部材１２Ａ及び前記固定部材１２が互いに接合される前記接合箇所１３Ａ及び１３Ｂ、並びに前記第２可動部材１２Ｂ及び前記固定部材１２が互いに接合される前記接合箇所１３Ｃ及び前記接合箇所１３Ｄの表面から延出されるように設置される。
本実施形態に係る前記ハンドル１００は圧力センサー等の複数のセンサー１４を備え、特に単軸力学センサーが前記第１可動部材１２Ａ及び前記固定部材１２が互いに接合される前記接合箇所１３Ａ及び前記接合箇所１３Ｂ、並びに前記第２可動部材１２Ｂ及び前記固定部材１２が互いに接合される前記接合箇所１３Ｃ及び前記接合箇所１３Ｄにそれぞれ設置される。少なくとも１つのセンサー１４が各接合箇所１３Ａ、１３Ｂ、１３Ｃ、または１３Ｄに設置される。一実施形態において、前記センサー１４の数量を考慮し、３つのセンサー１４が各接合箇所１３Ａ、１３Ｂ、１３Ｃ、または１３Ｄに設置される。特に、前記センサー１、前記センサー２、及び前記センサー３は前記第１接合箇所１３Ａに設置され、前記センサー４、前記センサー５、及び前記センサー６は第２接合箇所１３Ｂに設置され、前記センサー７、前記センサー８、及び前記センサー９は第３接合箇所１３Ｃに設置され、前記センサー１０、前記センサー１１、及び前記センサー１２は前記第４接合箇所１３Ｄに設置される。
図１Ｅは本発明の他の実施形態に係る図１Ａの断面線１Ｂ−１Ｂ’に沿う傾斜図の縮尺図を示す。環状のセンサー１４は各接合箇所１３Ａ、１３Ｂ、１３Ｃ、または１３Ｄに設置される。
図１Ｅは本発明の他の実施形態に係る図１Ａの断面線１Ｂ−１Ｂ’に沿う傾斜図の縮尺図を示す。環状のセンサー１４は各接合箇所１３Ａ、１３Ｂ、１３Ｃ、または１３Ｄに設置される。
本実施形態では、前記センサー１４は前記第１ストッパー１２１に対向する前記第２ストッパー１１１の表面１１１１に固設（例えば、貼付）される。
図１Ｂに例示されるように、３つのセンサー１４が前記第２ストッパー１１１の表面１１１１に等間隔で配置される。本実施形態に係る第１ストッパー１２１の前記フランジ１２１Ａは前記第２ストッパー１１１の前記表面１１１１に対向し、且つ前記センサー１４にそれぞれ対向するバンプ１２１２を有する。本実施形態では、前記第１可動部材１１Ａまたは前記第２可動部材１１Ｂを前記センサー１４を押す前の位置である初期位置に戻すための複数の（例えば、３つの）弾性部材１５（例えば、スポンジまたはばね）が前記第１ストッパー１２１と前記第２ストッパー１１１との間に設置される。
図１Ｆは前記第２ストッパー１１１の上面図の縮尺図を示す。前記弾性部材１５は前記第２ストッパー１１１の前記表面１１１１に固設（例えば、貼付）されると共に前記センサー１４の間にそれぞれ設置される。前記センサー１４、前記バンプ１２１２、及び前記弾性部材１５の設置位置及び数量は本実施形態に示されるものに制限されない。例えば、他の実施形態（図示省略）では、前記センサー１４が前記第１ストッパー１２１の前記フランジ１２１Ａの前記表面１２１１に固設されてもよく、前記バンプ１２１２が前記第２ストッパー１１１の前記表面１１１１に設置されて前記センサー１４に対向させてもよく、前記弾性部材１５が前記第１ストッパー１２１の前記フランジ１２１Ａの前記表面１２１１に設置され、前記センサー１４の間にそれぞれ設置されてもよい。
図１Ｂに例示されるように、３つのセンサー１４が前記第２ストッパー１１１の表面１１１１に等間隔で配置される。本実施形態に係る第１ストッパー１２１の前記フランジ１２１Ａは前記第２ストッパー１１１の前記表面１１１１に対向し、且つ前記センサー１４にそれぞれ対向するバンプ１２１２を有する。本実施形態では、前記第１可動部材１１Ａまたは前記第２可動部材１１Ｂを前記センサー１４を押す前の位置である初期位置に戻すための複数の（例えば、３つの）弾性部材１５（例えば、スポンジまたはばね）が前記第１ストッパー１２１と前記第２ストッパー１１１との間に設置される。
図１Ｆは前記第２ストッパー１１１の上面図の縮尺図を示す。前記弾性部材１５は前記第２ストッパー１１１の前記表面１１１１に固設（例えば、貼付）されると共に前記センサー１４の間にそれぞれ設置される。前記センサー１４、前記バンプ１２１２、及び前記弾性部材１５の設置位置及び数量は本実施形態に示されるものに制限されない。例えば、他の実施形態（図示省略）では、前記センサー１４が前記第１ストッパー１２１の前記フランジ１２１Ａの前記表面１２１１に固設されてもよく、前記バンプ１２１２が前記第２ストッパー１１１の前記表面１１１１に設置されて前記センサー１４に対向させてもよく、前記弾性部材１５が前記第１ストッパー１２１の前記フランジ１２１Ａの前記表面１２１１に設置され、前記センサー１４の間にそれぞれ設置されてもよい。
使用者が両手で前記第１可動部材１１Ａ及び前記第２可動部材１１Ｂをそれぞれ掴んで特定の方向に行こうとすると、前記接合箇所１３Ａ、１３Ｂ、１３Ｃ、及び１３Ｄにある前記センサー１４がそれぞれ異なるセンサー値を感知させる。順番によって構成された要素はそれぞれ前記センサー１乃至前記センサー１２の前記センサー値を表し、例えば、［３０１０、２５１１、２１３３、３、１５、２、３２０１、２００４、３１２１、１、５、７］は前進を意図し、［４０１２、３４００、２３１１、２、４、１０、３、２、７、１２９１、１３１１、１４１２］は左前方への移動を意図し、［１、２、１１、１３０２、１２３１、１２１２、２３１１、３２１１、４０３３、２１、１２、１５］は右前方への移動を意図する。
図１Ｇの表は前記センサー１乃至前記センサー１２の前記センサー値とそれに対応する意図する各移動方向を示す。相対的に比較された前記センサー値が大、中、小に大別される。
図１Ｇの表は前記センサー１乃至前記センサー１２の前記センサー値とそれに対応する意図する各移動方向を示す。相対的に比較された前記センサー値が大、中、小に大別される。
図２は本発明の一実施形態に係る前記歩行器１０に適用される意図する移動方向を判定する方法２００のフローチャートを図示する。ステップ２１において、使用者が前記第１可動部材１１Ａ及び前記第２可動部材１１Ｂを両手で掴んでそれぞれ特定の方向に行こうとすると、前記センサー１４の（トレーニング）センサー値がトレーニングデータとして収集される。（テスト）センサー値がテストデータとして更に収集される。本実施形態では、６つの移動方向（例えば、前方、左前方、右前方、後方、左後方、及び右後方）が実施され、前記センサー１４のセンサー値が対応するように収集される。また、前記歩行器１０が停止した際には前記センサー１４のセンサー値が対応するように収集される。前記収集されセンサー値はデータベースに保存される。移動方向は前述の６方向に限定されず、特定のアプリケーションによって設定される。
図３は本発明の一実施形態に係る意図する移動方向を判定するシステム３００のブロック図である。本実施形態では、前記システム３００は前記センサー１４のセンサー値を収集するためのエージェント３１を備える。前記エージェント３１は通常前記歩行器１０の前記ハンドル１００付近に設置される。前記エージェント３１はアナログ形式の前記センサー値をデジタル形式に変換するためのアナログ・デジタル変換器（ＡＤＣ）３１１を含む。
前記エージェント３１はエージェントソフトウェアを実行してデジタル形式のセンサー値を収集するためのプロセッサ（例えば、マイクロプロセッサ）３１２を具備する。前記エージェント３１は収集されセンサー値をコンピューター３２に伝送させるためのＵＡＲＴ（ｕｎｉｖｅｒｓａｌ ａｓｙｎｃｈｒｏｎｏｕｓ ｒｅｃｅｉｖｅｒ−ｔｒａｎｓｍｉｔｔｅｒ，ＵＡＲＴ）等の通信装置３１３を備える。
前記コンピューター３２は通常前記歩行器１０の前記ハンドル１００から離間するように設置され、例えば、前記歩行器１０の下方に設置される。前記コンピューター３２は少なくとも１つの中央処理装置（ＣＰＵ）３２１及びデータベース３２２を含む。中央処理装置３２１は収集されたセンサー値を処理すると共に特定のフォーマットのデータファイルに変換するために用いられ、その後に前記データファイルが前記データベース３２２に保存される。
前記エージェント３１はエージェントソフトウェアを実行してデジタル形式のセンサー値を収集するためのプロセッサ（例えば、マイクロプロセッサ）３１２を具備する。前記エージェント３１は収集されセンサー値をコンピューター３２に伝送させるためのＵＡＲＴ（ｕｎｉｖｅｒｓａｌ ａｓｙｎｃｈｒｏｎｏｕｓ ｒｅｃｅｉｖｅｒ−ｔｒａｎｓｍｉｔｔｅｒ，ＵＡＲＴ）等の通信装置３１３を備える。
前記コンピューター３２は通常前記歩行器１０の前記ハンドル１００から離間するように設置され、例えば、前記歩行器１０の下方に設置される。前記コンピューター３２は少なくとも１つの中央処理装置（ＣＰＵ）３２１及びデータベース３２２を含む。中央処理装置３２１は収集されたセンサー値を処理すると共に特定のフォーマットのデータファイルに変換するために用いられ、その後に前記データファイルが前記データベース３２２に保存される。
図２に戻る。ステップ２２では、前記データベース３２２に保存される前記センサー値の前処理が行われる。図４は図２のステップ２２の詳細なフローチャートを図示し、前記ステップの順序は図２に示されるものに限定されない。サブステップ２２１において、前記（トレーニング）センサー値はノイズを除去するために前記センサー値の平均値及び標準偏差に基づいて正規化される。サブステップ２２２において、前記（トレーニング）センサー値は意図する移動方向に対応するようにラベル化される。本実施形態では、前記（トレーニング）センサー値は前方、左前方、右前方、後方、左後方、右後方、及び停止等の移動方向に基づいて０、１、２、３、４、５、６のようにラベル化される。
ステップ２２は、観察及び後続の処理のために前記センサー値の次元が次元削減法により減次されるサブステップ２２３を更に含む。本実施形態では、限定されないが、前記センサー値の次元を削減するためにｔ−ＳＮＥ（Ｔ−ｄｉｓｔｒｉｂｕｔｅｄ ｓｔｏｃｈａｓｔｉｃ ｎｅｉｇｈｂｏｒ ｅｍｂｅｄｄｉｎｇ， ｔ−ＳＮＥ）アルゴリズム及び主成分分析（ＰＣＡ）アルゴリズムが採用される。
ステップ２２は、観察及び後続の処理のために前記センサー値の次元が次元削減法により減次されるサブステップ２２３を更に含む。本実施形態では、限定されないが、前記センサー値の次元を削減するためにｔ−ＳＮＥ（Ｔ−ｄｉｓｔｒｉｂｕｔｅｄ ｓｔｏｃｈａｓｔｉｃ ｎｅｉｇｈｂｏｒ ｅｍｂｅｄｄｉｎｇ， ｔ−ＳＮＥ）アルゴリズム及び主成分分析（ＰＣＡ）アルゴリズムが採用される。
図２の方法２００に戻って、ステップ２３では、前処理されたセンサー値に対して機械学習モデリングが実行されて機械学習モデルが得られる。一実施形態においては、機械学習を実行するためにサポートベクターマシン（ＳＶＭｓ）アルゴリズムが採用される。サポートベクターマシンアルゴリズムは演算量が膨大であるため、リアルタイムアプリケーションには適さない。本実施形態においては、ロジスティックモデリングアルゴリズムの方がサポートベクターマシンアルゴリズムよりも演算量が少ないため、リアルタイムアプリケーションにも適している。
図５Ａはロジスティックモデリングアルゴリズムを用いてセンサー値の処理を行って機械学習を実行する構成の概略図であり、ｘ１、ｘ２…ｘ１２は前記センサー１、前記センサー２…前記センサー１２の前記センサー値をそれぞれ示し、ａ１、ａ２…ａ１２はロジスティックユニット５１をそれぞれ示し、ｗ１１、ｗ１２…ｗ１＿１２は対応するウェイトをそれぞれ示す。
図５Ｂは図５Ａのロジスティックユニット５１を図示し、ｗ１１、ｗ２１…ｗ１２＿１は対応するウェイトをそれぞれ示す。
図５Ａ及び図５Ｂは人工ニューラルネットワークの構成を図示し、前記ロジスティックユニット５１は前記人工ニューラルネットワークにおけるロジスティック回帰を実行するためのニューロンとして使用される。前記構成によると、センサー値ｘｎ及びウェイトｗｎの線型結合はｘ１ｗ１１＋ｘ２ｗ２１＋…＋ｘ１２ｗ１２＿１等の計算式によって得られる。次いで、前記線型結合の値は前記ロジスティックユニット５１に適用され、これは活性化関数（例えば、シグモイド関数）を含み、ロジスティック関数が活性化されたか否かが判定される。次に、前記（トレーニング）センサー値を図５Ａ及び図５Ｂの構成に適用することによって前記ウェイトｗｎが前記機械学習モデルとして獲得される。なお、前記機械学習モデル（例えば、ウェイト）の獲得後に、前記モデルが精確であるか否かを確かめるために、前記モデルに対して前記（テスト）センサー値が適用される。
図５Ｂは図５Ａのロジスティックユニット５１を図示し、ｗ１１、ｗ２１…ｗ１２＿１は対応するウェイトをそれぞれ示す。
図５Ａ及び図５Ｂは人工ニューラルネットワークの構成を図示し、前記ロジスティックユニット５１は前記人工ニューラルネットワークにおけるロジスティック回帰を実行するためのニューロンとして使用される。前記構成によると、センサー値ｘｎ及びウェイトｗｎの線型結合はｘ１ｗ１１＋ｘ２ｗ２１＋…＋ｘ１２ｗ１２＿１等の計算式によって得られる。次いで、前記線型結合の値は前記ロジスティックユニット５１に適用され、これは活性化関数（例えば、シグモイド関数）を含み、ロジスティック関数が活性化されたか否かが判定される。次に、前記（トレーニング）センサー値を図５Ａ及び図５Ｂの構成に適用することによって前記ウェイトｗｎが前記機械学習モデルとして獲得される。なお、前記機械学習モデル（例えば、ウェイト）の獲得後に、前記モデルが精確であるか否かを確かめるために、前記モデルに対して前記（テスト）センサー値が適用される。
図２の方法２００に戻って、ステップ２４において、前記機械学習モデル（ステップ２３）により前記歩行器１０の前記ハンドル１００の（測定された）前記センサー１４のセンサー値に基づいて意図する移動方向が出力される。前記意図する移動方向は後続の前記歩行器１０の他の部材（例えば、サーボブレーキやモーター）の制御に用いられる。
図６は図２のステップ２４の詳細なフローチャートを図示する。サブステップ２４１において、使用者が前記第１可動部材１１Ａ及び前記第２可動部材１１Ｂを両手にそれぞれ掴んで特定の方向に行こうとすると、（測定された）前記センサー１４のセンサー値が測定されたデータとして収集される。ステップ２４１は図２のステップ２１と相似するため、その詳細については省略する。
次いで、サブステップ２４２において、前記（測定された）センサー値の前処理が行われる。図４のステップ２２１と同様に、前記（測定された）センサー値はその平均値及び標準偏差に基づいて正規化され、ノイズが消除される。
サブステップ２４３において、前記（測定された）センサー値及び前記ウェイトの線型結合が算出される。図５Ａ及び図５Ｂに示されるように、ステップ２３において前記モデル（例えば、ウェイト）が得られる。次いで、サブステップ２４４では、前記線型結合の値が前記ロジスティックユニット５１に適用され、これは前記ロジスティックユニット５１が有効化されているか否かを判定するための有効化関数（例えば、シグモイド関数）を含む。
サブステップ２４５において、前記ロジスティックユニット５１の結果に基づいて前記意図する移動方向の確率（予測）が生成され、これに基づいて前記測定されたセンサー値に対応する前記意図する移動方向が確定される。一実施形態において、前記意図する移動方向の前記確率を生成するために一対他分類（ＯＶＲ）法が採用される。他の実施形態では、前記意図する移動方向の前記確率を生成する方法として多項法が採用される。サブステップ２４５では、過剰適合問題を回避させて予測精度を高めるためにＬ２（Ｌ２または重み減衰）正則化法が採用される。
上述の実施形態は本発明の技術思想及び特徴を説明するためのものにすぎず、当該技術分野を熟知する者に本発明の内容を理解させると共にこれをもって実施させることを目的とし、本発明の特許請求の範囲を限定するものではない。従って、本発明の精神を逸脱せずに行う各種の同様の効果をもつ改良又は変更は、後述の請求項に含まれるものとする。
１０ 歩行器
１００ ハンドル
１１Ａ 第１可動部材
１１Ｂ 第２可動部材
１１０Ａ 端
１１０Ｂ 端
１１０Ｃ 端
１１０Ｄ 端
１１１ 第２ストッパー
１１１１ 表面
１２ 固定部材
１２０ 中心軸
１２１ 第１ストッパー
１２１Ａ フランジ
１２１Ｂ 固定プレート
１２１１ 表面
１２１２ バンプ
１３Ａ 第１接合箇所
１３Ｂ 第２接合箇所
１３Ｃ 第３接合箇所
１３Ｄ 第４接合箇所
１４ センサー
１５ 弾性部材
２００ 意図する移動方向を確定する方法
２１ トレーニングセンサー値の収集
２２ トレーニングセンサー値の前処理
２２１ トレーニングセンサー値の正規化
２２２ 意図する移動方向に基づいたトレーニング感覚のラベル化
２２３ トレーニングセンサー値の減次
２３ モデリング
２４ 意図の予測
２４１ 測定されたセンサー値の収集
２４２ 測定されたセンサー値の前処理
２４３ 測定されたセンサー値とウェイトを得る線型結合
２４４ アクティベーションの判定
２４５ 意図する移動方向の確率の生成
３００ 意図する移動方向決定システム
３１ エージェント
３１１ アナログ・デジタル変換器
３１２ プロセッサ
３１３ 通信装置
３２ コンピューター
３２１ 中央処理装置
３２２ データベース
５１ ロジスティックユニット
ＡＤＣ アナログ・デジタル変換器
ＣＰＵ 中央処理装置
ｘ１ センサー値
ｘ２ センサー値
ｘ１２ センサー値
ａ１ ロジスティックユニット
ａ２ ロジスティックユニット
ａ１２ ロジスティックユニット
ｗ１１ ウェイト
ｗ１２ ウェイト
ｗ１＿１２ ウェイト
ｗ２１ ウェイト
ｗ１２＿１ ウェイト
１００ ハンドル
１１Ａ 第１可動部材
１１Ｂ 第２可動部材
１１０Ａ 端
１１０Ｂ 端
１１０Ｃ 端
１１０Ｄ 端
１１１ 第２ストッパー
１１１１ 表面
１２ 固定部材
１２０ 中心軸
１２１ 第１ストッパー
１２１Ａ フランジ
１２１Ｂ 固定プレート
１２１１ 表面
１２１２ バンプ
１３Ａ 第１接合箇所
１３Ｂ 第２接合箇所
１３Ｃ 第３接合箇所
１３Ｄ 第４接合箇所
１４ センサー
１５ 弾性部材
２００ 意図する移動方向を確定する方法
２１ トレーニングセンサー値の収集
２２ トレーニングセンサー値の前処理
２２１ トレーニングセンサー値の正規化
２２２ 意図する移動方向に基づいたトレーニング感覚のラベル化
２２３ トレーニングセンサー値の減次
２３ モデリング
２４ 意図の予測
２４１ 測定されたセンサー値の収集
２４２ 測定されたセンサー値の前処理
２４３ 測定されたセンサー値とウェイトを得る線型結合
２４４ アクティベーションの判定
２４５ 意図する移動方向の確率の生成
３００ 意図する移動方向決定システム
３１ エージェント
３１１ アナログ・デジタル変換器
３１２ プロセッサ
３１３ 通信装置
３２ コンピューター
３２１ 中央処理装置
３２２ データベース
５１ ロジスティックユニット
ＡＤＣ アナログ・デジタル変換器
ＣＰＵ 中央処理装置
ｘ１ センサー値
ｘ２ センサー値
ｘ１２ センサー値
ａ１ ロジスティックユニット
ａ２ ロジスティックユニット
ａ１２ ロジスティックユニット
ｗ１１ ウェイト
ｗ１２ ウェイト
ｗ１＿１２ ウェイト
ｗ２１ ウェイト
ｗ１２＿１ ウェイト
Claims (5)
- 少なくとも１つの可動部材と、
前記少なくとも１つの可動部材にそれぞれスライド可能に接合される複数の固定部材と、
前記固定部材と前記少なくとも１つの可動部材との接合箇所にそれぞれ設置される複数の圧力センサーと、を備えることを特徴とする、
使用意図を判定可能な歩行器のハンドル。 - 前記圧力センサーは単軸力覚センサーを備え、前記少なくとも１つの可動部材は第１可動部材及び第２可動部材を含み、前記第１可動部材の両端は第１接合箇所及び第２接合箇所において前記固定部材にそれぞれスライド可能に結合され、前記第２可動部材の両端は第３接合箇所及び第４接合箇所において前記固定部材にそれぞれスライド可能に接合され、少なくとも１つの前記圧力センサーは前記第１接合箇所、前記第２接合箇所、前記第３接合箇所、及び前記第４接合箇所に各々設置されることを特徴とする請求項１に記載の使用意図を判定可能な歩行器のハンドル。
- 前記固定部材及び前記可動部材が互いに接合される前記接合箇所において前記固定部材の表面から延出されるように設置される第１ストッパーと、前記第１ストッパーに対向させ、前記固定部材及び前記可動部材が互いに接合される前記接合箇所において前記可動部材の表面から延出される第２ストッパーと、前記第１ストッパーと前記第２ストッパーとの間に設置される複数の弾性部材と、を更に備え、前記圧力センサーは前記第２ストッパーまたは前記第１ストッパーの表面に固設され、前記第１ストッパーまたは前記第２ストッパーの表面には対応する前記圧力センサーに対向させる少なくとも１つのバンプを有することを特徴とする請求項１に記載の使用意図を判定可能な歩行器のハンドル。
- ハンドルの移動方向に従って歩行器のハンドルの複数の圧力センサーのトレーニングセンサー値の収集を行うステップと、
前記トレーニングセンサー値の前処理を行うステップと、
前処理された前記トレーニングセンサー値の機械学習モデリングを行って機械学習モデルを獲得させるステップと、
前記機械学習モデルに基づいて前記ハンドルの前記圧力センサーにより測定されたセンサー値に応じて意図する移動方向を予測するステップと、
前記ハンドルの移動方向に基づいて複数の前記圧力センサーのテストセンサー値の収集を行うステップと、を含み、
前記トレーニングセンサー値の前処理ステップは、
前記トレーニングセンサー値の平均値及び標準偏差に基づいて前記トレーニングセンサー値の正規化を行うステップと、
前記ハンドルの移動方向に基づいて前記トレーニングセンサー値に対してラベル化を行うステップと、
次元削減法により前記トレーニングセンサー値の減次を行うステップと、を含み、
前記機械学習モデリングステップは、
ロジスティックモデリングアルゴリズムを用いて機械学習を行うステップを含むことを特徴とする、
使用意図を判定可能な歩行器の操作方法。 - 歩行器のハンドルの複数の圧力センサーから収集されたトレーニングセンサー値に対する機械学習モデリングを実行することによって得られた機械学習モデルを提供するステップと、
前記機械学習モデルに基づいて前記ハンドルの前記圧力センサーによって測定されたセンサー値に応じて意図する移動方向を予測するステップと、を含み、
前記機械学習モデルは、
人工ニューラルネットワークにおいてニューロンとして使用され、前記測定されたセンサー値及びウェイトの線型結合を出力させるための活性化関数を含む少なくとも１つのロジスティックユニットを備え、
前記意図する移動方向を予測するステップは、
前記測定されたセンサー値及び前記ウェイトの前記線型結合を獲得するステップと、
前記ロジスティックユニットに前記線型結合値を適用することで前記ロジスティックユニットがアクティベートされたか否かを判定させるステップと、
前記ロジスティックユニットの結果に基づいて前記意図する移動方向の確率を生成するステップと、を含み、
前記確率を生成するステップは、
一対他分類（ＯＶＲ）法または多項法を用いて前記意図する移動方向の前記確率を生成するステップと、
Ｌ２正則化法を適用して過剰適合問題を防止するステップと、を含むことを特徴とする、
使用意図を判定可能な歩行器の操作方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107138128 | 2018-10-29 | ||
| TW107138128A TWI719353B (zh) | 2018-10-29 | 2018-10-29 | 具判斷使用意圖的助行器及其操作方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020069376A true JP2020069376A (ja) | 2020-05-07 |
| JP6796673B2 JP6796673B2 (ja) | 2020-12-09 |
Family
ID=70327519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019039737A Active JP6796673B2 (ja) | 2018-10-29 | 2019-03-05 | 使用意図を判定可能な歩行器及びその操作方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20200129366A1 (ja) |
| JP (1) | JP6796673B2 (ja) |
| CN (1) | CN111096878B (ja) |
| TW (1) | TWI719353B (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108811514B (zh) | 2017-03-03 | 2022-03-01 | 谷歌有限责任公司 | 用于检测在客户端设备上执行的应用不当地实施对内容项的呈现的系统和方法 |
| TWI761971B (zh) | 2020-09-28 | 2022-04-21 | 緯創資通股份有限公司 | 主動式助行器 |
| CN112826711A (zh) * | 2021-01-07 | 2021-05-25 | 国家康复辅具研究中心 | 一种辅助起立助行器系统 |
| CN113081703A (zh) * | 2021-03-10 | 2021-07-09 | 上海理工大学 | 一种助行器使用者方向意图判别方法及装置 |
| CN113768760B (zh) * | 2021-09-08 | 2022-12-20 | 中国科学院深圳先进技术研究院 | 助行器的控制方法、系统和驱动设备 |
| CN114707399B (zh) * | 2022-03-01 | 2024-09-20 | 浙江大学 | 一种六维力传感器的解耦方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100717397B1 (ko) * | 2006-07-19 | 2007-05-11 | 한국산업기술대학교산학협력단 | 로드셀을 이용한 노약자의 보행보조로봇에 장착되는보행의지파악 시스템 |
| KR100807300B1 (ko) * | 2007-01-26 | 2008-03-03 | 고등기술연구원연구조합 | 힘의 세기에 의해 속도가 조절되는 보행보조기기 |
| JP2009136489A (ja) * | 2007-12-06 | 2009-06-25 | Toyota Motor Corp | 歩行補助装置 |
| JP2015033505A (ja) * | 2013-08-09 | 2015-02-19 | 船井電機株式会社 | 手動推進車両 |
| KR20180106351A (ko) * | 2017-03-20 | 2018-10-01 | 경희대학교 산학협력단 | 보행 보조를 위한 조향 제어장치 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101058319A (zh) * | 2007-05-21 | 2007-10-24 | 林士云 | 基于智能控制的电动助力转向系统 |
| US8162808B2 (en) * | 2009-03-05 | 2012-04-24 | Cook Matthew R | Compressible curl bar |
| JP2010215043A (ja) * | 2009-03-16 | 2010-09-30 | Bridgestone Cycle Co | 電動アシストカート |
| TW201038262A (en) * | 2009-04-30 | 2010-11-01 | Univ Nat Chiao Tung | Interactive caretaking robot with the functions of obstacle avoidance and decision-making based on force-sensing |
| CN101581718B (zh) * | 2009-06-26 | 2012-07-25 | 陕西科技大学 | 陶瓷坯泥内应力在线软测量方法 |
| TW201212904A (en) * | 2010-09-29 | 2012-04-01 | Univ Chaoyang Technology | Electric walking aid with pressure sensing device |
| TWI383788B (zh) * | 2010-12-17 | 2013-02-01 | Univ Nat Chiao Tung | 力感應握持裝置 |
| CN202015325U (zh) * | 2010-12-21 | 2011-10-26 | 西安交通大学苏州研究院 | 带触滑觉传感器的多功能助老助行机器人 |
| CN102551994B (zh) * | 2011-12-20 | 2013-09-04 | 华中科技大学 | 一种康复助行机器人及其控制系统 |
| TWI492743B (zh) * | 2012-12-11 | 2015-07-21 | Univ Nat Taiwan | 復健裝置 |
| CN103279039A (zh) * | 2013-05-17 | 2013-09-04 | 安徽工业大学 | 一种机器人神经网络式计算力矩控制器训练平台及训练方法 |
| JP6187049B2 (ja) * | 2013-08-30 | 2017-08-30 | 船井電機株式会社 | 歩行アシスト移動体 |
| CN105939646B (zh) * | 2013-12-02 | 2019-01-18 | 三星电子株式会社 | 吸尘器和控制该吸尘器的方法 |
| JP2017512619A (ja) * | 2014-03-24 | 2017-05-25 | アーマッド・アルサエド・エム・アルガジＡｈｍａｄ Ａｌｓａｙｅｄ Ｍ． ＡＬＧＨＡＺＩ | 多機能スマート移動補助装置及び利用方法 |
| JP6349975B2 (ja) * | 2014-06-03 | 2018-07-04 | 日本精工株式会社 | 電動パワーステアリング装置およびこれを使用した車両 |
| JP6620326B2 (ja) * | 2015-07-02 | 2019-12-18 | Ｒｔ．ワークス株式会社 | 手押し車 |
| CN105354445A (zh) * | 2015-11-17 | 2016-02-24 | 南昌大学第二附属医院 | 一种基于血液标志物的人工神经网络智能判别系统 |
| CN105588669B (zh) * | 2015-12-11 | 2021-03-16 | 广西柳工机械股份有限公司 | 一种轴销式三向测力传感器 |
| KR102021861B1 (ko) * | 2017-10-17 | 2019-11-04 | 엘지전자 주식회사 | 진공 청소기 및 청소기의 핸들 |
| CN108236562A (zh) * | 2018-03-29 | 2018-07-03 | 五邑大学 | 一种老年人助行器及其控制方法 |
-
2018
- 2018-10-29 TW TW107138128A patent/TWI719353B/zh active
- 2018-11-22 CN CN201811396661.5A patent/CN111096878B/zh active Active
- 2018-12-24 US US16/231,847 patent/US20200129366A1/en not_active Abandoned
-
2019
- 2019-03-05 JP JP2019039737A patent/JP6796673B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100717397B1 (ko) * | 2006-07-19 | 2007-05-11 | 한국산업기술대학교산학협력단 | 로드셀을 이용한 노약자의 보행보조로봇에 장착되는보행의지파악 시스템 |
| KR100807300B1 (ko) * | 2007-01-26 | 2008-03-03 | 고등기술연구원연구조합 | 힘의 세기에 의해 속도가 조절되는 보행보조기기 |
| JP2009136489A (ja) * | 2007-12-06 | 2009-06-25 | Toyota Motor Corp | 歩行補助装置 |
| JP2015033505A (ja) * | 2013-08-09 | 2015-02-19 | 船井電機株式会社 | 手動推進車両 |
| KR20180106351A (ko) * | 2017-03-20 | 2018-10-01 | 경희대학교 산학협력단 | 보행 보조를 위한 조향 제어장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111096878A (zh) | 2020-05-05 |
| TW202015642A (zh) | 2020-05-01 |
| CN111096878B (zh) | 2022-08-05 |
| TWI719353B (zh) | 2021-02-21 |
| US20200129366A1 (en) | 2020-04-30 |
| JP6796673B2 (ja) | 2020-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2020069376A (ja) | 使用意図を判定可能な歩行器及びその操作方法 | |
| Bicchi et al. | Contact sensing from force measurements | |
| Artemiadis et al. | An EMG-based robot control scheme robust to time-varying EMG signal features | |
| Ben-Tzvi et al. | The design evolution of a sensing and force-feedback exoskeleton robotic glove for hand rehabilitation application | |
| Wang et al. | A flexible lower extremity exoskeleton robot with deep locomotion mode identification | |
| Choi et al. | A hybrid dynamic model for the AMBIDEX tendon-driven manipulator | |
| Efthimiou et al. | The MOBOT rollator human-robot interaction model and user evaluation process | |
| Khan et al. | Estimation of desired motion intention and compliance control for upper limb assist exoskeleton | |
| Hsieh et al. | Motion guidance for a passive robot walking helper via user's applied hand forces | |
| Ceccarelli et al. | Design issues for human-machine platform interface in cable-based parallel manipulators for physiotherapy applications | |
| Grewal et al. | Autonomous wheelchair navigation in unmapped indoor environments | |
| Parikh et al. | Performance evaluation of an indigenously-designed high performance dynamic feeding robotic structure using advanced additive manufacturing technology, machine learning and robot kinematics | |
| Ennaiem et al. | Cable-Driven parallel robot workspace identification and optimal design based on the upper limb functional rehabilitation | |
| Dometios et al. | Real-time end-effector motion behavior planning approach using on-line point-cloud data towards a user adaptive assistive bath robot | |
| Verdezoto et al. | Smart rollators aid devices: Current trends and challenges | |
| Ketkar et al. | Design and development of a spherical 5-bar thumb exoskeleton mechanism for poststroke rehabilitation | |
| Yazdani et al. | Ergonomically intelligent physical human-robot interaction: Postural estimation, assessment, and optimization | |
| Fotinea et al. | The mobot human-robot interaction: Showcasing assistive hri | |
| Dometios et al. | Towards ICT-supported bath robots: Control architecture description and localized perception of user for robot motion planning | |
| Suzuki et al. | Motion support during the swing phase using cooperative walking support system | |
| Xu et al. | Multi-sensor based human motion intention recognition algorithm for walking-aid robot | |
| Papageorgiou et al. | Human-centered service robotic systems for assisted living | |
| Laribi et al. | Optimal design of cable driven robot for rehabilitation with prescribed workspace | |
| Molano et al. | Robotic walker with high maneuverability through deep learning for sensor fusion | |
| Xu et al. | Study of reinforcement learning based shared control of walking-aid robot |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190306 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200522 |
|
| 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: 20201104 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201116 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6796673 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |