JP2020107279A - 視認性評価システム - Google Patents

Abstract

【課題】３ＤＣＡＤによる製品設計において、設計要素に対する確認動作を含めた総合的な視認性の定量的評価を行うシステムを提供する。【解決手段】視認性評価システムは、確認動作のシミュレーションを行うための生体力学モデル１０に対応する人体モデル５３、オブジェクトが定義された仮想３Ｄ空間にて人体モデルの視野画像から視認目標点２０に対する視野判断モデル５０及び生体力学モデルと視野判断モデルを連成させる統括制御部１１を備える。方法は、与えた摂動による生体力学モデルの姿勢を人体モデルに反映させるステップ、反映した人体モデルの視野画像から算出される視認度を視野判断モデルから取得するステップ及び摂動に伴う生体力学モデルの負担度の算出するステップを含む摂動プロセスを実行し、最小負担度かつ最大視認度となる挙動にて姿勢を生成する摂動／挙動プロセスを反復操作し、負担度の積算値と視認度の最終値から易視認性を算出する。【選択図】図１４

Description

本発明は、生体力学モデルを利用した３ＤＣＡＤの視認性評価システムに関する。

従来、３ＤＣＡＤによる製品設計において、視認性など視覚的効果に関する評価と、操作性や取り扱い易さなど実用上の効果に関する評価は、別々に行われてきた。例えば、特許文献１には、車両のコックピットの設計データを３ＤＣＧにより映像化して使用感や視認性の評価を行う設計支援装置が記載されている。しかし、このような評価方法は、試験者の主観による影響を排除できず、定量的な評価を得ることは困難である。

一方、特許文献２には、車両のドア部周辺の設計諸元値を決定するために、人体モデルを用いて仮想車両に対する乗降動作のシミュレーションを行い、乗降性を評価する設計支援システムが記載されている。このシステムは、乗降性に関する定量的評価を指向しているものの、視認性や視覚的効果についての記載や示唆は無い。

特開２０１３−１８９０５５号公報 特開２０１３−２４６６６３号公報

製品設計において、視認性など視覚的効果が、操作性やアクセスし易さなど実用上の効果と関連する場合がある。例えば、車両のコックピットの設計では、空間的制約から全ての操作部や表示部を視野内に配置できない場合、操作頻度や視認頻度が高い要素や走行中に視認する要請がある要素が視野内に配置され、それ以外の要素は、視野外または他の部材で隠れる陰面などに配置される。このような要素は、乗員が顔の向きを変えたり頭部や上体を傾けたりして行う確認動作を伴って視認され、操作される。したがって、そのような確認動作の容易性を含めて視認性が定量的に評価されることが好ましい。

本発明は、上記のような実状に鑑みてなされたものであって、その目的は、３ＤＣＡＤによる製品設計において、設計要素に対する確認動作を含めた視認性の定量的評価を行うための視認性評価システムを提供することにある。

上記課題を解決するために、本発明は、
３ＤＣＡＤによるオブジェクトのための視認性評価システムであって、
前記オブジェクトの視認目標点が定義された仮想３Ｄ空間にて前記視認目標点に対する確認動作のシミュレーションを行うための生体力学モデルと、
前記生体力学モデルに対応する人体モデルおよび前記オブジェクトが定義された仮想３Ｄ空間にて前記生体力学モデルの視線に対応する前記人体モデルの視野画像から前記視認目標点に対する視認度を算出するための視野判断モデルと、
前記生体力学モデルと前記視野判断モデルを連成させる統括制御部であって、
前記生体力学モデルに摂動を与えるステップ、
前記摂動による前記生体力学モデルの姿勢を前記人体モデルに反映させるステップ、
前記姿勢を反映した前記人体モデルの視野画像から算出される前記視認目標点に対する視認度を前記視野判断モデルから取得するステップ、および、
前記摂動に伴う前記生体力学モデルの負担度を算出するステップ
を含む摂動プロセスを実行し、最小負担度かつ最大視認度となる挙動にて前記生体力学モデルの姿勢を生成する摂動／挙動プロセスの反復操作を行う統括制御部と、
を備え、前記負担度の積算値と前記視認度の最終値から易視認性を算出するように構成されている、視認性評価システムにある。

本発明に係る視認性評価システムは、上記のように、仮想３Ｄ空間に定義される視認目標点に対する確認動作のシミュレーションを生体力学モデルによって行い、その生体力学モデルの姿勢を人体モデルに反映し、生体力学モデルの視線に対応する人体モデルの視野画像から視認目標点に対する視認度を算出するとともに、確認動作に要する生体力学モデルの負担度を算出し、負担度の積算値と視認度の最終値から易視認性を評価することにより、設計要素に対する確認動作を含めた視認性の定量的評価を行うことができる。

しかも、生体力学モデルによる確認動作のシミュレーションは、生体力学モデルに摂動を与え、その姿勢を視野判断モデルにおける人体モデルに反映させ、人体モデルの視野画像において視認目標点に対する視認度を算出し、算出された視認度が生体力学モデルにフィードバックされ、最小負担度かつ最大視認度となる挙動にて姿勢を生成する操作により実行されるので、視野判断モデルと生体力学モデルとの連成によって確認動作が自律的にシミュレートされ、信頼性の高い定量的評価を行うことができる。

また、個別に動作する生体力学モデルと視野判断モデルの間で姿勢データと視認度のデータを受け渡して連成させる構成により、生体力学モデルでは運動力学的な再現性や整合性を優先した効率的なモデル構築を行える一方、視野判断モデルでは視覚的な再現性を優先した効率的なモデル構築を行える利点がある。

上記に対応して、前記統括制御部の前記摂動による前記生体力学モデルの姿勢を前記人体モデルに反映させるステップは、前記摂動による前記生体力学モデルの姿勢データを記録するサブステップ、および、前記姿勢データを前記視野判断モデルが取得して前記人体モデルに反映させるサブステップを含むことが好適である。最終的に、視野判断モデルが各挙動プロセスで取得した姿勢データに基づいて確認動作の動画、例えば、人体モデルの視点での動画や、任意に設定可能な外部視点から人体モデルによる確認動作を観察する動画などを生成できる。

本発明の好適な態様において、前記統括制御部の前記挙動プロセスは、
前記挙動による前記生体力学モデルの姿勢を前記人体モデルに反映させるステップ、
前記姿勢を反映した前記人体モデルの視野画像から算出される前記視認目標点に対する視認度を前記視野判断モデルから取得するステップ、および、
該視認度を閾値と比較するステップを含み、
前記視認度が前記閾値以上となった場合に前記摂動／挙動プロセスの反復操作を終了するように構成されているので、確認動作の目的達成によるシミュレーションの終了をシステムにおいて自律的に行える利点がある。

本発明実施形態に係る視認性評価システムを示すブロック図である。 本発明実施形態に係る視認性評価システムによるシミュレーションを示す模式的な側面図である。 本発明実施形態に係る視認性評価システムによるシミュレーションを示す模式的な平面図である。 （ａ）は筋骨格モデルを示す概略図であり、（ｂ）は筋骨格モデルの着座状態における接触点および接触平面を示す図である。 本発明実施形態に係る視認性評価システムで使用するデータ構成を示すＥＲ図である。 眼球運動モデルを示すブロック図である。 前庭動眼反射モデルを示すブロック線図である。 追跡眼球運動モデルを示すブロック線図である。 サッカードモデルを示すブロック線図である。 サッカードモデルにおける有効眼球運動範囲を示す図である。 眼球運動モデルと筋骨格モデルの統合を示すブロック線図である。 本発明実施形態に係る視認性評価システムの処理を示すフローチャートである。 本発明実施形態に係る視認性評価システムの処理を生体力学モデルと視野判断モデルに分けて記載したフローチャートである。 本発明実施形態に係る視認性評価システムにおける生体力学モデルと視野判断モデルのデータ受け渡しによる連成を示す模式的な平面図である。

以下、本発明の実施形態について、図面を参照しながら詳細に説明する。

１．評価システムの概要
図１は、本発明実施形態に係る視認性評価システム１を示すブロック図である。本実施形態の評価システム１は、車両のコクピット前部に配設されるインストルメントパネルの３ＤＣＡＤデータを評価対象データ２とし、図２および図３に示すように、生体力学モデル１０を利用して視認目標点２０を視認するための確認動作のシミュレーションを行い、その容易性を含めた視認性を評価するものである。

評価システム１は、生体力学モデル１０と視野判断モデル５０を含み、それぞれの動作のためのプログラムも別に存在する。それぞれのプログラムおよびデータ、各プログラムを統括的に作動させるオペレーションプログラムは、不図示のコンピュータの外部記憶装置などに格納されており、メインメモリ（ＲＡＭ）に読み込まれ、ＣＰＵにより演算処理が実行されることで評価システムとして機能するように構成されている。

生体力学モデル１０は、筋骨格モデル３と眼球運動モデル４から構成されており、これらを統合することで、視野判断を行うための身体運動および眼球運動を生成するとともに、それらに要する負担度１６を算出し、各運動の結果として得られる眼球５の姿勢データを、視野判断モデル５０におけるカメラ５５に反映することで、視認目標点２０に対する視認度１５を算出し、最終的に評価部１７において、負担度１６と視認度１５に基づいて、確認動作の容易性を含めた見やすさ（易視認性）を評価する。

また、視野判断モデル５０で算出される視認度１５は、生体力学モデル１０の統括制御部１１にフィードバックされ、生体力学モデル１０に確認動作をもたらす運動規範ポテンシャルの一部となる。このように、生体力学モデル１０と視野判断モデル５０は、独立して動作しながら、相互間でデータを共有または授受することで連成し、生体力学モデル１０における負担度１６の最小化と、視野判断モデル５０における視認度１５の最大化を同時に達成するシミュレーションを行えるようになっている。

すなわち、２つのモデルは、生体力学モデル１０における負担度１６の軽減のための最適動作が視野判断モデル５０における視認度１５の向上をもたらし、視野判断モデル５０における視認度１５の向上が生体力学モデル１０における負担度１６の軽減のための最適動作をもたらすという連成関係にある。２つのモデル間で、データを共有または授受する形態は、図５に示すようなデータベース８へのアクセスによって行われるが、それ以外に、データ通信やファイル操作によるデータファイルの受け渡しなど、任意の形態で実施可能である。

データベース８は、個々のシミュレーション（試行）における条件や結果などを格納するシミュレーションデータ８０、個々のシミュレーション（試行）における各挙動プロセスのデータを格納する挙動データ８１、および、各挙動プロセスを取得するために仮想的に実施された摂動プロセスのデータを格納する摂動データ８２を含み、各データテーブルの主キー（ＰＫ）と対応するデータテーブルの外部キー（ＦＫ）との間に１対多のリレーションが設定されたリレーショナルデータベースとして構成されている。

シミュレーションデータ８０には、各シミュレーション（試行）の入力条件などが格納される。例えば、図示例では、シミュレーションを実施するコクピットのＣＡＤデータに対応する支持構造情報（シート６における第１支持点（ヒップポイント；ＨＰ）、ハンドル７における第２支持点（左右の把持点；座標（ｘ，ｙ，ｚ））、シミュレートする人物の体格設定情報（身長，体重）、評価対象ＣＡＤデータ（名称、識別コード）、視認目標点座標（座標（ｘ，ｙ，ｚ））などが入力され、シミュレーションプロセスの結果としての易視認性評価やレンダリング情報などが格納される。

なお、図示を省略するが、基本的に、支持構造情報（コクピットＣＡＤデータ）、体格設定情報、評価対象ＣＡＤデータなどの基礎情報やレンダリングデータは、それぞれ、別のデータテーブルに登録され、識別コード（外部キー）に設定されるリレーションによって参照されるようにする。また、データファイルの受け渡しによりシミュレーションを実施する場合には、シミュレーションデータ８０、挙動データ８１、および、摂動データ８２に相当する適宜形式のデータファイルを構成し、データの追加更新を行う。各挙動プロセスにおける挙動データ８１が取得された後に、それに要した摂動データ８２を保持しない設定とすることもできる。

挙動データ８１と摂動データ８２について、後に詳述するように、生体力学モデル１０における筋骨格モデル３および眼球運動モデル４の動作は、最適な挙動を決定するために状態変数ｕの数だけ仮想的に動作させ負担度Ｂを算出する摂動プロセスと、その結果として得られた最小負担度（Ｂ_min）かつ最大視認度（Ｒ_max）をもたらす条件で単位時間だけ実際に動作させる挙動プロセスを繰り返すことにより実施され、視野判断モデル５０は、それぞれの摂動プロセスごとに視認度Ｒを算出する。

したがって、先ず、挙動データ８１における挙動Ｎｏ（ＩＤ）が自動採番などにより割当てられ、次いで、当該挙動Ｎｏに関して、摂動データ８２に状態変数Ｕ分の摂動Ｎｏが割当てられ、それぞれの状態変数Ｕ毎に筋骨格モデル３および眼球運動モデル４の摂動が実施される。各摂動の結果として得られた骨格リンク姿勢、眼球姿勢、負担度Ｂが摂動データ８２に格納され、眼球姿勢が視野判断モデル５０のカメラ５５に反映され、その視野画像から算出された視認度Ｒが摂動データ８２に格納される。

次いで、最小負担度（Ｂ_min）かつ最大視認度（Ｒ_max）をもたらす条件が挙動データ８１に格納され、それに従って挙動プロセスが実施され、骨格リンク姿勢および眼球姿勢がキーフレーム情報として登録される。これらのキーフレーム情報が集積されることで確認動作に対応する視野画像の３ＤＣＧ動画（および任意に設定される視点から見た３ＤＣＧ動画）を生成可能となる。また、挙動プロセスの実施とともに、それ以前の挙動プロセスで取得された最小負担度（Ｂ_min）、最大視認度（Ｒ_max）それぞれの積算値が更新され、挙動データ８１に格納される。これらの積算値がシミュレーションにおける最終的な易視認性評価の基礎情報となる。

２．視野判断モデルの詳細
視野判断モデル５０は、３Ｄ座標系（仮想データ空間）に、視認目標点２０を有する評価対象データ２、生体力学モデル（筋骨格モデル３、眼球運動モデル４）に対応する人体モデル５３、および、カメラ５５を定義し、生体力学モデルで生成される身体運動および眼球運動（身体姿勢および眼球姿勢）を、人体モデル５３およびカメラ５５に反映し、その状態における視認目標点２０の視認度を取得するものである。

このカメラ５５は、３Ｄ座標系に設定される視点（ヒトの眼に相当）であり、カメラ画像がヒト（人体モデル５３）の視界となる。人体モデル５３の姿勢を時々刻々とキーフレームに登録することによって、最終的に動画を作成することができる。外部視点を設定すれば、視覚的に身体挙動を観察することもできる。

以下、視野判断モデル５０による視認度算出プロセスについて説明する。なお、プロセスは全てプログラムによって自動で行われる。３Ｄデータ空間での画像処理を基本としているため、汎用の３ＤＣＧアプリケーションを用いることもできる。

先述したように、本実施形態の評価システム１は、車両のコクピット前部に配設されるインストルメントパネルの３ＤＣＡＤデータを評価対象データ２とし、図２および図３に示すように、ドライバに相当する生体力学モデル３を利用して視認目標点２０を視認するための確認動作のシミュレーションを行い、その容易性を含めた視認性を評価するものであり、視野判断モデル５０は、確認動作（摂動および挙動）の各時点における視認目標点２０に対する視認度を算出する。

図示例では、視認目標点２０として、インストルメントパネル２の右側下部にあるスイッチを想定している。このスイッチは、ハンドル７で隠れる位置にあり、シート６に着座したドライバ（３）の視点（５）から直接視認することが困難であり、図３に示すように、右横方向への上体移動と頭部回転を伴う確認動作によって徐々に視認可能となる。

そこで、このように初期位置において直接視認できないか視認し難い視認目標点２０に対する視認度を求めるために、視認目標点２０を放射状に拡大した立体としてグラデーション球２１を定義する。これにより、少なくとも部分的にグラデーション球２１が視野画像に入ることで視認度を算出可能となる。

さらに、グラデーション球２１の中心部、すなわち視認目標点２０の近傍と周辺部とで視認度の重み付けを行うために、グラデーション球２１の中心からの距離に応じて特定のピクセル情報のみを漸減させる。本実施形態では、赤色の強さ（輝度）を示すＲ値を特定のピクセル情報としており、グラデーション球２１は、中心側では赤色が濃くなり、周辺側では赤色が薄くなるような、径方向のグラデーションを有している。

視野判断モデル５０で使用するピクセル情報は、赤（Ｒ）、緑（Ｇ）、青（Ｂ）の三原色に透過度のアルファチャンネル（Ａ）を加えた「ＲＧＢＡ」カラーモデルをベースとしている。ＲＢＧＡは、それぞれ０〜１．０の数値であり、［Ｒ，Ｂ，Ｇ，Ａ］で表す。視認目標点２０に設置したグラデーション球２１は、中心のＲ値＝１．０（最大）〜表面のＲ値＝０（最小）の間でＲ値が漸減しており、Ｇ値およびＢ値は０、全体が透明な球体をベースとするためＡ値は１．０であり、したがって、グラデーション球２１のＲＧＢＡは、
［R，G，B，A］＝［0〜1.0，0，0，1.0］
の範囲で表されることになる。

視野判断モデル５０における視認度算出に際しては、グラデーション球２１以外のソリッド（評価対象データ２、ハンドル７、シート６、人物モデル５３など）は全て黒色かつ不透明（光源を反射しない、［R，G，B，A］＝［0，0，0，0］）とすることで、カメラ５５の視野画像には、黒色のソリッド（ハンドル７など）で部分的に隠れたグラデーション球２１のみが見える状態となっている。

この状態において、カメラ５５の視野画像の全ピクセルのＲ値の合計をとることによって、赤色のグラデーション球２１がどの程度見えているかを数値化することができ、それに基づいて視認目標点２０の視認度を判断することができる。

この視認度（Ｒ値合計）は、グラデーション球２１を用いているため、視認目標点２０が直接見えていない場合まで拡張して数値化でき、直接的に見えない状態から見える状態に近づいている状況を視認度の向上として取得できるので、確認動作を含めた見やすさ（易視認性）の評価に最適であるとともに、後に詳述するように、生体力学モデル１０にフィードバックされ、生体力学モデル３の運動（確認動作）を方向付けする運動規範ポテンシャルの一部となる点でも有意義である。

なお、視野判断モデル５０で使用するグラデーション球２１の特定ピクセル情報としては、赤色以外の緑色や青色の輝度を用いることもでき、さらに、輝度以外の情報を用いることもできる。例えば、透明なグラデーション球の内部に中心からの距離に応じた密度で赤色のドットを定義してＲ値の合計をとることもできる。

３．生体力学モデルの詳細
生体力学モデル１０は、筋骨格モデル３と眼球運動モデル４から構成されており、基本的に筋骨格モデル３において身体運動が生成され、身体運動に連成して眼球運動が惹起される。そこで、先ず、筋骨格モデル３において視認目標点２０の確認動作のための身体運動を生成する流れを説明する。

３．１ 運動代表点の定義
筋骨格モデル３は、様々な身体運動を再現するうえで生体力学的に妥当であり、かつ、簡便で計算コストが低く抑えられていることが好ましい。そこで、身体各部位に運動代表点を設定し、各運動代表点の運動軌道を定義できるようにしている。例えば、視認目標点２０の確認動作のための身体運動であることから、頭部３１の眼球座標（左右の眼球５の中間座標または頭部３１の中心座標でもよい）を運動代表点として定義する。

運動代表点の３次元位置は空間座標系によって記述され、身体運動は、運動代表点の初期位置から目標（終端）位置への移動として定義される。この座標位置は、他の運動代表点を基準とした相対的な座標値として定義することもできる。例えば、図３に示すように、頭部３１の中心座標を運動代表点とした場合、この点の移動として確認動作を定義することができ、この運動代表点を基準に眼球座表を定義することもできる。

３．２ 逆モデルベースの運動指令生成
身体運動において、理想的な軌道が与えられた場合、この運動を実現するための運動指令を、身体ダイナミクスの逆モデルに相当するモジュールによって求める計算理論が提案されている（Wang, et al., 2001）。本実施形態においても、身体ダイナミクスの逆モデルを考慮することで運動指令（関節駆動モーメント）を生成するようにしている。

脳の計算理論モデルの研究では、身体のダイナミクスのモデル自体をどのように獲得するかという点についても議論される場合があるが、ここでは複雑化を避けるために、身体のダイナミクスを計算し得るモジュールは既に脳内に存在しているものとして、身体力学モデルの逆動力学計算ルーチンを利用する。関節角度などの身体の運動（関節）変位をｑとすると身体力学系の逆モデルは次式（３．１）のように与えられる。
ここで、Ｍは慣性行列、ｈ（）はコリオリ力、遠心力、外力の影響を表わすベクトル、ｆ_extは身体に作用する外力、ｎは筋による関節駆動モーメントである。

図３において、筋骨格モデル３の初期姿勢において、頭部３１は車両の進行方向前方を向いており、眼球５の視線も図中符号５ａで示されるように前方を向いている。この初期姿勢では視認目標点２０は中心視野の外にあり、ハンドル７で隠れているため、直接視認することはできないが、視認目標点２０の位置に対する知識を事前に得ている場合、符号５ｂに示されるように、運転者であれば、その方向に視線を向け、あるいは頭部３１を回転させる。

これらの動作は、眼球運動モデル４と関連し、その点については後述するが、基本的に、運転者は、視認目標点２０の方向に頭部３１を移動させることによって、視認目標点２０に対する視認性が向上するだろうという着想を得て、それを行動に移す。このような運動指令のメカニズムを生体力学モデル１０自体に内在させる代わりに、本発明では、視野判断モデル５０との連成により取得するようにしている。

すなわち、先述したように、視認目標点２０を放射状に拡大したグラデーション球２１によって、視野画像内における視認目標点２０の凡その方位を取得でき、その方位と、初期姿勢における視線方向５ａとのズレに基づいて、図３に破線矢印で示されるような初期動作の方向を取得することができる。

さらに、確認動作における運転者の移動は、車両前方（ｘ方向）と略直交する横方向（ｙ方向）および／または上下方向（ｚ方向）が基本となるため、初期姿勢における視線方向５ａとのズレのｙ−ｚ平面への投影またはｙ方向成分を確認動作における身体運動の軌道と仮定して、この軌道を実現し得る関節駆動モーメントを求めるために、この軌道と現時点での身体の姿勢との差異に応じた仮想的な力を考え、これを内部逆モデルに作用する外力の一種とする。これを意志力と呼ぶことにする。

意志力ｆ_intは次式（３．２）により求められる。
ここで、Ｐ_curは現時点での運動代表点の位置座標、Ｐ_desは確認動作における身体運動の軌道計画により求められた運動代表点の位置座標、A_intは重み行列（対角行列）であり、複数の運動代表点の重要度や運動の向きの重要度に応じて定める。ｋ₁，ｋ₂は位置情報と速度情報の重みを定める係数である。

この意志力を、他の身体に作用する反力と同等の外力として扱い、次式（３．３）のように逆モデルに与えれば、確認動作における身体運動の軌道を実現し得る関節駆動モーメントｎ（ｆ_int）が得られる。

しかし、意志力やその基となる身体運動の目標軌道は、必ずしも厳密に実現すべき運動を規定したものではない。例えば、複数の運動代表点を規定した場合、相互の動きにある程度の矛盾があってもそれを許容するようにすれば、身体運動の定義が容易になる。そもそも、意志力は実際には身体に作用していない仮想的な力であるため、通常は力学的なつり合いを満たさない。

また、筋負担の最小化のような生体力学的な負担に基づく運動生成を実現していない問題もある。さらに、逆モデルを単純に計算すると、関節自由度のみならず、身体と空間座標系との間の自由度に対する駆動力・モーメントが算出されてしまう。

一方、生体・身体の運動規範を何らかのポテンシャルとして定め、最小化するダイナミクスを考慮することで生体の自然な動きを自律的に獲得するモデルが提案されている(Umedachi, T., et al., 2010)。そこで、本実施形態における生体力学モデル１０においては、以下のような身体運動の規範となり得るポテンシャルを定義し、これを最小化する仕組みを導入する。

すなわち、次式（３．４）〜（３．６）に示されるように、意志力に相当する状態変数ｕを運動規範ポテンシャルU_invの状態変数とし、意志力と一致しかつ逆モデルによる関節駆動モーメントの総和を減少させるような状態変数ｕを得るダイナミクスを規定する。

ここで、ｎ（ｕ）は意志力相当の状態変数ｕを逆モデルに作用させた場合に得られる関節駆動モーメントである。ｋ₃，ｋ₄は係数、Ａ₁も重み係数行列であり、これは空間座標系と筋骨格モデル３との間の自由度に対応する関節駆動モーメント・駆動力に対応する重みを相対的に大きくするようにした。また、式（３．４）におけるポテンシャルの勾配（∂Ｕ_inv／∂ｕ）の計算は解析的に求めるのが困難であるため、実際の計算では摂動を与えた差分式によって求める。

以上は筋骨格モデル３における身体運動のみであり、眼球運動モデル４との連成は考慮していない。眼球運動との連成を考える場合、次式（３．７）に示されるように、身体運動における運動ポテンシャルＵ_invに眼球運動負荷ｆ_eyeを加え、これを新たに運動規範ポテンシャルとすればよい。
この眼球運動負荷ｆ_eyeは、後述の眼球運動モデル４より得られる。これにより、筋骨格モデル３と眼球運動モデル４との連成、身体負荷と眼球運動負荷の両方を低減する運動の生成が可能となる。

多関節マニピュレータのようなロボット制御では、タスク空間座標と関節（コンフィグレーション）空間座標との変換にヤコビ行列やその擬似逆行列を用いる方法が一般的に行われているが、そのような方法論は生体の制御モデルとして数学的抽象度が高い。それに対して、本モデルでは、身体力学系の逆モデルと意志力を仮定することで、タスク空間における運動軌道から直接的に関節駆動力を求めることができ、かつ、高度・抽象的な数学的処理を必要としない。また、意志力の求め方やその係数の決定法にやや曖昧さがあるものの、そのため逆に全身モデルのような多自由度で大規模モデルの運動生成が容易になる利点がある。

３．３ 順モデルベースによる運動指令調整
上述した逆モデルベースの運動指令生成モジュール１２により、軌道計画に従いかつ筋負担の小さい運動生成が可能となる。しかしながら、筋骨格モデル３は多自由度で複雑である。また、逆モデルベースの計算と力学的に矛盾をきたす可能性のある意志力を用いているため、軌道計画と生体力学的に妥当な運動の両立はこれだけでは困難である。

そこで、運動制御のモデルとして身体ダイナミクスの順モデルを考慮し、順モデルベースの運動制御のメカニズムを追加する。順モデルを用いることで、時間軸をある程度進ませた予見的な運動制御が可能となり、生体の巧みな動きを再現できる。

ここでは関節駆動モーメントに相当する状態変数ｖを仮定し、それによる運動規範ポテンシャルＵ_fwd（ｖ）を定義し、これを減少させるダイナミクスを次式（３．８）のように定義する。
ここで、ｎ（ｕ）は逆モデルにより求められた関節駆動モーメント、ｋ₅，ｋ₆は係数である。

運動規範ポテンシャルＵ_fwdは、順モデルにより以下のようにして求める。先ず、関節駆動モーメント相当の状態変数ｖが与えられると、現時点（時刻ｔ）での加速度を順モデルにより次式（３．９）のように推定できる。

この加速度から、時刻ｔ＋Δｔの身体の運動変位と速度を、次式（３．１０）（３．１１）のような簡単な時間積分により推定できる。

これらより、時刻ｔ＋Δｔにおける運動代表点の速度と位置を、次式（３．１２）（３．１３）のように推定できる。

上記ｆ₁，ｆ₂は身体構造の順運動学モデルにより関節変位・速度から運動代表点位置・速度を求める関数である。運動規範ポテンシャルＵ_fwdは、順モデルより得られる予測運動代表点位置Ｐ_preと軌道計画での軌道位置Ｐ_desとの差異によって次式（３．１４）のように定義される。

ここで、Ａ₂，Ａ₃は重み係数行列である。上式（３．１４）は、先述した式（３．７）のような眼球運動との連成は考慮されていない。そこで、上式（３．１４）に、視野判断モデルから出力される視認度（Ｒ値）を付加することで、身体運動と眼球運動との連成を実現した運動規範ポテンシャルを次式（３．１５）のように定義する。

Ｒ値は目標物の視認度が向上するほど大きくなるが、運動規範ポテンシャルは最小化を図るため、Ｒ値は逆数をとる。

先述した式（３．４）や式（３．８）のような神経制御系のダイナミクスを考慮したのは、目標運動軌道の達成と筋負担などの最小化のように相反する運動目的を自律的に達成するためである。筋負担の最小化はすなわち最適化問題であり、その解法のためには一般的には繰り返しの探索計算が必要となる。これを上式（３．１５）のようにポテンシャルとして表した目的関数を減少する方向に制御変数を時間変化させることで、運動の生成と運動目的の両立を繰り返し計算することなく自律的に達成できる。

一方、前述の式（３．４）および式（３．８）は、制御系としては１次遅れ特性を持ち、時間的な遅れが生じる。順モデルは、この時間遅れを補償する機能を有しているが、逆モデルだけでは実現困難な目標運動軌道の達成と筋負担などの最小化のような、相反する運動目的の両立を自律的に達成する機能をも有している。すわなち、逆モデルでは解消できない力学的な矛盾を順モデルによって解消することで、この相反する運動目的の両立が容易化できる利点がある。

最終的に身体力学系へ作用させる関節駆動モーメントｎ_realは、計算の収束性の補償と関節インピーダンスを考慮して、前述の式（３．８）の順モデルの状態変数ｖに減衰項を加えて次式（３．１６）のようになる。
ここで、ｋ₇は係数である。この減衰項は、身体モデルとしては神経制御機構に基づくものであり、関節軟部組織による構造的な減衰特性は、次に示す筋骨格モデル３で別途定義する。

３．４ 筋骨格モデル（身体力学モデル）
以上の運動制御モデルにより求められた関節駆動モーメントｎ_realを筋骨格モデル３に与え、順動力学計算を行うことで、身体動作を生成する。筋骨格モデル３は、既存の歩行シミュレーションモデル（Hase and Yamazaki, 2002）を拡張し、図４（ａ）に示すように、全身で２０リンク、４３関節自由度を持つ３次元モデルとしている。

すなわち、筋骨格モデル３は、頭部３１、頸椎３２、胸部（胸椎上部）３３ａ、胸椎下部３３ｂ、腰椎３４、骨盤３５、左右脚部３６を構成する大腿３６ａ、下腿３６ｂ、足部３６ｃ、左右の鎖骨３７ａ、左右腕部を構成する上腕３７ｂ、前腕３７ｃ、手部３７ｄから構成されており、各関節は１〜３個の円筒（回転軸）で概略的に示されている。例えば上腕３７ｂと前腕３７ｃの間の肘関節は１個の円筒回りの曲げの１自由度、前腕３７ｃと手部３７ｄの間の手首関節は３個の円筒の組合せにより、前後および内外の曲げと捩じりの３自由度が表示されている。

実施例では、身体各節の質量や慣性モーメントなどの身体パラメータの値は、一般的な成人男性を想定したものを標準としているが、入力データ（シミュレーションデータ）の身長、体重の入力データに基づき、身体パラメータをスケーリングすることができる。また、各関節には関節軟部組織などの関節構造に起因する受動抵抗モーメントが作用する。これは非線形の弾性特性関数（山崎他，2006）と線形の粘性減衰とで規定される。

３．５ 接触力の定義
身体とシート６とは基本的に面接触する。身体の皮膚組織は非線形な粘弾性特性を有し、さらに、シート６には、シートクッション６１、シートバック６２の何れにもクッション材が設けられ、粘弾性特性を有している。これらの特性を精密にモデル化するためには有限要素法などの計算方法が望ましいが、計算コストが大きく、また多数の物理特性値が必要となる。

そこで、本実施形態では、より簡便に接触力を表現するために、面接触、分布接触を仮定せず、図４（ｂ）に示すように、それぞれの身体節（３２〜３６ａ）の複数の接触点に接触力が作用するものと仮定する。ここでは先ず、シートクッション６１（座面）やシートバック６２などの形状を複数の平面で表し、これを接触平面（６１ａ，６１ｂ，６２ａ，６２ｂ，６２ｃ）として定義する。身体節上に定義された接触点が接触平面よりも沈み込む場合、粘弾性要素を仮定し、接触点変位と接触点速度に応じた反力を返すようにする。また、摩擦を仮定し、接触面接線方向分力が摩擦力を超える場合、滑りが生じるものとする。

具体的には、接触面座標系を接触面上に原点、接線方向にｘ，ｙ軸、法線方向にｚ軸（空間方向が正）のように定義し、これらに対して次式（３．１７）（３．１８）によって接触力を規定する。

ここで、式（３．１７）は接線方向（ｘまたはｙ）の仮の分力、ｋ_s接線方向の弾性係数、c_s粘性係数、[ｓ]は接線座標（xまたはy）、[ｓ₀]は弾性要素の基準点であり、最初に接触面に接触点が接触した位置座標を[ｓ₀]として保持する。

Ｆ_zは法線方向分力，max₀（ｘ）はｘが負の場合はゼロを返し、正の場合はそのままの値を返す関数、ｋ_z，c_zは法線方向粘弾性係数、eは非線形係数、[ｚ]は法線座標、step（ｘ,ｘ₀,ｙ₀,ｘ₁,ｙ₁）は不連続性を避けるために３次曲線で近似されたステップ関数、すなわち、変数ｘがｘ＜ｘ₀の場合ｙ₀を返し、ｘ₁＜ｘの場合ｙ₁を返し、ｘ₀≦ｘ≦ｘ₁ではｙ₀からｙ₁の間を３次曲線で補間し、それに応じた値を返す。これは粘性係数を、接触点の侵入量によって変化させるための工夫である。すなわち、式（３．１８）において[ｚ]＝０のとき粘性係数はゼロとなり、規定侵入量ｄより[−ｚ]＞ｄでは粘性係数がc_zになる。

接線方向に生じる摩擦力を求めるいくつかの代表的なモデルが知られているが、本実施形態では、簡易的に身体挙動を再現するために複雑な摩擦モデルは考慮せず、摩擦力に応じて接線方向弾性要素の基準点位置を更新することにより摩擦を表現するものとした。

すなわち，式（３．１７）で求めた仮の接線分力の絶対値が摩擦力より大きい場合は動摩擦となり、接線方向分力は次式（３．１９）で示される。
ここで、μは摩擦係数、sgn(x)は、ｘが負の場合−１を、正の場合＋１を返す関数である。

また、式（３．１７）で求めた仮の接線分力の絶対値が摩擦力以下の場合は静止状態となり、次式（３．２１）で示されるように、粘弾性要素によって定められた仮の接線方向分力がそのまま接線方向分力になる。

シート６に接触する接触点位置は、身体形状とシート６との接触状態を考慮し、図４（ｂ）に示すように、全身で２４点を定義した。それぞれの接触点位置座標は、身体節（３２〜３６ａ）上の節座標で記述され、節座標上に固定されているものとする。なお、接触点としては、これら以外にも足部３６ｃとフロア面との接触、ならびに手部３７ｄとハンドル７の把持部にも定義する。

以上をまとめると、先ず、逆モデルベースの運動指令生成モジュール１２において、目標姿勢と現在の姿勢との差異に応じた仮想的な力を考え、これを内部逆モデルに作用する意志力と規定する。この意志力を他の身体に作用する反力と同等の外力として扱い、逆モデルに与えれば，目標姿勢を実現する関節駆動モーメントを得ることができる。この意志力に摂動を与え、逆動力学計算によって意志力と身体に作用する外力から関節駆動モーメントを算出する。これを状態変数の数だけ繰り返す。

次に、順モデルベースの運動制御モジュール１３において、関節駆動モーメントに摂動を与え、順動力学計算によって現時点での加速度を計算する。加速度を時間積分してΔｔ秒（例えば０．１秒）後の姿勢を推定する。推定姿勢から視野評価と目標姿勢との差異を算出する。これを状態変数の数だけ繰り返す。これにより、身体負荷最小化と見えやすさ最大化を行う関節駆動モーメントを決定する。

４．眼球運動モデル
生体力学モデル１０には、図６に示されるように、前庭動眼反射モデル（VOR）４１、追跡眼球運動モデル（Smooth Pursuit）４２、サッカードモデル（Saccade）４３の３つのモデルで構成された眼球運動モデル４が組み込まれており、それぞれが補完しあって眼球５を動かしている。以下、各眼球運動モデルについて図面を参照しながら説明する。

４．１ 前庭動眼反射（VOR）
前庭動眼反射とは、頭部３１または身体３０が運動している際に、視線５ｂの方向を一定に保つ働きをする反射性の眼球運動である。すなわち、頭部３１が回転すると、回転をキャンセルするように、回転方向と逆方向へ眼球５がスムーズに動く。前庭動眼反射のモデリングには既知のモデルを採用できる。本実施形態では、図７に示すようなMerfeldとHaslwanterらの前庭動眼反射モデル４１を採用した。

この前庭動眼反射モデル４１は大きく分けて、Ｉ：空間における動作（Movement in space）、ＩＩ：耳石および半規管による伝達（Transduction by otoliths and canals）、ＩＩＩ：内部処理（Internal processing）、ＩＶ：眼球動作生成（Eye movement generation）の４つのフェーズで構成されている。以下に各フェーズの詳細を示す。

Ｉ：空間における動作（Movement in space）
このフェーズは、頭部３１への物理刺激つまり前庭系に対しての入力フェーズである。頭部３１の運動は、次式（４．１）で示される並進加速度αと、次式（４．２）で示される角速度ωで表され、何れも３次元のベクトルであり、これら２つが前庭動眼反射モデルへの入力となる。
ここでｇ（ω）のブロック４１１は、現在時点での頭部３１の傾斜によって生じた重力加速度ベクトルｇを、角速度ベクトルωを用いて更新するものであり、以下の微分方程式（４．３）で表される。

半規管への入力は直接ωであり、耳石器官が知覚する物理量は並進加速度αによって生じた慣性力ベクトルと重力加速度ｇの合ベクトルｆであり、次式（４．４）のように算出される。

ＩＩ：耳石および半規管による伝達（Transduction by otoliths and canals）
このフェーズは、頭部運動をセンシングする耳石器官の伝達特性Ｓ_otoと半規管の伝達特性Ｓ_sccを表している。

耳石器官は水平面に対して約３０度上向きに傾いており、後方向および下方向に重力によって引っ張られていると考えられている。この特性を考慮して、ブロック４１２で示される耳石器官の伝達関数Ｓ_otoは、単位行列とｚ軸方向への一定の力を加え、次式（４．５）で示される。

ブロック４１３で示される半規管の伝達関数Ｓ_sccは、３×３の対角行列であり、その要素は全て次式（４．６）で与えられる。ここでτ_d、τ_aはそれぞれ時定数である。

このように、慣性力方向加速度αと重力加速度ｇの合ベクトルｆには耳石の伝達特性Ｓ_otoが考慮され、角速度ベクトルωには、半規管の伝達特性Ｓ_sccが考慮され、それぞれが中枢神経系へ伝達される感覚情報α_oto、α_sccとなる。

ＩＩＩ：内部処理（Internal processing）
このフェーズは、中枢神経系が感覚器官(耳石と半規管)から伝達された感覚情報を知覚情報へ処理するフェーズであり、身体と感覚器官の内部モデルが含まれていると仮定している。これら内部モデルの感覚情報の推定値と実際の感覚情報との誤差をフィードバックすることで、認識している情報と実際の情報の差を小さくする構造になっている。

感覚器官の内部モデル(耳石と半規管)の伝達関数は、何れも３×３の対角行列であり、その要素は次式（４．７）および（４．８）で示される。

内部モデルによって推定された慣性力方向加速度と重力加速度の合ベクトルｆ^はブロック４１４を経て耳石の感覚情報の推定値α^_otoとなり、内部モデルによって推定された角速度ベクトルω^はブロック４１５を経て半規管の感覚情報の推定値α^_sccとなる。

半規管の内部モデルのループ部分のブロック４１６（dump）は眼球の減衰特性を表しており、次式（４．９）の非線形関数で示される。
ここで，ａ，ｂは係数，引数ωはベクトルではなく、ベクトルのノルムを用いる。
これらのループを経て、並進加速度と角速度の推定値α^、ω^をそれぞれ算出する。

ブロック４１７（Ｘ）は外積を表しており、耳石の感覚情報α_otoと内部モデルによる推定値α^_otoのそれぞれの正規化ベクトルの外積をとることによって回転情報に変換され、方向の違い、すなわち耳石の感覚情報と耳石の内部モデルの感覚情報の推定値の誤差信号を表しており、身体の内部モデルへフィードバックされ、さらに半規管の内部モデルループへ伝達され、耳石と半規管の相互作用を表している。これら耳石と半規管の相互作用により、頭部の並進加速度と重力加速度とが区別して知覚され、前庭系の情報から頭部の姿勢を認識することができる。例えば、床に仰向けになった状態では、重力加速度により耳石は後方に引っ張られ、したがって頭部後方向に加速度が加わるが、それを並進加速度と知覚しない。

ブロック４１８は、身体の内部モデルを表しており、重力加速度ベクトルの推定値ｇ^を算出する。

ＩＶ：眼球動作生成（Eye movement generation）
このフェーズでは、知覚された並進加速度α^と角速度ω^を用いて、前庭動眼反射の眼球への運動指令ω_VORを算出する。前庭動眼反射VORの運動指令ω_VORは、回転成分の要素である回転VORと並進成分の要素である並進VORで構成されており、両者を加算することで算出される。

知覚された角速度ベクトルω^はゲインによって反転され、回転VORの運動指令ω_R-VORとなる。知覚された並進加速度ベクトルα^は、漏れ積分回路４１９（Leaky Integrator）で並進速度ベクトルに積分され、目標視線方向を用いて角速度ベクトルに変換された後、ハイパスフィルタ４２０を経て並進VORの運動指令ω_T-VORとなる。

並進速度による角速度ω^_Vは目標視線の位置ベクトルｄを用いて次式（４．１０）のように算出できる。

ハイパスフィルタ４２０の伝達関数は、次式（４．１１）で示される。

以上が前庭動眼反射モデル４１の詳細である。このモデルは伝達関数など周波数領域で計算がなされているが、本実施形態では、この前庭動眼反射モデルを時間領域に変換し、１８個の一階常微分方程式を含む数式モデルとした。なお、変数は３次元のベクトルであるので、６種類の微分方程式×３となっている。以下に数式を示す。

α_sccは、媒介変数α_scc2、α_scc21、α_scc22を用いて次式（４．１２）の微分方程式で解ける。

ここで，これら媒介変数α_scc2、α_scc21、α_scc22の関係は次式（４．１３）の通りである。

α_oto、α^_otoは、伝達関数がそれぞれ定数の対角行列であるので、信号の流れの関係から次式（４．１４）〜（４．１６）のようになる。

α_oto、α^_otoの誤差信号ｅ_fは、正規化ベクトル同士の外積であるので、次式（４．１７）で表される。

「dump」は次式（４．１８）に示すとおりである。

ここで、dump（ω）はベクトルのノルムを変数とする関数なのでスカラーである。

ω^は信号の流れから、またα^_sccの媒介変数α^_scc2を用いて次式（４．１９）のようになる。

なお、α^_sccとα^_scc2の関係は後に示す。

ω^_dは単純に定数倍であるため、次式（４．２０）で示される。

α^_sccは、媒介変数α^_scc2を用いて、次式（４．２１）の微分方程式で解ける。
また、α^_scc、α^_scc2の関係を次式（４．２２）に示す。

ｇ^は次式（４．２３）および（４．２４）の微分方程式で解ける。

α^は次式（４．２５）で表され、ｖ^は漏れ積分回路（Leaky Integrator）によりα^の積分であるため、次式（４．２５）〜（４．２７）の微分方程式で解ける。

ω_T-VORは媒介変数ω_T-VOR2を用いて次式（４．２８）の微分方程式で解ける。
また、ω_T-VOR、ω_T-VOR2の関係を次式（４．２９）に示す。

ω_R-VORは、ω^に単純にゲインをかけ、反転させたものなので、次式（４．３０）で表される。

最終的に前庭動眼反射の出力ω_VORは、これらω_T-VOR、ω_R-VORの加算として次式（４．３１）で表される。

なお、式変形の方式および順番は、コンピュータで微分方程式を解く関係から上記のような形とした。以上示したように、前庭動眼反射モデル４１を時間領域における数式モデルとして扱うことで、本実施形態において適応可能な形式となる。

４．２ 追跡眼球運動（Smooth Pursuit）
追跡眼球運動は、ゆっくりと移動する視覚対象に視点を追従させているときに生じる滑らかな眼球運動である。運動を起こす刺激は、動いている対象物の速度であり、対象物と眼球運動速度を一致させることにより、対象物を網膜上に保持する随意性の運動である。速い動きには追従することができず、５０ｄｅｇ／ｓほどまでしか滑らかに追従できないが、指標の軌跡が予測できるような場合は、９０ｄｅｇ／ｓ程度まで追従させることができる。

本実施形態では、追跡眼球運動をモデリングするに当たり、Robinsonらのモデルを採用した。この追跡眼球運動モデル４２は、目標速度を入力とし、それを追従する眼球速度を出力する。３つのフィードバックループで構成されており、追跡眼球運動の遅延特性を考慮し、各所に時間遅れ定数を介している。なお、この追跡眼球運動モデル４２についても前庭動眼反射モデル４１と同様に信号は３次元のベクトルで扱い、各要素はそれぞれ同じ処理がなされる。追跡眼球運動モデル４２のブロック線図を図８に示す。

４．２．１ CNS（Central Nervous System）付近
ここでは、実際の追跡眼球運動による眼球角速度（Ｅの時間微分）と、追跡眼球運動による眼球角速度の遠心性コピーである追跡眼球運動指令がそれぞれフィードバックされてくる。ターゲットの角速度と眼球角速度の誤差信号とフィードバックされてきた追跡眼球運動指令によって、中枢神経系への目標角速度のコピー、すなわち、ターゲットの角速度の知覚情報が再形成される。数字で示すブロックはそれぞれその数字（ｍｓｅｃ）の時間遅れを表している係数であり、τ₁、Ｐ₂もそれぞれ時間遅れを表している係数である。

ブロック４２１（Plant）は眼筋と眼窩組織、ブロック４２２で示されるCP（Central Processing）は中枢神経系の伝達特性をそれぞれ表しており、それぞれ次式（４．３２）、（４．３３）の伝達関数で表される。
ここで、τ_e2はPlantの時定数、τ_cはCPの時定数である。
これらのブロック４２１，４２２による処理を経て、ターゲットの角速度の知覚情報は目標眼球角速度となる。

４．２．２ PMC（Premotor circuity）
ここは運動前野回路を表している。目標眼球角速度が入力され、現時刻での眼球角速度の運動指令を出力する。眼球角速度の運動指令はフィードバックされ、目標眼球角速度との比較が行われ、誤差信号を形成し、眼球角速度の運動指令を目標値へ近づける働きを担う。ここで、誤差信号は、目標眼球角速度の変化に比例し、したがって、目標眼球角加速度にも比例することを意味する。この誤差信号は、ブロック４２３（AS；Acceleration Saturation）を経て目標眼球角加速度となる。ブロック４２３（AS）は加速度飽和を処理する部分であり、閾値より大きい場合と小さい場合に分けて次式（４．４４）で表される。

ブロック４２３（AS）によって算出された目標眼球角加速度は、時間遅れ定数τ₂を経て、ブロック４２４（NI；Neural Integrator）で積分されることで眼球角速度の運動指令となる。ブロック４２４（NI）は次式（４．４５）で示される。但しAは係数である。

４．２．３ 眼球角速度出力部分付近
PMCで算出された眼球角速度の運動指令は、時間遅れ定数Ｐ1およびブロック４２５（VS；Velocity Saturation）を経て、遅れを伴った眼球角速度の運動指令となる。しかし、ブロック４２５（VS）は９０ｄｅｇ／ｓ未満では影響がない。実際に追跡眼球運動においては９０ｄｅｇ／ｓを超える眼球角速度は考え難い。したがって、ブロック４２５（VS）の処理は行っていない。遅れを伴った眼球角速度の運動指令は遠心性コピーとしてCNSにフィードバックされると同時に、ブロック４２６（Plant）を経て眼球角速度となる。ブロック４２６（Plant）の伝達関数は、ブロック４２１（Plant）に係る式（４．３２）にゲインを掛けたものである。

以上が追跡眼球運動モデル４２の詳細である。なお、このモデルも前庭動眼反射モデル４１と同様に周波数領域でのモデルであるため、本実施形態に適応可能な時間領域に変換し、１２個の一階常微分方程式を含む数式モデルとした。但し、信号は３次元のベクトルであるので、４種類の微分方程式×３となっている。以下に数式を示しておく。

目標眼球角速度および眼球角速度の運動指令は、後述のように共に微分方程式の変数であるので、コンピュータで微分方程式を解く関係上、先ず、これらを用いてPMCのフィードバックループの部分が初めに解ける。誤差信号は次式（４．４６）のようになる。

次にブロック４２３（AS）によって目標眼球角加速度が次式（４．４７）のように求まる。

ブロック４２４（NI）による目標眼球角加速度の積分は次式（４．４８）の微分方程式で解け、眼球角速度の運動指令が求まる。

先述したように、ブロック４２５（VS）は処理しないため、単純に次式（４．４９）で表される。

眼球角速度とその運動指令のCNSへのフィードバック部分は次式（４．５０）の微分方程式でそれぞれ解ける。

ここで、ダーゲットの角速度と眼球角速度の誤差信号、および、ダーゲットの角速度の知覚情報は、次式（４．５２）および（４．５３）でそれぞれ求まる。

ダーゲット角速度の知覚情報が求まったので、目標角速度は次式（４．５４）の微分方程式で解ける。

なお、先述したように、式変形の方式および順番は、コンピュータで微分方程式を解く関係から上記のような形とし、以上示したように、追跡眼球運動モデル４２を時間領域における数式モデルとして扱うことで、本実施形態において適応可能な形式となった。

４．３ サッカード（Saccade）
サッカードは、随意的に対象物を見ようとして注視点を移動させる際にみられる急速な眼球運動である。サッカードは，一旦眼球運動が起こると、そのサッカードが終わるまで随意的に停止することができないという特徴がある。運動の速度は眼球の回転角度に依存しており、随意的に調節できず、持続時間は振幅に比例して増加する。また、最大速度も運動の振幅に比例して増出して７００ｄｅｇ／ｓ程度にまで達するが、１０〜２０度の振幅では３５０〜５００ｄｅｇ／ｓ程度である。

サッカードをモデリングするに当たり、Tweedによるサッカードモデルを採用した。入力としては、眼球座標系で記述されたターゲットの位置、すなわち視線誤差であり、この視線誤差を最小化するように、眼球５及び頭部３１をサッカードの運動則に従い駆動させることでサッカードを実現しているモデルである。なお、このモデルの変数は、主にクォータニオンで扱うことも特徴であり、４×４のクォータニオン行列で表される。このサッカードモデル４３のブロック線図を図９に示す。以下、各計算方法について説明する。

４．３．１ 視線比較器
このサッカードモデル４３は、眼球座標系で記述されたターゲット位置Ｔ_e、すなわち視線誤差を入力とし、これを眼球座標系とターゲットの姿勢が一致するように変化させる。その変化則は、ターゲット位置Ｔ_eと眼球座標系で記述した空間に対する眼球５の角速度ベクトルω_eseとの外積で、次式（４．５５）の微分方程式で表される。なお、ω_eseは、そのままの形ではなく、この変数を利用可能な形に変換する。

ここで，クォータニオンｑ_ehは頭部座標系における眼球姿勢であり、ω_hshは頭部座標系における頭部３１の空間に対しての角速度ベクトルである。並置されたω_hshｑ_ehはベクトルとクォータニオンのクォータニオン積であり、ベクトルはスカラー部要素を０としたクォータニオンとして扱う。

４．３．２ Dondersと頭部パルス生成器P_h
先ず、ブロック４３１（Donders）で目標頭部姿勢が次式（４．５６）〜（４．５８）から求められる。

式（４．５６）は空間座標系における頭部姿勢ｑ_hを用いて、頭部座標系における眼球姿勢ｑ_ehを空間座標系における眼球姿勢ｑ_esに座標変換している。次に、眼球姿勢ｑ_esを用いて眼球座標系におけるターゲットＴ_eを空間座標系におけるターゲットＴ_sに座標変換している。このＴ_sを用いDondersを経て目標頭部姿勢を算出する。

ブロック４３１（Donders）の役割は、ターゲットを見やすい頭部姿勢を定義することである。通常、頭部３１は矢状面上より水平面上の方が回転しやすい傾向にあるとされており、これらの要素を考慮した、ターゲット方向からターゲットを見やすい頭部姿勢への変換則をDonders則として、次式（４．５９）〜（４．６１）の３ステップで定義している。

ここで、ｉ、ｊ、ｋはそれぞれ座標系の３つの軸方向に沿った単位ベクトルであり、ｉは前方、ｊは左方向、ｋは上方向を指している。ｘ₂、ｘ₃はそれぞれベクトルｘのｊ軸に沿った要素、ｋ軸に沿った要素であり、「・」は内積を表している。

式（４．５９）について、−Ｔ_sとｉのクォータニオン積はクォータニオン平方根がとられる。クォータニオン平方根とは、例えばｐがｑのクォータニオン平方根である時、クォータニオン積ｐｐ＝ｑが成り立つ。ここで、ｐの回転軸はｑと等しいが、回転の振幅が半分であるという特性がある。従って、クォータニオンｘの意味するところは、ターゲットに対してｉ方向をとることによって最短回転を表している。

上式（４．６０）で係数δ_T、δ_V、δ_Hでスケーリングし、算出されたｙを用いて目標頭部姿勢が求まる。

次に、頭部パルス生成器４３２について、頭部３１は頭部姿勢ｑ_hの時間変化（時間微分）、つまり速度指令で制御され，次式（４．６２）の関数で算出される。

ここで、Ｖ_qはクォータニオンのベクトル部をとる関数であり、ｖと表しなおすと、Ｐ_hは次式（４．６３）で定義される。

パルス生成器４３２は通常指数関数で定義されることが多いが、ここでは、簡単化のため近似式を用いている。ここで、式（４．６２）で表される頭部姿勢の時間変化は、クォータニオン速度であり、角速度ベクトルではない。角速度ベクトルとクォータニオン速度の関係は次式で表される。

４．３．３ Listing
ブロック４３３（Listing）は、ターゲットＴ_sから頭部座標系における目標眼球姿勢を算出する部分であり、次式（４．６４）で表される。

ブロック４３３（Listing）の関数への引数は、頭部３１が目標頭部姿勢となった際のターゲットの相対位置方向を表している。ブロック４３３（Listing）では先ず引数とｇ_vのクォータニオン積を行う。ｇ_vは頭部座標系における主要な視線方向を表しており、ｇ_vはｉとしている。その後、クォータニオン平方根がとられ、頭部座標系における目標眼球姿勢が求められる。

４．３．４ 眼球飽和と眼球パルス生成器
眼球には有効眼球運動範囲（EOMR）があり、サッカードにおいてもその影響を考慮する必要がある。可動限界を超えるところにターゲットが位置している場合、眼球を飽和状態とする、すなわち、目標眼球姿勢をEOMR内にしなければならない。これらのプロセスは次式で示される３ステップで行われる。

先ず、空間座標系における目標眼球姿勢を求める。式（４．６５）は目標頭部姿勢に対しての目標眼球姿勢を示しており、その後、現時点での頭部姿勢ｑ_hを用いて、現時点での頭部座標系における目標眼球姿勢を式（４．６６）で算出する。

ブロック４３４（Sat）は、過度に偏心した現時点での目標眼球姿勢をEOMR内に投影する。すなわち、式（４．６７）で示される有効目標眼球姿勢は、図１０の模式図に示されるようにEOMRの境界線上に位置することになる。

ブロック４３４（Sat）のプロセスは次式（４．６８）に示す通りである。

現時点での目標眼球姿勢ｑ_eh ⁺の二乗水平垂直偏心αがEOMRの半径radius（=ｓｉｎ（４０°／２））の二乗より大きいとき、係数がａ，ｂ，ｃである二次方程式を解くことで、ｑ_eh ⁺をEOMRの水平垂直面に投影する。投影された点は、ここではまだ、捩じり方向の次元に対してEOMR外にあるため、次にねじり要素の有効許容値を定めている。signumは引数が正であれば１、負であれば−１、０であれば０を返す関数である。最後の行の式はｑ_eh ^sをベクトルから単位クォータニオンに変換しており、これがブロック４３４（Sat）の出力となる。

次に、算出された有効目標眼球姿勢ｑ_eh ^sは、眼球パルス生成器４３５（Ｐ_e）で速度指令となる。眼球パルス生成器４３５（Ｐ_e）は、Ｐ_hと同様に次式（４．６９）および（４．７０）で示される。ただし、v＝ｑ_eh ^sｑ_eh ^-1である。

４．３．５ VOR Shutoff
前庭動眼反射（VOR）は反射性の眼球運動であるので、サッカードによる眼球運動へも影響が及ぶ。すなわち、サッカードが生じる際には、前庭動眼反射（VOR）も共に発動しているが、何らかの信号によりシャットアウトされ、サッカードによる眼球運動が支配的になるという特性を持っている。ここでは現時点での頭部座標系における眼球の誤差信号により前庭動眼反射（VOR）がシャットアウトされると仮定している。

なお、ここでいう「VOR」は、サッカード中におけるVORの干渉部分のみを考慮したものであり、先述した前庭動眼反射モデル４１（VOR）とは別物である。
ブロック４３６においてVORの干渉信号は次式（４．７１）で処理される。

ここで、Ｍは３×３行列、Ｉは３×３の単位行列、uu^Tは列ベクトルuとその転置の行列積による３×３行列である。ｘは現時点での眼球飽和させていない頭部座標系における眼球運動誤差信号であり、Ｃは係数でｃｏｓ（Ａ／２）と定義され、ＡはVORシャットオフの閾値である。もし、誤差信号がＡを超える場合は、VORは完全にシャットオフされる。そして眼球運動誤差信号はＡから０に収束する。すなわち、スカラー部ｘ₀はＣから１に収束する。その後VORは徐々に回復する。ブロック４３６の処理により、VORの影響を受けたサッカードの眼球運動を表現している。

最終的にサッカードの頭部座標系における眼球速度指令は、有効眼球運動範囲を考慮した眼球速度指令と、ブロック４３６を経たVORの干渉眼球速度指令の和により次式（４．７２）で算出される。

５．眼球運動モデルおよび筋骨格モデルの統合
上述した３つの眼球運動は、その指標（ターゲット）や頭部運動などの条件によって適切に選択され、補間し合いながら指標を正確に視認するための最適な眼球運動がなされる。したがって、眼球運動モデル４を構築する上でもこれらの眼球運動モデルを統合し、最終的な眼球運動が生成されるようにし、その上で筋骨格モデル３と総合する。

基本的には、図６に示すように、前庭動眼反射モデル４１には、頭部３１の加速度と角速度が入力され、前庭動眼反射による眼球角速度ω_VORが出力され、追跡眼球運動モデル４２にはターゲットの速度、サッカードモデル４３にはターゲットと目線の誤差が入力され、追跡眼球運動による眼球角速度ω_SmPu、サッカードによる眼球角速度ω_Sacが出力される。そして、これらが統合され、最終的な眼球角速度ω_eyeが出力されるが、これら各眼球モデル４１，４２，４３は単純な加算関係ではない。そこで、各眼球運動モデルの特性を考慮するとともに筋骨格モデル３（３１）まで統合したモデルのブロック線図を図１１に示す。

先ず、サッカードモデル４３は、眼球座標系における視標方向の単位ベクトル、つまり網膜上の指標との誤差を入力としているため、時間の次元を持っていない。したがって、単純な加算ではシミュレーション時間内においてサッカードが必要な時にサッカードを発生させるといったことが実現できない。そこで、図１１では、サッカードモデル４３のブロックにたどり着くまでの過程にサッカードが発動する条件を定義し、サッカードの発生をコントロールできるようにしている。

すなわち、サッカードモデル４３の入力側に所定の条件でＯＮになるスイッチ４４を定義し、生体モデル１０の起動時にはスイッチ４４をＯＦＦにして、サッカードの入力となる視線誤差を全くない状態としておき、サッカードモデルの計算を行う。そうすることで、サッカードモデル４３の出力は常に０となり、最終的な眼球角速度に影響を及ぼさない。

生体モデル１０における視認目標点の取得、初期姿勢の生成など、所定の条件が満たされ、スイッチ４４がＯＮとなった場合、その時点での視線誤差の値がサッカードモデル４３に入力され、眼球角速度ω_Sacが出力される。スイッチ４４がＯＮになる条件は２つあり、それぞれ、
Sac_trg == ON && Sac_flg == OFF
である。Sac_trgはサッカードの入力トリガ、つまり頭部座標系における視標角速度ベクトルのノルムがあるしきい値を超えたときにＯＮになるトリガである。対して、Sac_flgはサッカードによる眼球各速度指令が１．０（ｄｅｇ／ｓ）以上、つまりサッカード発生中にＯＮになるフラグである。

このようなフラグを設定した理由としては、トリガのみでは、サッカード発生中に入力トリガがＯＮになる条件になればサッカード運動が更新されてしまい、本来のサッカード運動と整合性が取れなくなるためである。指標が離散的となる瞬間は１ステップであり、フラグはその次のステップでＯＮになるため、トリガは１ステップのみＯＮになる。

本発明実施形態に係る視認性評価システム１は、車両のコクピット前部に配設されるインストルメントパネルの３ＤＣＡＤデータを評価対象データ２とし、生体力学モデル１０を利用して視認目標点２０を視認するための確認動作のシミュレーションを行うものであり、図２および図３に示すように、生体力学モデル１０の初期姿勢において、筋骨格モデル３はシート６に着座し、手部３７ｄでハンドル７を把持しており、頭部３１は車両前方を向き、眼球５の視線５ａは水平前方に向けられている。

このような生体力学モデル１０の初期姿勢におけるシミュレーションの開始時には、サッカードモデル４３のスイッチ４４はＯＦＦになっており、視認目標点２０の座標（目標座標）が眼球運動モデル４に取得された時点でスイッチ４４がＯＮになる。それに伴い、サッカードモデル４３に初期状態の眼球姿勢と目標座標の視線誤差が入力され、この視線誤差を最小化するように眼球５が駆動され、図２および図３に示すように、右下方に視線５ｂが移動するとともに、視線方向に適合するように、すなわち、視線方向と頭部姿勢の誤差を最小化するように、頭部３１が右方向に回転する。

この際、先述したように、頭部３１が上下方向より水平方向に回転しやすい傾向を反映させるブロック４３１の処理により、下方には回転しないか、もしくは、部分的な回転のみがなされる。このようなシミュレーションの開始時の眼球運動に伴い、サッカードモデル４３から発せられる能動的な頭部運動指令は、後述のように、逆モデルベースの運動指令生成に取り込まれる。

次に、追跡眼球運動については、追跡眼球運動モデル４２の入力側に、前庭動眼反射モデル４１の出力の減算、SMA４５、および、ローパスフィルタ４６の３つの処理が追加されている。

（SMA（単純移動平均）について）
追跡眼球運動はターゲットの滑らかな動きを追従する運動であるため、パルス入力のようなものには対応できない。追跡眼球運動で対応できないような入力はサッカードがはたらくのだが、サッカードがはたらいているときに追跡眼球運動モデル４２への入力、もしくは追跡眼球運動モデル４２からの出力を０にしてしまうと、サッカードが終わった後も不安定な挙動を示してしまう。

そこで、サッカード発生中の入力を０にするのではなく、滑らかに補間する方法として単純移動平均（SMA）を用いている。すなわち、サッカードのフラグでＯＮになるスイッチ４７を追加し、SMA４５に切替えることにより、パルス的な入力が平滑化され、追跡眼球運動モデル４２には、パルス的な入力がなかったのと同義になり、離散的な入力に対してはサッカードモデル４３、滑らかな入力に対しては追跡眼球運動モデル４２という役割分担が行われる。

（前庭動眼反射出力の減算について）
頭部の運動に対する眼球運動の補間は、前庭動眼反射モデル４１によって行われるが、これにより追跡眼球運動モデル４２の入力となる頭部座標系におけるターゲットの角速度は、頭部運動の影響を受ける。

例えば、頭部３１が外乱を受けて高周波で振動している場合、その振動がターゲットの角速度に影響し、本来追従できない高周波帯の入力信号となり、必要以上の眼球角速度を出力してしまう。そのため、頭部が高周波で振動する際に、追跡眼球運動モデル４２への高周波入力を遮断する必要がある。

そこで、追跡眼球運動モデル４２と前庭動眼反射モデル４１の間に、前庭動眼反射の眼球速度信号の遠心性コピーを伝達する経路が存在し、追跡眼球運動モデル４２はその前庭動眼反射の眼球速度信号を用いて、指標速度入力の高周波成分を除去していると仮定した。前庭動眼反射モデル４１の出力は、頭部の揺れをキャンセルするような眼球角速度であるため、単純に指標速度入力から前庭動眼反射モデル４１の出力を減算すれば高周波成分を除去することができる。

（ローパスフィルタについて）
上記のように前庭動眼反射モデル４１の出力を減算することによって、本来追跡眼球運動で追跡すべき視標角速度の低周波成分が明確になるため、この信号に対してローパスフィルタ４６をかけることによって、高周波成分を除去した入力信号のみが追跡眼球運動モデル４２に入力されることになる。

（サッカードによる位置誤差の修正）
以上のような処理を行うことによって、頭部が振動した状態やサッカードがはたらいた状態でも各眼球運動モデルが補完しあって視標を追従できるが、フィルタ処理などの影響で位相ずれやオーバーシュートが起きる場合がある。追跡眼球運動モデル４２は速度誤差に基づいて制御を行うので，位置誤差に対しては反応できない。

そこで、位置誤差を入力とするサッカードモデル４３を用いて、指標と視線の位置ずれを修正することができる。例えば、先述のトリガとは別のトリガを定義し、眼球座標系における視標の位置ベクトルの長さがしきい値（例えば０．１ｍ）より大きくなった場合にサッカードモデル４３がＯＮになるようにする。

６．眼球運動モデルと筋骨格モデルの統合
図１１のブロック線図において、眼球運動モデル４からの出力は、大きく分けて、眼球の角速度ω_eyeと頭部への角速度指令ω_haがある。以下、それぞれの出力に基づいた眼球運動と身体運動との連成メカニズムについて説明する。

６．１ 眼球運動モデルからの頭部角速度指令
追跡眼球運動モデル４２とサッカードモデル４３から出力される頭部３１への角速度指令は加算され、頭部３１の眼球運動に伴う能動的な角速度指令ω_haとして、筋骨格モデル３の頭部３１に入力される。したがって、この運動指令ω_haを目標値とし、意志力として逆モデルの計算に取り込むことで、眼球運動に伴う能動的な頭部運動を生成できる。

これらは回転運動であるため、意志モーメントとして次式（６．１）で算出される。
したがって、筋骨格モデル３の頭部３１は、身体３０の運動に応じた姿勢保持のための運動指令に加えて、眼球運動モデル４による能動的な頭部運動指令の生成を行うことが可能となる。

身体運動（３０）に対する受動的な頭部運動（３１）、および、眼球運動（４）に伴う能動的な頭部運動に基づいて筋骨格モデル３の頭部３１からは前庭動眼反射モデル４１への入力となる加速度、角速度など頭部運動が得られる。しかし、このままでは、他の眼球運動モデル４２，４３により動作する頭部運動分に対しても前庭動眼反射が起こり、所望の視線回転方向をキャンセルしてしまうことになる。

そこで、他の眼球運動４２，４３から発せられた能動的な頭部運動指令の遠心性コピーが前庭動眼反射モデル４１に伝達されると仮定することで、実際の頭部運動から能動的な頭部運動を除いた分のみに対して、つまり受動的に発生した頭部運動のみに対して前庭動眼反射が起こり、能動的な頭部運動への干渉が回避される。

６．２ 眼球の角速度
次に、眼球運動モデル４から眼球５に出力される角速度ω_eyeは、その大きさがそのまま眼球運動の運動負荷に相当する。したがって、筋骨格モデル３の式（３．７）に示した眼球運動負荷ｆ_eyeを次式（６．２）のように定義することができる。
ここで、ω_eyeはベクトルのノルムを用い、Ｔ_gは眼球座標から見たターゲットの位置ベクトル、ｅ_xは眼球座標のｘ軸ベクトル（ｅ_x＝(1 0 0)^T）、λは重み係数である。

上式（６．２）の第一項は眼球運動を抑制する機能を有し、第二項はできるだけ注視点近くでターゲットを捉えるようにする機能を表している。この眼球運動負荷ｆ_eyeを、先述した逆モデルベースの運動指令生成における式（３．７）に示すように、身体運動負荷に加えることで、眼球運動と身体運動の連成運動を生成可能となる。

７．視認性評価システムの処理フロー
以上述べたように、本発明に係る評価システム１は、生体力学モデル１０を利用して評価対象データ２における視認目標点２０の確認動作のシミュレーションを行い、確認動作の容易性（負担度）を考慮した視認性を評価するものであり、図１２は、実施形態に係る評価システム１の処理フローを示すフローチャートである。

また、先述したように、評価システム１は、独立して動作しながら連成する生体力学モデル１０と視野判断モデル５０から構成されており、図１３は、実施形態に係る評価システム１の処理フローを、生体力学モデル１０における処理（確認動作シミュレーション）と視野判断モデル５０における処理（視認性判断）に分けて記載している。図１４は、図１３に対応し、生体力学モデル１０と視野判断モデル５０におけるデータの受け渡しを示しており、図１３の処理の一部の符号を併記している。

図１２において１００番台で示された各ステップの符号の下２桁は、図１３において２００番台および３００番台で示された各ステップの符号の下２桁に対応しており、以下、図１２、図１３を併用して評価システム１の処理フローについて説明する。

視認性評価に際しては、先ず、評価システム１を構成するコンピュータが起動し、シミュレーションを統括するメインプログラム（１）とデータベース８が起動している状態で、生体力学モデル１０および視野判断モデル５０が起動される（ステップ１００，２００，３００）。

次いで、シミュレーションデータ８０の入力情報に従って、所定の評価対象データ２が視野判断モデル５０の３Ｄデータ空間に読み込まれ、評価対象データ２の視認目標点２０が生体力学モデル１０に取得される（ステップ１０１，２０１，３０１）。

次いで、視野判断モデル５０において、評価対象データ２の視認目標点２０にグラデーション球２１が設定される（ステップ１０２，３０２）。グラデーション球２１自体のデータは予め視野判断モデル５０に用意されており、グラデーション球２１の中心座標が視認目標点２０に設定される。

次いで、シミュレーションデータ８０から姿勢情報が読み込まれ、生体力学モデル１０の筋骨格モデル３および眼球運動モデル４に初期姿勢が生成され、視野判断モデル５０の人体モデル５３に初期姿勢が反映されるとともに、カメラ５５の初期位置が取得される（ステップ１０３，２０３，３０３）。この状態でカメラ５５より視野画像が取得され、視認度の初期値Ｒ₀が算出される。

以上のような準備を経て、摂動／挙動プロセスに移行すると、先ず、逆モデルベースの運動指令生成モジュール１２および順モデルベースの運動制御モジュール１３において、それぞれの状態変数が算出される（ステップ１１０，２１０，３１０）。

次に、運動指令生成モジュール１２における逆動力学計算によって関節駆動モーメントが算出され、さらに、運動制御モジュール１３における順動力学計算によって加速度が計算され、加速度を時間積分して単位時間（実施例では０．１秒）後の姿勢が推定される。このようにして生体力学モデル１０に摂動を与え、得られた姿勢情報（骨格リンク姿勢、眼球姿勢、何れもクォータニオン）、および、身体力学系へ作用させる関節駆動モーメント（身体負荷）が負担度Ｂとして、状態変数と共に摂動データ８２に格納される（ステップ１１１，２１１）。

さらに、上記摂動により得られた姿勢情報は視野判断モデル５０の人体モデル５３およびカメラ５５に反映され（図１３、ステップ３１１）、カメラ５５に取得された視野画像のＲ値の合計として視認度Ｒが算出され（ステップ１１２，３１２）、摂動データ８２に格納される。

上記のような摂動プロセスが状態変数の数だけ繰り返され、全ての状態変数の摂動が与えられると（ステップ１１３，２１３）、挙動プロセスに移行する。

先ず、摂動プロセスにおいて負担度Ｂおよび視認度Ｒが取得された各状態変数の中から、最小負担度Ｂ_min（身体負荷最小化）と最大視認度Ｒ_maxとなる状態変数が算出され、対応する関節駆動モーメントが決定される（ステップ１２０，２２０）。

次いで、決定された状態変数および関節駆動モーメントによって生体力学モデル１０（筋骨格モデル３および眼球運動モデル４）が実際に駆動され、挙動による姿勢が生成され、挙動データ８１に姿勢情報（骨格リンク姿勢、眼球姿勢、何れもクォータニオン）が格納される（ステップ１２１，２２１）。

さらに、上記挙動による姿勢情報が視野判断モデル５０の人体モデル５３およびカメラ５５に反映され（図１３、ステップ３２１）、カメラ５５に取得された視野画像のＲ値の合計として視認度Ｒが算出され（ステップ１２２，３２２）、挙動データ８１に格納される。また、人体モデル５３の姿勢情報がキーフレームに登録される（図１３、ステップ３２４）。

これと並行してデータベース８において、当該挙動プロセスを含めた負担度Ｂの積算値が算出され、上記視認度Ｒを参照して、負担度Ｂ（積算値）を考慮した易視認性が算出される（ステップ２２２）。

次いで、視認度Ｒが予め設定した閾値と比較され（ステップ１３０，２３０，３３０）、閾値に到達していないと判断された場合は、上述したような摂動／挙動プロセスが繰り返される。

視認度Ｒが予め設定した閾値以上となった場合は、生体力学モデル１０によるシミュレーションは終了され、当該視認度Ｒと、最終挙動プロセスにおいて算出された負担度Ｂ（積算値）を考慮した易視認性評価が、当該シミュレーション（試行Ｎｏ）における結果として、シミュレーションデータ８０に記録される（図１３、ステップ２３１）。

同時に、視野判断モデル５０では、最終挙動プロセスまでに登録されたキーフレーム（実施例では０．１秒間隔、１０ｆｐｓ）のデータに基づいてレンダリングが実行され、評価映像が作成される（図１３、ステップ３３１）。

なお、レンダリングに際しては、キーフレーム間の身体運動は動画作成機能により補間される。また、評価対象データ２（インストルメントパネル）や人体モデル５３の表面情報が反映されるようにするか、または、グレースケールなどにして視認目標点２０の位置が明確になるようにしても良い。カメラ５５（人体モデル５３）による視野映像のほかに、人体モデル５３の斜後上方など適宜位置に設定した外部視点からの映像を作成できる。

上記実施形態の摂動プロセス（ステップ１１１〜１１２、２１１、３１１〜３１２）において、生体力学モデル１０に得られた姿勢情報を１回の摂動ごとに視野判断モデル５０の人体モデル５３およびカメラ５５に反映し、視野画像から視認度Ｒを算出する代わりに、生体力学モデル１０にて全ての（または一部の）状態変数分の姿勢情報を取得してから視野判断モデル５０に一括して転送し、視野画像取得および視認度Ｒ算出を行うようにすることもできる。

また、上記実施形態の摂動プロセス（ステップ１１１〜１１２、２１１、３１１〜３１２）では、生体力学モデル１０に状態変数の数だけ摂動が与えられる場合について述べたが、状態変数よりも少ない複数回の摂動を与えることによって、最小負担度Ｂ_min（身体負荷最小化）と最大視認度Ｒ_maxとなる状態変数を推定し、挙動のための関節駆動モーメントを決定するようにすることもできる。

また、上記実施形態では、視認度Ｒが予め設定した閾値以上となるまで摂動／挙動プロセスが反復される場合について述べたが、摂動／挙動プロセスの反復回数（または反復時間）に上限を設け、予め設定した所定回数（所定時間）に達した時点で生体力学モデル１０によるシミュレーションが終了するようにすることもできる。

一方、摂動／挙動プロセスの反復による視認度Ｒの向上により、運動指令生成モジュール１２に算出される関節駆動モーメントが漸減し、運動制御モジュール１３に算出される加速度が漸減することにより、何れかの状態値（またはその変化率）が設定以下になった時点で、生体力学モデル１０による確認動作が自律的に収束したと見做してもよい。

上記実施形態では、生体力学モデル１０において、初期姿勢から１つの視認目標点２０の確認動作をシミュレートする場合を示したが、複数の視認目標点を順に確認する動作をシミュレートして総合的な視認性を評価することもできる。

本発明の好適な態様において、前記視野判断モデル（５０）は、仮想３Ｄ空間に前記視認目標点を放射状に拡大した透明な立体であって、前記視認目標点からの距離に応じて特定ピクセル情報値のみを減少または漸減させたグラデーション立体を定義し、前記視認度として、前記視野画像における前記特定ピクセル情報値の合計を算出するように構成されている。

本発明の好適な態様において、前記グラデーション立体は単一の色調を有し、前記特定ピクセル情報値は前記単一の色調の輝度であり、前記グラデーション立体は、中心側の輝度が大きく、中心側から周辺側に向かって輝度が減少または漸減している。

本発明の好適な態様において、前記視野判断モデル（５０）は、前記グラデーション立体以外のオブジェクトは全て黒色かつ不透明とした状態で前記視野画像を取得し、前記視野画像内における前記特定色の輝度値の合計をとることによって、前記視認度を算出するように構成されている。

本発明の好適な態様において、前記グラデーション立体は、前記視認目標点を中心とするグラデーション球である。

以上、本発明の実施形態について述べたが、本発明は上記実施形態に限定されるものではなく、本発明の技術的思想に基づいてさらに各種の変形および変更が可能である。

例えば、上記実施形態では、車両のインストルメントパネルを評価対象データ２とし、その右側下部にあるスイッチを視認目標点２０とする場合について述べたが、本発明はこれに限定されるものではなく、視認目標点は他の位置であっても良いし、インストルメントパネル以外を評価対象データとすることもできる。また、着座姿勢以外の起立姿勢や歩行姿勢、車両乗降時の視認目標点の確認動作など、確認動作を伴って視認することが想定される様々な物品の易視認性評価や設計支援に応用できる。

１ 評価システム
２ 評価対象データ（インストルメントパネル）
３ 筋骨格モデル（身体モデル）
４ 眼球運動モデル
５ 眼球
６ 支持構造（シート）
７ 支持構造（ハンドル）
８ データベース
１０ 生体力学モデル
１１ 統括制御部
１２ 逆モデルベースの運動指令生成モジュール
１３ 順モデルベースの運動制御モジュール
１５ 視認度
１６ 負担度
１７ 易視認性総合評価部
２０ 視認目標点
２１ グラデーション球
３０ 身体
３１ 頭部
４１ 前庭動眼反射モデル
４２ 追跡眼球運動モデル
４３ サッカードモデル
５０ 視野判断モデル
５３ 人体モデル
５５ カメラ

Claims (13)

1. ３ＤＣＡＤによるオブジェクトのための視認性評価システムであって、
   前記オブジェクトの視認目標点が定義された仮想３Ｄ空間にて前記視認目標点に対する確認動作のシミュレーションを行うための生体力学モデルと、
   前記生体力学モデルに対応する人体モデルおよび前記オブジェクトが定義された仮想３Ｄ空間にて前記生体力学モデルの視線に対応する前記人体モデルの視野画像から前記視認目標点に対する視認度を算出するための視野判断モデルと、
   前記生体力学モデルと前記視野判断モデルを連成させる統括制御部であって、
   前記生体力学モデルに摂動を与えるステップ、
   前記摂動による前記生体力学モデルの姿勢を前記人体モデルに反映させるステップ、
   前記姿勢を反映した前記人体モデルの視野画像から算出される前記視認目標点に対する視認度を前記視野判断モデルから取得するステップ、および、
   前記摂動に伴う前記生体力学モデルの負担度を算出するステップ
   を含む摂動プロセスを実行し、最小負担度かつ最大視認度となる挙動にて前記生体力学モデルの姿勢を生成する摂動／挙動プロセスの反復操作を行う統括制御部と、
   を備え、前記負担度の積算値と前記視認度の最終値から易視認性を算出するように構成されている、視覚性評価システム。
2. 前記統括制御部の前記摂動による前記生体力学モデルの姿勢を前記人体モデルに反映させるステップは、前記摂動による前記生体力学モデルの姿勢データを記録するサブステップ、および、前記姿勢データを前記視野判断モデルが取得して前記人体モデルに反映させるサブステップを含む、請求項１記載の視認性評価システム。
3. 前記統括制御部の前記挙動プロセスは、
   前記挙動による前記生体力学モデルの姿勢を前記人体モデルに反映させるステップ、
   前記姿勢を反映した前記人体モデルの視野画像から算出される前記視認目標点に対する視認度を前記視野判断モデルから取得するステップ、および、
   該視認度を閾値と比較するステップを含み、
   前記視認度が前記閾値以上となった場合に前記摂動／挙動プロセスの反復操作を終了するように構成されている、請求項１または２記載の視認性評価システム。
4. 前記統括制御部の前記挙動による前記生体力学モデルの姿勢を前記人体モデルに反映させるステップは、前記挙動による前記生体力学モデルの姿勢データを記録するサブステップ、および、前記姿勢データを前記視野判断モデルが取得して前記人体モデルに反映させるサブステップを含む、請求項３記載の視認性評価システム。
5. 前記統括制御部の前記摂動を与えるステップは、
   前記視認目標点と現在姿勢との差異に応じて前記生体力学モデルに作用する意志力を仮定して関節駆動モーメントを算出する逆モデルベース運動指令生成ステップと、
   前記関節駆動モーメントに摂動を与え、前記生体力学モデルの単位時間後の姿勢を推定し、各推定姿勢にて前記負担度を算出する順モデルベース運動制御ステップと、
   をさらに含む、請求項１〜４の何れか一項記載の視認性評価システム。
6. 前記統括制御部の前記負担度を算出するステップは、前記関節駆動モーメントの摂動に対応する運動規範ポテンシャルとして前記負担度を算出することを含み、
   前記最小負担度かつ最大視認度となる挙動は、前記運動規範ポテンシャルに前記視認度の逆数を加算した連成運動規範ポテンシャルを最小化する前記生体力学モデルの状態変数に基づいて決定される、請求項５記載の視認性評価システム。
7. 前記生体力学モデルは、人体の骨格、関節、および骨格筋をモデリングした筋骨格モデルと、前記筋骨格モデルにおける頭部運動に連成して眼球姿勢を決定する眼球運動モデルとを含み、前記眼球姿勢によって前記視線が与えられるように構成されている、請求項１〜６の何れか一項記載の視認性評価システム。
8. 前記眼球運動モデルは、前庭動眼反射モデルとサッカードモデルを含み、前記視認目標点と前記眼球姿勢による前記視線との差異に応じて前記サッカードモデルから眼球運動指令とともに出力される頭部運動指令は、前記逆モデルベース運動指令生成ステップにおいて前記関節駆動モーメントを算出するための前記意志力の少なくとも一部となるように構成されている、請求項５または６を引用する請求項７記載の視認性評価システム。
9. 前記眼球運動モデルにおいて、前記筋骨格モデルの身体運動に対する受動的な頭部運動により前庭動眼反射モデルから出力される運動指令による眼球運動負荷、および、前記サッカードモデルから出力される運動指令による眼球運動負荷は、前記負担度に加算されるが、前記サッカードモデルからの運動指令による能動的な頭部運動は、前記サッカードモデルから前庭動眼反射モデルに伝達される運動指令の遠心性コピーにより、前庭動眼反射モデルへの入力から除外されるように構成されている、請求項８記載の視認性評価システム。
10. 前記摂動プロセスが前記生体力学モデルの状態変数の数だけ試行されるように構成されている、請求項１〜９の何れか一項記載の視認性評価システム。
11. 前記オブジェクトは、前記仮想３Ｄ空間として定義された車両の運転席前方に配設されるインストルメントパネルの３ＤＣＡＤデータであり、前記生体力学モデルは、前記運転席に着座した運転者として定義され、前記生体力学モデルおよび前記視野判断モデルは、前記インストルメントパネルに設置された前記視認目標点に対する確認動作のシミュレーションを行うように適合されている、請求項１〜１０の何れか一項記載の視認性評価システム。
12. 前記生体力学モデルは、前記シミュレーションを開始する初期姿勢において、前記頭部は車両前方を向き、前記眼球の視線は水平前方に向けられ、前記視認目標点との差異に応じて前記サッカードモデルから出力される頭部運動指令に基づいて、前記逆モデルベース運動指令生成ステップにおける前記意志力が取得されるように構成されている、請求項５を引用する請求項１１記載の視認性評価システム。
13. 前記眼球運動モデルは、前記視認目標点の連続移動に視線を追従させる追跡眼運動モデルをさらに含み、前記追跡眼運動モデルは、前記サッカードモデルの動作時に前記視認目標点の離散的な移動に係る入力信号の高周波成分を除去するローパスフィルタを備えている、請求項１１または１２記載の視認性評価システム。