JP2021007649A - 動作支援システム、動作支援方法、プログラム、学習装置、学習済みモデル及び学習方法 - Google Patents

Abstract

【課題】適切なアシストレベルを設定するための動作支援システム等を提供する。【解決手段】歩行訓練装置１００は、補助装置としての歩行補助装置１２０、選択アシストレベル設定部２１０ａ、負荷データ取得部２２０ａ、変位センサである角度センサ２２３、及び制御部である全体制御部２１０を有する動作支援システムである。補助装置は、使用者が行う関節の動作を補助する。アシストレベル設定部は、補助装置が発揮する力のレベルであるアシストレベルを設定する。負荷データ取得部は、補助装置の負荷に関する負荷データを取得する。変位センサは、関節の変位を検出する。制御部は、アシストレベル、負荷データ、及び変位センサの出力に基づいて、推奨するアシストレベルである推奨アシストレベルを決定し、決定した推奨アシストレベルの情報を出力する。【選択図】図３

Description

本発明は、動作支援システム、動作支援方法、プログラム、学習装置、学習済みモデル及び学習方法に関する。

ユーザの動作を支援する動作支援システムが普及している。動作支援システムは、健常者が所定の作業をする際に装着して利用するタイプや、麻痺を患った患者等の訓練者が、リハビリテーション（リハビリ）を行うに際し、リハビリ支援システムとして利用するタイプなどがある。このような動作支援システムは、ユーザが健常者か訓練者かを問わず、ユーザの関節の動きを補助する。

例えば特許文献１に記載の動作支援システムは、関節部を回転可能に支持するリンク機構と、リンク機構を駆動して関節部の動作を補助する駆動手段と、関節部の角度を検出する角度検出手段と、関節部の角度に基づいて、駆動手段を制御する制御手段と、を備える。制御手段は、角度検出手段により検出された角度に基づいて、関節部の角度が所定範囲を外れたと判断したとき、駆動手段の駆動トルクを変動させるように制御する。

特開２０１３−１３８７９３号公報

このような動作支援システムにおいては、ユーザに対応したアシストレベルを適切に設定することが課題となっている。ここでアシストレベルとは、ユーザの動作を補助する際の補助動作のレベルである。アシストレベルが適切に設定されていない場合、動作支援システムは、ユーザにとって好適な補助動作を行うことができない。

本発明は、このような課題を解決するためになされたものであり、適切なアシストレベルを設定するための動作支援システム等を提供するものである。

本発明の１実施態様における動作支援システムは、補助装置、アシストレベル設定部、負荷データ取得部、変位センサ、及び制御部を有する。補助装置は、使用者が行う関節の動作を補助する。アシストレベル設定部は、補助装置が発揮する力のレベルであるアシストレベルを設定する。負荷データ取得部は、補助装置の負荷に関する負荷データを取得する。変位センサは、関節の変位を検出する。制御部は、アシストレベル、負荷データ、及び変位センサの出力に基づいて、推奨するアシストレベルである推奨アシストレベルを決定し、決定した推奨アシストレベルの情報を出力する。

これにより、動作支援システムは、ユーザが行った動作から取得したアシストレベル、負荷データ、及び変位センサの出力から、推奨するアシストレベルを決定できる。

上記動作支援システムは、過去に行った関節の動作についての、アシストレベル、負荷データ、及び変位センサの出力を収集して生成した統計データを記憶する記憶部をさらに備え、制御部は、統計データに基づいて推奨アシストレベルを決定するものであってもよい。これにより動作支援システムは、統計データを利用して好適に推奨アシストレベルを決定することができる。

上記補助装置が補助する上記関節の動作は、ユーザが訓練者として行うリハビリテーションに含まれるものであって、上記動作支援システムは、過去に行ったリハビリテーションについての、訓練者の回復度を示す指標データ、アシストレベル、負荷データ、及び変位センサの出力を収集して生成した統計データを記憶する記憶部をさらに備え、制御部は、統計データ及び訓練者の指標データに基づいて推奨アシストレベルを決定するものであってもよい。これにより動作支援システムは、統計データを利用して好適にリハビリテーションにおける推奨アシストレベルを決定することができる。

上記動作支援システムにおいて、補助装置は、駆動モータを有し、負荷データ取得部は、駆動モータの消費電力に関する情報を取得するものであってもよい。これにより、動作支援システムは、駆動モータの消費電力をモニタして負荷データを取得できる。

上記動作支援システムにおいて、変位センサは、関節の角度を検出するものであってもよい。これにより動作支援システムは、関節の角度に応じたアシストレベルを決定できる。

上記動作支援システムにおいて、補助装置は、ユーザの歩行動作における膝関節の伸展動作又は屈曲動作を補助するものであってもよい。また、上記動作支援システムは、歩行動作の歩行周期を検出する歩行周期検出部をさらに備え、上記制御部は、歩行周期の立脚期に含まれる予め設定された期間における負荷データ、及び変位センサの出力に基づいて、推奨アシストレベルを決定するものであってもよい。これにより動作支援システムは、ユーザの歩行動作を好適にアシストできる。

本発明の１実施態様における動作支援方法は、ユーザが行う関節の動作を補助する補助装置を有する動作支援システムが実行するものであって、アシストレベル設定ステップ、負荷データ取得ステップ、変位検出ステップ、決定ステップおよび出力ステップを有する。アシストレベル設定ステップは、補助装置が発揮する力のレベルであるアシストレベルを設定する。負荷データ取得ステップは、補助装置の負荷に関する負荷データを取得する。変位検出ステップは、関節の変位を検出する。決定ステップは、アシストレベル、負荷データおよび変位に基づいて、推奨するアシストレベルである推奨アシストレベルを決定する。出力ステップは、推奨アシストレベルの情報を出力する。これにより、動作支援方法は、ユーザが行った動作から取得したアシストレベル、負荷データ、及び変位センサの出力から、推奨するアシストレベルを決定できる。

本発明の１実施態様におけるプログラムは、ユーザが行う関節の動作を補助する補助装置を有する動作支援システムが実行する動作支援方法をコンピュータに実行させるプログラムである。動作支援方法は、アシストレベル設定ステップ、負荷データ取得ステップ、変位検出ステップ、決定ステップおよび出力ステップを有する。アシストレベル設定ステップは、補助装置が発揮する力のレベルであるアシストレベルを設定する。負荷データ取得ステップは、補助装置の負荷に関する負荷データを取得する。変位検出ステップは、関節の変位を検出する。決定ステップは、アシストレベル、負荷データおよび変位に基づいて、推奨するアシストレベルである推奨アシストレベルを決定する。出力ステップは、推奨アシストレベルの情報を出力する。これにより、プログラムは、ユーザが行った動作から取得したアシストレベル、負荷データ、及び変位センサの出力から、推奨するアシストレベルを決定できる。

本発明の１実施形態における学習装置は、データ取得部および学習部を有している。データ取得部は、選択アシストレベル、負荷データおよび変位データを学習用データとして取得する。選択アシストレベルは、ユーザの関節の動作を補助する補助装置を有する動作支援システムを利用して実行した動作支援についての、補助装置が発揮する力のレベルである複数のアシストレベルのうち選択されたアシストレベルである。負荷データは、補助装置の負荷に関する情報である。変位データは、関節の変位に関するデータである。学習部は、学習用データに基づいて、ユーザが動作支援システムを利用する場合において選択すべきと推奨される補助装置のアシストレベルである推奨アシストレベルを決定することを学習する。また、学習部は、行った学習に基づいて、負荷データ及び変位データを入力として推奨アシストレベルを出力とする学習済みモデルを生成する。これにより、学習装置は、取得する負荷データ及び変位データから推奨アシストレベルを出力する学習済みモデルを生成できる。

上記学習装置において、学習部は、負荷データ及び変位データを入力とし、選択アシストレベルを教師データとして学習をするものであってもよい。これにより、学習装置は、選択アシストレベルを教師データとして教師あり学習を行うことができる。

本発明の１実施形態における学習済みモデルは、補助装置から取得する負荷データ及び変位データに基づいて、推奨アシストレベルを出力するよう、コンピュータを機能させるための学習済みモデルであってもよい。この学習済みモデルを利用することにより、未学習の入力データに対して好適に推奨アシストレベルを出力できる。

本発明の１実施形態における動作支援システムは、上述の学習装置で生成された学習モデルである学習済みモデルにアクセス可能な動作支援システムであってもよい。この動作支援システムは、負荷データ及び変位データを、学習済みモデルへの入力として出力する出力部と、入力された負荷データ及び変位データに対する応答として学習済みモデルから出力された推奨アシストレベルを、動作支援システムのユーザに通知する通知部と、を有する。これにより、動作支援システムは、ユーザに対して好適に推奨アシストレベルを通知できる。

本発明の１実施形態における学習方法は、データ取得ステップ、学習ステップおよび学習済みモデル生成ステップを有する。データ取得ステップは、選択アシストレベル、負荷データおよび変位データを学習用データとして取得する。選択アシストレベルは、ユーザの関節の動作を補助する補助装置を有する動作支援システムを利用して実行した動作支援についての、補助装置が発揮する力のレベルである複数のアシストレベルのうち選択されたアシストレベルである。負荷データは、補助装置の負荷に関するデータである。変位データは、関節の変位に関するデータである。学習ステップは、学習用データに基づいて、ユーザが動作支援システムを利用する場合において選択すべきと推奨される補助装置のアシストレベルである推奨アシストレベルを決定することを学習する。学習済みモデル生成ステップは、学習に基づいて、負荷データ及び変位データを入力として推奨アシストレベルを出力とする学習済みモデルを生成する。これにより、学習方法は、取得する負荷データ及び変位データから推奨アシストレベルを出力する学習済みモデルを生成できる。

本開示によれば、適切なアシストレベルを設定するための動作支援システム等を提供することができる。

実施形態１にかかる歩行訓練装置の概略斜視図である。 歩行補助装置の概略斜視図である。 歩行訓練装置のシステム構成を示すブロック図である。 訓練者の歩行周期の例を示す図である。 患脚の膝伸展角度の例を示す図である。 アシストレベルの例を示す第１の図である。 アシストレベルの例を示す第２の図である。 実施形態１にかかる歩行訓練装置の処理を示すフローチャートである。 実施形態１にかかる推奨アシストレベルを決定する条件の例を示す図である。 推奨アシストレベルを決定する条件の第２の例を示す図である。 実施形態２にかかるリハビリ支援システムの概略斜視図である。 リハビリ支援システムのシステム構成を示すブロック図である。 サーバの構成を示すブロック図である。 実施形態２にかかる学習済みモデルの生成処理を示すフローチャートである。 学習装置に入力するデータの例を示す図である。 学習モデルの例を示す図である。 実施形態２にかかる歩行訓練装置の処理を示すフローチャートである。

以下、発明の実施形態を通じて本発明を説明するが、特許請求の範囲にかかる発明を以下の実施形態に限定するものではない。また、実施形態で説明する構成の全てが課題を解決するための手段として必須であるとは限らない。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。なお、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。

＜実施形態１＞
以下、図面を参照して実施形態１について説明する。
（システム構成）
図１は、実施形態１にかかる歩行訓練装置１００の概略斜視図である。歩行訓練装置１００は、ユーザの動作を支援する動作支援システムの一実施態様である。より具体的には、歩行訓練装置１００は、ユーザである訓練者９００のリハビリ（リハビリテーション）を支援するリハビリ支援装置の一具体例である。歩行訓練装置１００は、一方の脚に麻痺を患う片麻痺患者である訓練者９００が、訓練スタッフ９０１の指導に従って歩行訓練を行うための装置である。ここで、訓練スタッフ９０１は、療法士（理学療法士）又は医師とすることができ、訓練者の訓練を指導又は介助などにより補助することから、訓練指導者、訓練介助者、訓練補助者などと称することもできる。

歩行訓練装置１００は、主に、全体の骨格を成すフレーム１３０に取り付けられた制御盤１３３と、訓練者９００が歩行するトレッドミル１３１と、訓練者９００の麻痺側の脚部である患脚に装着する歩行補助装置１２０と、を備える。

フレーム１３０は、床面に設置されるトレッドミル１３１上に立設されている。トレッドミル１３１は、不図示のモータによりリング状のベルト１３２を回転させる。トレッドミル１３１は、訓練者９００の歩行を促す装置であり、歩行訓練を行う訓練者９００は、ベルト１３２に乗り、ベルト１３２の移動に合わせて歩行動作を試みる。なお、訓練スタッフ９０１は、例えば図１に示すように訓練者９００の背後のベルト１３２上に立って一緒に歩行動作を行うこともできるが、通常、ベルト１３２を跨いだ状態で立つなど、訓練者９００の介助を行い易い状態に居ることが好ましい。

フレーム１３０は、モータやセンサの制御を行う全体制御部２１０を収容する制御盤１３３や、訓練の進捗状況等を訓練者９００へ提示する例えば液晶パネルである訓練用モニタ１３８などを支持している。また、フレーム１３０は、訓練者９００の頭上部前方付近で前側引張部１３５を、頭上部付近でハーネス引張部１１２を、頭上部後方付近で後側引張部１３７を、それぞれ支持している。また、フレーム１３０は、訓練者９００が掴むための手摺り１３０ａを含む。

手摺り１３０ａは、訓練者９００の左右両側に配置されている。それぞれの手摺り１３０ａは、訓練者９００の歩行方向と平行な方向に配置されている。手摺り１３０ａは、上下位置、及び左右位置が調整可能となっている。つまり、手摺り１３０ａは、その高さを変更する機構を含むことができる。さらに、手摺り１３０ａは、例えば歩行方向の前方側と後方側とで高さを異ならせるように調整することで、その傾斜角度を変更できるように構成することもできる。例えば、手摺り１３０ａは、歩行方向に沿って徐々に高くなるような傾斜角度を付すことができる。

また、手摺り１３０ａには、訓練者９００から受ける荷重を検出する手摺りセンサ２１８が設けられている。例えば、手摺りセンサ２１８は、電極がマトリックス状に配置された抵抗変化検出型の荷重検出シートとすることができる。また、手摺りセンサ２１８は、３軸の加速度センサ（ｘ，ｙ，ｚ）と３軸のジャイロセンサ（ｒｏｌｌ，ｐｉｔｃｈ，ｙａｗ）とを複合させた６軸センサとすることもできる。但し、手摺りセンサ２１８の種類や設置位置は問わない。

カメラ１４０は、訓練者９００の全身を観察するための撮像部としての機能を担う。カメラ１４０は、訓練用モニタ１３８の近傍に、訓練者と相対するように設置されている。カメラ１４０は、訓練中の訓練者９００の静止画や動画を撮影する。カメラ１４０は、訓練者９００の全身を捉えられる程度の画角となるような、レンズと撮像素子のセットを含む。撮像素子は、例えばＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサであり、結像面に結像した光学像を画像信号に変換する。

前側引張部１３５及び後側引張部１３７は、互いの連携した動作により、歩行補助装置１２０の荷重が患脚の負担とならないように当該荷重を相殺し、更には、設定の程度に応じて患脚の振出し動作をアシストする。

前側ワイヤ１３４は、一端が前側引張部１３５の巻取機構に連結されており、他端が歩行補助装置１２０に連結されている。前側引張部１３５の巻取機構は、不図示のモータをオン／オフさせることにより、患脚の動きに応じて前側ワイヤ１３４を巻き取ったり繰り出したりする。同様に、後側ワイヤ１３６は、一端が後側引張部１３７の巻取機構に連結されており、他端が歩行補助装置１２０に連結されている。後側引張部１３７の巻取機構は、不図示のモータをオン／オフさせることにより、患脚の動きに応じて後側ワイヤ１３６を巻き取ったり繰り出したりする。このような前側引張部１３５と後側引張部１３７の連携した動作により、歩行補助装置１２０の荷重が患脚の負担とならないように当該荷重を相殺し、更には、設定の程度に応じて患脚の振出し動作をアシストする。

例えば、訓練スタッフ９０１は、オペレータとして、重度の麻痺を抱える訓練者に対しては、アシストするレベルを大きく設定する。アシストするレベルが大きく設定されると、前側引張部１３５は、患脚の振出しタイミングに合わせて、比較的大きな力で前側ワイヤ１３４を巻き取る。訓練が進み、アシストが必要でなくなったら、訓練スタッフ９０１は、アシストするレベルを最小に設定する。アシストするレベルが最小に設定されると、前側引張部１３５は、患脚の振出しタイミングに合わせて、歩行補助装置１２０の自重をキャンセルするだけの力で前側ワイヤ１３４を巻き取る。

歩行訓練装置１００は、装具１１０、ハーネスワイヤ１１１、及びハーネス引張部１１２を主な構成要素とする、安全装置としての転倒防止ハーネス装置を備える。装具１１０は、訓練者９００の腹部に巻き付けられるベルトであり、例えば面ファスナによって腰部に固定される。装具１１０は、吊具であるハーネスワイヤ１１１の一端を連結する連結フック１１０ａを備え、ハンガーベルトと称することもできる。訓練者９００は、連結フック１１０ａが後背部に位置するように、装具１１０を装着する。

ハーネスワイヤ１１１は、一端が装具１１０の連結フック１１０ａに連結されており、他端がハーネス引張部１１２の巻取機構に連結されている。ハーネス引張部１１２の巻取機構は、不図示のモータをオン／オフさせることにより、ハーネスワイヤ１１１を巻き取ったり繰り出したりする。このような構成により、転倒防止ハーネス装置は、訓練者９００が転倒しそうになった場合に、その動きを検知した全体制御部２１０の指示に従ってハーネスワイヤ１１１を巻き取り、装具１１０により訓練者９００の上体を支えて、訓練者９００の転倒を防ぐ。

装具１１０は、訓練者９００の姿勢を検出するための姿勢センサ２１７を備える。姿勢センサ２１７は、例えばジャイロセンサと加速度センサを組み合わせたものであり、装具１１０が装着された腹部の重力方向に対する傾斜角を出力する。

管理用モニタ１３９は、フレーム１３０に取り付けられており、主に訓練スタッフ９０１が監視及び操作するための表示入力装置である。管理用モニタ１３９は、例えば液晶パネルであり、その表面にはタッチパネルが設けられている。管理用モニタ１３９は、訓練設定に関する各種メニュー項目や、訓練時における各種パラメータ値、訓練結果などを表示する。

歩行補助装置１２０は、訓練者９００の患脚に装着され、患脚の膝関節における伸展及び屈曲の負荷を軽減することにより訓練者９００の歩行を補助する。歩行補助装置１２０は、足裏荷重を計測するセンサ等を備え、運脚に関する各種データを全体制御部２１０へ出力する。また、装具１１０は、回転部を有する接続部材（以下、ヒップジョイント）を用いて、歩行補助装置１２０と接続しておくこともできる。歩行補助装置１２０の詳細については後述する。

なお、本実施形態において、「脚」及び「脚部」は、股関節より下部全体を示す用語として用いられ、「足」及び「足部」は、足首からつま先までの部分を示す用語として用いられる。

本実施形態１においては動作支援システムの一例として歩行訓練装置１００を説明するが、動作支援システムはこれに限定されない。例えば、動作支援システムは、訓練者のリハビリ支援を行う任意のリハビリ支援装置ないしリハビリ支援システムであってもよい。例えば、リハビリ支援システムは、肩や腕のリハビリを支援する上肢リハビリ支援システムであってもよい。或いは、リハビリ支援システムは、訓練者のバランス能力のリハビリを支援するリハビリ支援システムであってもよい。また、動作支援システムは、上述したようなリハビリ支援システムに限られず、ユーザである健常者が軽作業など所定の動作を行う際に装着して使用するものや、ユーザである健常者が所定の身体の部位を鍛えるために使用するものであってもよい。

次に、歩行補助装置１２０について、図２を用いて説明する。図２は、歩行補助装置１２０の一構成例を示す概略斜視図である。歩行補助装置１２０は、主に、制御ユニット１２１と、患脚の各部を支える複数のフレームと、足裏に印加される荷重を検出するための荷重センサ２２２と、を備える。

制御ユニット１２１は、歩行補助装置１２０の制御を行う補助制御部２２０を含み、また、膝関節の伸展運動及び屈曲運動を補助するための駆動力を発生させる不図示のモータを含む。患脚の各部を支えるフレームは、上腿フレーム１２２と、上腿フレーム１２２に回動自在に連結された下腿フレーム１２３と、を含む。また、このフレームは、下腿フレーム１２３に回動自在に連結された足平フレーム１２４と、前側ワイヤ１３４を連結するための前側連結フレーム１２７と、後側ワイヤ１３６を連結するための後側連結フレーム１２８と、を含む。

上腿フレーム１２２と下腿フレーム１２３は、図示するヒンジ軸Ｈ_ａ周りに相対的に回動する。制御ユニット１２１のモータ１２１Ｍは、補助制御部２２０の指示に従って回転して、上腿フレーム１２２と下腿フレーム１２３がヒンジ軸Ｈ_ａ周りに相対的に開くように加勢したり、閉じるように加勢したりする駆動モータである。制御ユニット１２１に収められた角度センサ２２３は、例えばロータリエンコーダであり、ヒンジ軸Ｈ_ａ周りの上腿フレーム１２２と下腿フレーム１２３の成す角を検出する。下腿フレーム１２３と足平フレーム１２４は、図示するヒンジ軸Ｈ_ｂ周りに相対的に回動する。相対的に回動する角度範囲は、調整機構１２６によって事前に調整される。

前側連結フレーム１２７は、上腿の前側を左右方向に伸延し、両端で上腿フレーム１２２に接続するように設けられている。また、前側連結フレーム１２７には、前側ワイヤ１３４を連結するための連結フック１２７ａが、左右方向の中央付近に設けられている。後側連結フレーム１２８は、下腿の後側を左右方向に伸延し、両端でそれぞれ上下に伸延する下腿フレーム１２３に接続するように設けられている。また、後側連結フレーム１２８には、後側ワイヤ１３６を連結するための連結フック１２８ａが、左右方向の中央付近に設けられている。

上腿フレーム１２２は、上腿ベルト１２９を備える。上腿ベルト１２９は、上腿フレームに一体的に設けられたベルトであり、患脚の上腿部に巻き付けて上腿フレーム１２２を上腿部に固定する。これにより、歩行補助装置１２０の全体が訓練者９００の脚部に対してずれることを防止している。

荷重センサ２２２は、足平フレーム１２４に埋め込まれた荷重センサである。荷重センサ２２２は、訓練者９００の足裏が受ける垂直荷重の大きさと分布を検出し、例えばＣＯＰ（Center Of Pressure：荷重中心）を検出するように構成することもできる。荷重センサ２２２は、例えば、電極がマトリックス状に配置された抵抗変化検出型の荷重検出シートである。

次に、図３を参照しながら、歩行訓練装置１００のシステム構成例について説明する。図３は、歩行訓練装置１００のシステム構成例を示すブロック図である。図３に示すように、歩行訓練装置１００は、全体制御部２１０、トレッドミル駆動部２１１、操作受付部２１２、表示制御部２１３、及び引張駆動部２１４を備えることができる。また、歩行訓練装置１００は、ハーネス駆動部２１５、画像処理部２１６、姿勢センサ２１７、手摺りセンサ２１８、通信接続ＩＦ（インターフェース）２１９及び歩行補助装置１２０を備えることができる。

全体制御部２１０は、例えばＭＰＵ（Micro Processing Unit）であり、システムメモリから読み込んだ制御プログラムを実行することにより、装置全体の制御を実行する。全体制御部２１０は、例えば、各種センサから取得したデータを用いて、訓練者９００の歩行動作が異常歩行であるか否かを評価する。また、全体制御部２１０は、例えば、異常歩行の積算数に基づいて、一連の歩行訓練に対する訓練結果を判定する。全体制御部２１０は、この判定結果或いはその元となった異常歩行の積算数などをリハビリデータの一部として生成できる。全体制御部２１０は、選択アシストレベル設定部２１０a、歩行周期検出部２１０ｂ、及び推奨アシストレベル決定部２１０ｃを有する。

選択アシストレベル設定部２１０ａは、実行する歩行訓練のアシストレベルの設定を行う。選択アシストレベルは、歩行訓練において実際に設定されるアシストレベルである。選択アシストレベルは例えばＰＴなどの訓練スタッフが決定したアシストレベルに設定される。より具体的には、選択アシストレベル設定部２１０ａは、操作受付部２１２を介して選択アシストレベルを設定する指示を受ける。指示を受けた選択アシストレベル設定部２１０ａは、歩行補助装置１２０に対して、設定された選択アシストレベルで動作することを指示する。選択アシストレベルは、ＰＴなどから受ける操作により適宜変更される。

歩行周期検出部２１０ｂは、訓練中の訓練者９００の歩行周期を検出する。歩行周期検出部２１０ｂは、例えば、歩行補助装置１２０の荷重センサ２２２から取得するデータから患脚の足裏がトレッドミル１３１に接地しているか否か、或いは、足裏が接地している時間である立脚期と足裏が接地していない遊脚期とを判定する。そして、歩行周期検出部２１０ｂは、訓練者９００の歩行パターンを検出する。なお、歩行周期の詳細については後述する。歩行周期検出部２１０ｂは、荷重センサ２２２から取得するデータに代えて、カメラ１４０により撮像した訓練者９００の身体の画像から訓練者を認識し、認識した訓練者９００の画像から歩行パターンを検出してもよい。歩行周期検出部２１０ｂは、上述の手段に代えて、歩行補助装置１２０が有する荷重センサ２２２や角度センサ２２３が生成するデータから歩行パターンを検出してもよい。

推奨アシストレベル決定部２１０ｃは、歩行補助装置１２０から負荷データや変位データを取得するとともに、記憶部２０９が記憶している参照データを読取り、推奨するアシストレベル（推奨アシストレベル）を決定する。負荷データは、例えばモータ１２１Ｍの消費電力又は消費電流であってもよい。また制御ユニット１２１がトルクセンサ（不図示）を有している場合には、負荷データは、トルクセンサの出力であってもよい。変位データは、角度センサ２２３の出力である。推奨アシストレベル決定部２１０ｃは、記憶部２０９が記憶する統計データを読取り、読取った統計データから、推奨アシストレベルを決定するものであってもよい。

なお、統計データは、過去に行った訓練についての、アシストレベル、負荷データ及び変位センサの出力を収集して生成されたものである。全体制御部２１０は、このような統計データを生成し、生成した統計データを記憶部２０９に記憶させる。

トレッドミル駆動部２１１は、ベルト１３２を回転させるモータとその駆動回路を含む。全体制御部２１０は、トレッドミル駆動部２１１へ駆動信号を送ることにより、ベルト１３２の回転制御を実行する。全体制御部２１０は、例えば、訓練スタッフ９０１によって設定された歩行速度に応じて、ベルト１３２の回転速度を調整する。

操作受付部２１２は、訓練スタッフ９０１からの入力操作を受け付けて、操作信号を全体制御部２１０へ送信する。訓練スタッフ９０１は、操作受付部２１２を構成する、装置に設けられた操作ボタンや管理用モニタ１３９に重畳されたタッチパネル、付属するリモコン等を操作する。この操作により、電源のオン／オフやトレーニングの開始の指示を与えることや、設定に関する数値の入力やメニュー項目の選択を行うことができる。なお、操作受付部２１２は、訓練者９００からの入力操作を受け付けることもできる。

表示制御部２１３は、全体制御部２１０からの表示信号を受け取って表示画像を生成し、訓練用モニタ１３８又は管理用モニタ１３９に表示する。表示制御部２１３は、表示信号に従って、トレーニングの進捗を示す画像や、カメラ１４０で撮影したリアルタイム映像を生成する。

引張駆動部２１４は、前側引張部１３５を構成する、前側ワイヤ１３４を引張するためのモータとその駆動回路と、後側引張部１３７を構成する、後側ワイヤ１３６を引張するためのモータとその駆動回路と、を含む。全体制御部２１０は、引張駆動部２１４へ駆動信号を送ることにより、前側ワイヤ１３４の巻き取りと後側ワイヤ１３６の巻き取りをそれぞれ制御する。また、巻き取り動作に限らず、モータの駆動トルクを制御することにより、各ワイヤの引張力を制御する。全体制御部２１０は、例えば、荷重センサ２２２の検出結果から患脚が立脚状態から遊脚状態に切り替わるタイミングを同定し、そのタイミングに同期して各ワイヤの引張力を増減させることにより、患脚の振出し動作をアシストする。

ハーネス駆動部２１５は、ハーネス引張部１１２を構成する、ハーネスワイヤ１１１を引張するためのモータとその駆動回路を含む。全体制御部２１０は、ハーネス駆動部２１５へ駆動信号を送ることにより、ハーネスワイヤ１１１の巻き取りと、ハーネスワイヤ１１１の引張力を制御する。全体制御部２１０は、例えば、訓練者９００の転倒を予測した場合に、ハーネスワイヤ１１１を一定量巻き取って、訓練者の転倒を防止する。

画像処理部２１６は、カメラ１４０に接続されており、カメラ１４０から画像信号を受け取ることができる。画像処理部２１６は、全体制御部２１０からの指示に従って、カメラ１４０から画像信号を受け取り、受け取った画像信号を画像処理して画像データを生成する。また、画像処理部２１６は、全体制御部２１０からの指示に従って、カメラ１４０から受け取った画像信号に画像処理を施して、特定の画像解析を実行することもできる。例えば、画像処理部２１６は、トレッドミル１３１に接する患脚の足の位置（立脚位置）を、画像解析により検出する。具体的には、例えば、足平フレーム１２４の先端近傍の画像領域を抽出し、当該先端部と重なるベルト１３２上に描かれた識別マーカを解析することにより、立脚位置を演算する。

姿勢センサ２１７は、上述の通り、訓練者９００の腹部の重力方向に対する傾斜角を検出して、検出信号を全体制御部２１０へ送信する。全体制御部２１０は、姿勢センサ２１７からの検出信号を用いて、訓練者９００の姿勢、具体的には体幹の傾斜角を演算する。なお、全体制御部２１０と姿勢センサ２１７は、有線で接続されていても良いし、近距離無線通信で接続されていても良い。

手摺りセンサ２１８は、手摺り１３０ａに加わる荷重を検出する。つまり、訓練者９００が両脚で自身の体重を支えきれない分の荷重が手摺り１３０ａに加わる。手摺りセンサ２１８は、この荷重を検出して、検出信号を全体制御部２１０へ送信する。

記憶部２０９は、フラッシュメモリ、ＳＳＤ（Solid State Drive）またはＨＤＤ（Hard Disc Drive）などの不揮発性のメモリを含む記憶装置であって、推奨アシストレベルを決定するために用いられる参照データを予め記憶している。なお、推奨アシストレベル及びアシストレベルの詳細については後述する。記憶部２０９は、アシストレベル、負荷データ及び変位センサの出力を収集して生成した統計データを記憶してもよい。

通信接続ＩＦ２１９は、全体制御部２１０に接続されたインターフェースであり、訓練者９００の患脚に装着される歩行補助装置１２０に指示を与えたり、センサ情報を受け取ったりするためのインターフェースである。

歩行補助装置１２０は、通信接続ＩＦ２１９と有線又は無線によって接続される通信接続ＩＦ２２９を備えることができる。通信接続ＩＦ２２９は、歩行補助装置１２０の補助制御部２２０に接続されている。通信接続ＩＦ２１９、２２９は、通信規格に則った例えば有線ＬＡＮ又は無線ＬＡＮ等の通信インターフェースである。

また、歩行補助装置１２０は、補助制御部２２０、関節駆動部２２１、荷重センサ２２２、及び角度センサ２２３を備えることができる。補助制御部２２０は、例えばＭＰＵであり、全体制御部２１０から与えられた制御プログラムを実行することにより、歩行補助装置１２０の制御を実行する。また、補助制御部２２０は、歩行補助装置１２０の状態を、通信接続ＩＦ２１９、２２９を介して全体制御部２１０へ通知する。また、補助制御部２２０は、全体制御部２１０からの指示を受けて、歩行補助装置１２０の起動／停止等の制御を実行する。補助制御部２２０は、負荷データ取得部２２０ａを有している。負荷データ取得部２２０ａは、歩行補助装置１２０の負荷に関するデータ（負荷データ）を取得し、取得した負荷データを全体制御部２１０へ供給する。

関節駆動部２２１は、制御ユニット１２１のモータ１２１Ｍとその駆動回路を含む。補助制御部２２０は、関節駆動部２２１へ駆動信号を送ることにより、上腿フレーム１２２と下腿フレーム１２３がヒンジ軸Ｈ_ａ周りに相対的に開くように加勢したり、閉じるように加勢したりする。このような動作により、膝の伸展動作及び屈曲動作をアシストしたり、膝折れを防止したりする。

なお、関節駆動部２２１は、制御ユニット１２１のモータ１２１Ｍの駆動力を予め設定されたレベルに切り替えることができる。制御ユニット１２１におけるこのモータ１２１Ｍの駆動力の切り替えは、アシストレベルとして設定される。すなわち、本実施形態におけるアシストレベルとは、歩行訓練を行う訓練者９００に対して行うアシスト動作の強さを示すレベルである。アシストレベルの詳細については後述する。

荷重センサ２２２は、上述の通り訓練者９００の足裏が受ける垂直荷重の大きさと分布を検出して、検出信号を補助制御部２２０へ送信する。補助制御部２２０は、検出信号を受け取り解析することにより、遊脚／立脚の状態判別等を行うことができる。

角度センサ２２３は、上述の通りヒンジ軸Ｈ_ａ周りの上腿フレーム１２２と下腿フレーム１２３の成す角を検出して、検出信号を補助制御部２２０へ送信する。補助制御部２２０は、この検出信号を受け取って膝関節の開き角を演算する。

（アシストレベル）
次に、本実施形態におけるアシストレベルについて詳細を説明する。本実施形態における歩行訓練装置１００は、訓練者９００の歩行訓練を行う際に、歩行補助装置１２０が訓練者の歩行動作を補助（アシスト）する。より具体的には、歩行補助装置１２０は、訓練者の歩行周期に合わせて患脚の膝の伸展動作又は屈曲動作を加勢する。

図４を参照しながら訓練者９００の歩行周期について説明する。図４は、訓練者の歩行周期の例を示す図である。図に示されているのは、左から右へ向かって歩行する訓練者９００の患脚である右脚に着目した場合における１周期分の歩行軌跡である。歩行軌跡は、右脚が床面に接した位置を０％とし、１周期分の歩行を行った位置を１００％として示されている。

１周期分の歩行周期は、０〜１０％の両脚支持期１、１０〜５０％の立脚期、５０〜６０％の両脚支持期２及び６０〜１００％の遊脚期に分類されている。両脚支持期１は、立脚初期であり、反対側の脚である左脚も床面に接している状態である。立脚期は、着目した方の脚である右脚（患脚）が床面に接し、反対側の左脚が床面から離れた状態である。両脚支持期２は、立脚終期であり、反対側の脚である左脚も床面に接している状態である。遊脚期は、着目した方の脚である右脚が床面から離れた状態である。

右脚に麻痺を患う訓練者９００は、図に示した歩行周期の内、立脚期に自身の体重を支えることが難しい場合がある。このような場合、訓練者９００は、膝が大きく屈曲してしまい「膝折れ」を起こす可能性がある。膝折れとは、膝伸展機能の低下に伴い、膝が屈曲して伸展位を保持できない状態であって、歩行時に膝が無意識に折れ曲がる現象をいう。また、歩行周期の３０％前後の位置では、膝を伸展させる必要があるが、訓練者９００は、膝が屈曲した後に、これを伸展させることができない可能性がある。そこで、制御ユニット１２１のモータ１２１Ｍは、立脚期における所定のタイミングで膝の曲がり過ぎを抑制したり、膝の伸展を加勢したりするように駆動する。

次に、図５を参照して膝関節の角度について説明する。図５は、患脚の膝伸展角度の例を示す図である。図は、患脚側の下半身である麻痺体部を歩行方向に対して側方から観察した場合の模式図であり、上から順に、体幹ＴＬ，股関節ＨＪ，大腿ＨＬ、膝関節ＮＪ、下腿ＣＬ、足関節ＦＪ、足ＦＬを示している。また下腿ＣＬを上方に延伸させた延長線として、下腿延長線ＣＬＬが点線により示されている。そして、大腿ＨＬと、下腿延長線ＣＬＬとが成す角度は、膝伸展角度Ａとして示されている。図５に示した模式図は、訓練者９００の患脚が立脚期にあり床面に接している状態である。

図に示した立脚期の状態における健常者の膝伸展角度Ａは、１０〜１５度である。したがって、訓練者９００の歩行においても、立脚期における最大の膝伸展角度Ａは１０〜１５度くらいが好ましい。しかし、訓練者９００が自身の体重を支えきれない場合に、膝伸展角度Ａは１５を大きく超える場合がある。そこで、膝関節ＮＪに装着されている制御ユニット１２１のモータ１２１Ｍは、膝伸展角度Ａが予め設定された値を越えた場合に、これを所定の範囲に戻す方向に駆動する。

次に図６を参照しながら膝伸展角度Ａとモータ１２１Ｍのトルクとの関係について説明する。図６は、アシストレベルの例を示す第１の図である。図に示すグラフは、横軸が膝伸展角度Ａを示し、縦軸がモータ１２１ＭのトルクＴを示している。また図に実線でプロットされた直線は、モータ１２１Ｍに設定されているアシストレベルを示している。本実施形態ではアシストレベルは１〜５の５段階に設定されている。

各アシストレベルは、膝伸展角度Ａが大きくなるほどモータトルクＴが大きくなるように設定されている。また本実施形態に示す例では、所定の膝伸展角度に対するモータトルクＴの値は、アシストレベル１が最も弱く、アシストレベル５が最も高い。したがって、訓練スタッフは、強力なアシストを必要とする訓練者に対しては、例えばアシストレベル５を選択する。また、訓練スタッフは、訓練者の回復度に合わせてアシストレベルを適宜変更する。

制御ユニット１２１には図中に点線により示された閾値Ａｔｈが設定されている。閾値Ａｔｈは、１２１Ｍが駆動開始する際の閾値である。つまり、歩行訓練の立脚期において膝伸展角度Ａが閾値Ａｔｈを越えた場合には、モータ１２１Ｍが駆動し、膝の伸展動作をアシストする。膝の伸展動作のアシストを開始する際のモータトルクＴは、設定されているアシストレベルにより決定される。

図７を参照しながらアシストレベルの具体例について説明する。図７はアシストレベルの例を示す第２の図である。図に示すグラフは、歩行訓練の際にアシストレベル３が選択された状態である。また、図に示す点Ｐ１１は、患脚の膝伸展角度が閾値Ａｔｈを越えて角度Ａ１となっていることを示している。この場合、モータ１２１Ｍは、膝伸展角度が閾値Ａｔｈより小さくなり、範囲Ｒ１０に収まるように訓練者９００の膝の伸展動作をアシストする。図に示す点Ｐ１２は、モータ１２１Ｍによるアシストを受けた患脚の膝伸展角度が閾値Ａｔｈより小さくなったことを示している。

図に示すトルクＴ１は、モータ１２１Ｍが実際に患脚をアシストした際に出力したトルクである。また図に示すトルクＴ２は、膝伸展角度が角度Ａ１においてアシストレベル３が設定されたモータ１２１Ｍが出力可能なトルクである。図に示す例において、モータ１２１Ｍは、角度Ａ１において最大トルクＴ２で駆動可能であった。しかし、図にプロットされた点Ｐ１１及び点Ｐ１２の推移を観察することにより、モータ１２１Ｍは、実際にはトルクＴ１でアシストを行うことができたことが分かる。このようにモータ１２１Ｍが最大トルクＴ２よりも低いトルクによりアシストを行うことになるのは、訓練者９００が自身の力を使って膝を伸展しようとしているからである。つまり、訓練者９００の患脚が角度Ａ１から範囲Ｒ１０に収まるように推移する間は、訓練者９００自身の力とモータ１２１Ｍの力との合力が訓練者の関節に作用している。

制御ユニット１２１のモータ１２１Ｍが行うアシストのアシストレベルは上述のように設定される。閾値Ａｔｈは、例えば２０度や２５度など、１５度を少し超えた値が好ましい。そして歩行訓練は膝伸展角度Ａが、図に示した範囲Ｒ１０に収まるように行われるのが好ましい。範囲Ｒ１０を超えないようにアシストを行うことにより、歩行訓練装置１００は、適正な訓練を提供できる。なお、ここではアシストレベルを５段階として例示したが、アシストレベルは２段階以上であればよい。また上述の閾値Ａｔｈは、アシストするタイミングにより適宜変更されてもよい。

以上、アシストレベルについて説明した。ところで、歩行訓練装置１００を利用した歩行訓練を効果的に行うためには、適切なアシストレベルを設定することが重要となる。例えば、アシストレベルの設定が高すぎる場合は、訓練者９００はモータ１２１Ｍのアシストに頼り過ぎてしまい、自身の力を発揮しない。そのような場合は運動の学習効果が得られなくなる。しかし、アシストレベルの設定が低すぎると訓練者９００は膝の伸展動作を充分に行うことができない可能性がある。その場合、訓練者９００の訓練に対するモチベーションが低下したり、或いは、歩行中に訓練者９００が転倒する可能性が高くなったりする。このような状態になるのを防ぐため、アシストレベルは、最小限のアシストが可能なレベルに設定されるのが好ましい。

しかし、訓練スタッフの技量に頼ってアシストレベルを設定すると、アシストレベルの設定に対する個人差が大きくなる可能性がある。例えばベテランのＰＴは、アシストレベルを上述のような適切なレベルに設定できる。しかし、経験が少ない訓練スタッフの場合には、適切にアシストレベルを設定できず、その結果として効果的な訓練が行われなくなる可能性がある。そこで、本実施形態における歩行訓練装置１００は、記憶部２０９が記憶している参照データを用いて、ベテランのＰＴが訓練を行う際に採用するアシストレベルに相当する推奨アシストレベルを提示する。

次に、図８を参照して歩行訓練装置１００が推奨アシストレベルを提示する方法について説明する。図８は、実施形態１にかかる歩行訓練装置１００の処理を示すフローチャートである。図に示すフローチャートは訓練者９００がトレッドミル１３１の所定の位置で歩行補助装置１２０を装着した状態を前提としている。

まず、歩行訓練を開始するために、ＰＴ等の訓練スタッフ９０１は、歩行訓練装置１００に対して所定の設定を行う。所定の設定には、訓練スタッフ９０１が選択するアシストレベルの設定も含まれる。全体制御部２１０は、操作受付部２１２を介して、選択アシストレベルを受け付ける（ステップＳ１１）。

次に、訓練スタッフ９０１の操作により、歩行訓練装置１００は動作を開始する（ステップＳ１２）。歩行訓練装置１００の動作が開始されると、トレッドミル１３１が駆動し、訓練者９００は歩行を開始する。

次に、全体制御部２１０の歩行周期検出部２１０ｂは、上述した方法により歩行周期を検出する（ステップＳ１３）。

次に、推奨アシストレベル決定部２１０ｃは、歩行補助装置１２０から負荷データ及び変位データを取得する（ステップＳ１４）。

さらに、推奨アシストレベル決定部２１０ｃは、取得した負荷データ及び変位データから推奨アシストレベルを決定する（ステップＳ１５）。

次に、全体制御部２１０は、決定した推奨アシストレベルを出力して、訓練スタッフ９０１に通知する（ステップＳ１６）。より具体的には、例えば訓練用モニタ１３８又は管理用モニタ１３９に、推奨アシストレベルを表示する。すなわちこの場合、訓練用モニタ１３８又は管理用モニタ１３９は、推奨アシストレベルを訓練スタッフ９０１などのユーザに通知する通知部である。なお、推奨アシストレベルの通知手段は、これに限られず、音声、振動又はＬＥＤの発光などを用いてもよい。

図９を参照してステップＳ１５にかかる推奨アシストレベルを決定する処理について詳細を説明する。図９は、実施形態１にかかる推奨アシストレベルを決定する条件の例を示す図である。図に示したグラフは記憶部２０９が記憶している参照データを示している。本実施形態において、記憶部２０９が記憶している参照データは、選択されたアシストレベル（選択アシストレベル）ごとに設定されている。したがって、推奨アシストレベル決定部２１０ｃは、選択アシストレベルに対応する参照データを読取る。ここでは具体例として、アシストレベル３が選択されたものとして、選択アシストレベルが３の参照データが示されている。

図に示したグラフの横軸は膝伸展角度Ａを示しており、縦軸はモータ１２１Ｍの負荷ＬＤを示している。膝伸展角度Ａには、閾値Ａｔｈ、角度Ａ２及び角度Ａ３が設定されており、負荷ＬＤには、負荷ＬＤ２及び負荷ＬＤ３が設定されている。グラフ内は閾値Ａｔｈ、角度Ａ２、角度Ａ３、負荷ＬＤ２及び第２負荷ＬＤ３を境界として領域１〜領域４の４つの領域に分けられている。領域１は角度Ａｔｈ〜Ａ２且つ負荷ＬＤ２〜ＬＤ３の範囲である。領域２は角度Ａ２〜Ａ３且つ負荷ＬＤ２〜ＬＤ３の範囲である。領域３は角度Ａｔｈ〜Ａ２且つ負荷０〜ＬＤ２の範囲である。領域４は角度Ａ２〜Ａ３且つ負荷０〜ＬＤ２の範囲である。

推奨アシストレベル決定部２１０ｃは、取得した角度データ及び負荷データを参照データにプロットする。そして、推奨アシストレベル決定部２１０ｃは、プロットされたデータが属している領域から、推奨アシストレベルを決定する。

例えば領域１は、比較的に小さい角度の範囲で比較的に大きい負荷がモータ１２１Ｍに掛かっている。この場合、推奨アシストレベル決定部２１０ｃは、選択アシストレベルを維持することを決定する。

領域２は、比較的に大きい角度で比較的に大きい負荷がモータ１２１Ｍに掛かっている。すなわち訓練者９００は、膝伸展角度Ａが健常者の歩行より大きく、且つ、強いアシストを必要としている。そのため、取得したデータが領域２に属する場合、推奨アシストレベル決定部２１０ｃは、推奨アシストレベルとして、選択アシストレベルよりも高いアシストレベルを提示することを決定する。例えば、選択アシストレベルが３の場合、推奨アシストレベル決定部２１０ｃは、推奨アシストレベルを４にすることを決定する。

領域３は、比較的に小さい角度で比較的に小さい負荷がモータ１２１Ｍに掛かっている。すなわち訓練者９００は、膝伸展角度Ａが健常者の歩行に近く、且つ、アシストをあまり受けずに歩行している。そのため、取得したデータが領域３に属する場合、推奨アシストレベル決定部２１０ｃは、推奨アシストレベルとして、選択アシストレベルよりも低いアシストレベルを提示することを決定する。例えば、選択アシストレベルが３の場合、推奨アシストレベル決定部２１０ｃは、推奨アシストレベルを２にすることを決定する。

例えば領域４は、比較的に大きい角度の範囲で比較的に小さい負荷がモータ１２１Ｍに掛かっている。この場合、推奨アシストレベル決定部２１０ｃは、選択アシストレベルを維持することを決定する。

図に示したグラフには、具体例として、図７で例示した点Ｐ１１が示されている。点Ｐ１１は角度Ａ１であって負荷ＬＤ１であり、領域３に属している。そこで、この場合、推奨アシストレベル決定部２１０ｃは、推奨アシストレベルを２にすることを決定する。

図１０を参照して、記憶部２０９が記憶する参照データの別の例を説明する。図１０は、推奨アシストレベルを決定する条件の第２の例を示す図である。図１０に例示するグラフは、任意のアシストレベルにおける参照データである。図に示す参照データは、領域１１〜領域１４を有しているが、各領域は非線形の領域を有している点において図９に示した例と異なる。また、取得したデータが領域１４に属する場合、推奨アシストレベル決定部２１０ｃは、アシストレベルを２段階上げることを決定する。このように、参照データは、様々なパターンのデータにより構成することができる。なお、参照データは上述のパターンに限られない。例えば、参照データは、上述のように相対的にアシストレベルを変化させるか否かを決定するものでなく、所定の領域に属す場合には推奨アシストレベルをいくつにするかを決定してもよい。

以上、実施形態１について説明した。上述の通り、実施形態１にかかる歩行訓練装置１００は、ユーザが行った動作から取得したアシストレベル、負荷データ、及び変位センサの出力から、推奨するアシストレベルを決定できる。このような構成は、上述の歩行訓練装置に限らず、種々の動作支援システムにも適用可能である。なお、実施形態１にかかる歩行訓練装置１００は、動作支援装置と称されてもよい。歩行訓練装置１００は、動作支援装置の作動方法を実行するものである。歩行訓練装置１００が行う方法は、ハードウェアとソフトウェアとが協働して実行するものであってもよく、ソフトウェアがプログラムを実行することによりハードウェアを通じて実現されるものであってもよい。したがって、実施形態１によれば、適切なアシストレベルを設定するための動作支援システム等を提供することができる。

＜実施形態２＞
次に、実施形態２について説明する。実施形態２に係るリハビリ支援システムは、歩行訓練装置と接続するサーバが格納する学習済みモデルを使って推奨アシストレベルを決定する点が実施形態１と異なる。図１１は、実施形態２に係るリハビリ支援システムの一構成例を示す全体概念図である。実施形態２に係るリハビリ支援システム（リハビリシステム）は、主に、歩行訓練装置２００と、外部通信装置３００と、サーバ（サーバ装置）５００によって構成される。

歩行訓練装置２００のハードウェア構成は、外部通信装置３００と通信可能に接続している点が、実施形態１に係る歩行訓練装置１００と異なる。なお、既に説明した歩行訓練装置１００と共通する点においては、ここでの説明を省略する。

外部通信装置３００は、プロファイルデータやリハビリデータを外部に送信する送信手段の一具体例である。外部通信装置３００は、歩行訓練装置２００が出力するデータを受け取り、一時的に記憶する機能と、記憶しているデータをサーバ５００へ送信する機能と、を有することができる。

外部通信装置３００は、歩行訓練装置２００の制御盤１３３と例えばＵＳＢ（Universal Serial Bus）ケーブルによって接続される。また、外部通信装置３００は、インターネット又はイントラネット等のネットワーク４００と無線通信機器４１０を介して例えば無線ＬＡＮ（Local Area Network）によって接続されている。なお、歩行訓練装置２００は、外部通信装置３００の代わりに通信装置を備えておくこともできる。

サーバ５００は、プロファイルデータを受信して、受信したプロファイルデータを処理する情報処理手段の一具体例である。サーバ５００は、ネットワーク４００に接続されており、外部通信装置３００から受信したプロファイルデータを蓄積する機能を有する。サーバ５００の機能については後述する。

次に、図１２を参照しながら、歩行訓練装置２００のシステム構成例について説明する。図１２は、歩行訓練装置２００のシステム構成例を示すブロック図である。歩行訓練装置２００は、入出力ユニット２３１を有する点が、歩行訓練装置１００と異なる。また、歩行訓練装置２００は、参照データを記憶する記憶部２０９及び推奨アシストレベル決定部２１０ｃを有していない点が、歩行訓練装置１００と異なる。

入出力ユニット２３１は、例えばＵＳＢ（Universal Serial Bus）インターフェースを含み、外部の機器（外部通信装置３００や他の外部機器）と接続するための通信インターフェースである。入出力ユニット２３１は、所定のデータを外部装置への入力として出力する出力部としての機能と、外部装置から所定のデータを受け取る入力部としての機能とを担う。

全体制御部２１０の入出力制御部２１０ｄは、入出力ユニット２３１を介して外部の機器と通信し、上述した全体制御部２１０内の制御プログラムや補助制御部２２０内の制御プログラムの書換え、コマンドの受け入れ、所定のデータの出力などを行う。

全体制御部２１０は、訓練を行う際の訓練者に関する種々の情報を含む暫定アシストデータを生成する。暫定アシストデータは、立脚期の負荷データ及び変位データを少なくとも含み、さらに訓練者のプロファイルデータを含む。プロファイルデータは、例えば、罹患した疾患の症状情報、機能的自立度評価法に基づく認知レベル、脳卒中機能評価法に基づく評価スコア、運動能力を評価した運動能力レベル、回復度を示すデータ及び訓練者の属性を示すデータなどを含むことができる。

上記構成により、歩行訓練装置２００は、入出力制御部２１０ｄの制御により、入出力ユニット２３１及び外部通信装置３００を介してサーバ５００との通信を行う。例えば、入出力制御部２１０ｄは、入出力ユニット２３１及び外部通信装置３００を介して、上述の暫定アシストデータをサーバ５００に送信する。また入出力制御部２１０ｄは、送信した暫定アシストデータに対応する推奨アシストレベルを受信する制御を行う。

次に、サーバ５００の詳細について説明する。サーバ５００は、ネットワーク４００を介して歩行訓練装置２００から暫定アシストデータを受信し、受信した暫定アシストデータを処理する。暫定アシストデータを処理する際に、サーバ５００は、予め記憶している学習済みモデルを利用する。学習済みモデルは、複数の教師データを利用して機械学習を行うことにより生成される。サーバ５００は、学習済みモデルを利用して、受信した暫定アシストデータから推奨するアシストレベルを決定する。サーバ５００は、ネットワーク４００を介して、処理結果であるアシストレベルを歩行訓練装置２００に送信する。なお、サーバ５００は、複数の歩行訓練装置２００から複数の暫定アシストデータを受信するように構成しておくことができる。これにより、サーバ５００は、多くの暫定アシストデータを収集できる。

図１２は、サーバ５００の一構成例を示すブロック図である。図１２に示すように、サーバ５００は、制御部５１０、通信ＩＦ５１４、データ蓄積部５２０、及びモデル記憶部５２１を備えることができる。制御部５１０は、例えばＭＰＵであり、システムメモリから読み込んだ制御プログラムを実行することにより、サーバ５００の制御を実行する。制御部５１０は、後述するデータ取得部５１０ａ、学習部５１０ｂ、及び応答処理部５１０ｃを備えることができ、この場合、上記の制御プログラムはこれらの部位５１０ａ〜５１０ｃの機能を実現させるためのプログラムを含む。

通信ＩＦ５１４は、例えば有線ＬＡＮインターフェースを含み、ネットワーク４００と接続するための通信インターフェースである。制御部５１０は、通信ＩＦ５１４を介して、歩行訓練装置２００からの暫定アシストデータを受信することができ、歩行訓練装置２００へ処理結果を送信できる。

データ蓄積部５２０は、例えばＨＤＤ（hard disk drive）やＳＳＤ（solid state Drive）等の記憶装置を有しており、リハビリデータを記憶する。制御部５１０は、通信ＩＦ５１４を介して外部通信装置３００から受信した暫定アシストデータをデータ蓄積部５２０へ書き込む。

モデル記憶部５２１もＨＤＤやＳＳＤ等の記憶装置を有している。なお、データ蓄積部５２０とモデル記憶部５２１とは共通の記憶装置を有することもできる。サーバ５００が歩行訓練装置２００と協働してリハビリ支援処理を実行する場合、モデル記憶部５２１には少なくとも運用可能な学習済みモデルが記憶されている。

サーバ５００は、歩行訓練装置２００から受信した暫定アシストデータに対して推奨アシストレベルを出力する機能の他に、学習済みモデルを生成するための学習装置としての機能も有している。すなわち、制御部５１０は、学習装置としての機能と学習済みモデルによりリハビリ支援処理を行う機能とを切り替える制御を行うように構成できる。但し、サーバ５００は、学習段階で用いる装置と学習済みモデルを伴う運用段階で用いる装置とで分散させておくこともできる。

データ取得部５１０ａは、学習段階では、暫定アシストデータ及びこの暫定アシストデータに対応して選択されたアシストレベルである選択アシストレベルを取得する。またデータ取得部５１０ａは、リハビリ支援処理を行う場合には、任意の暫定アシストデータを取得する。

学習部５１０ｂは、サーバ５００を学習装置として機能させるために設けられており、応答処理部５１０ｃは、サーバ５００にリハビリ支援処理の一部を実行させるために設けられている。

モデル記憶部５２１は、未学習（学習中である場合も含む）の学習モデル（以下、未学習モデル）及び学習済みの学習モデル（以下、学習済みモデル）の少なくとも一方を記憶する。学習装置としてのサーバ５００は、各種データを処理する処理装置である。例えば、サーバ５００は、取得した暫定アシストデータ及び教師データを用いて機械学習を行って、学習済みモデルを生成する。なお、学習装置は学習モデル生成装置と称することもできる。サーバ５００が学習装置として機能するとき、モデル記憶部５２１には少なくとも未学習の学習モデルが記憶されている。

（プロファイルデータ）
ここで、プロファイルデータについて説明する。サーバ５００が取得するプロファイルデータは、訓練者に関する情報を示すデータであって、以下に示す（１）〜（５）の情報のうち、少なくとも１つの情報が含まれる。

（１）訓練者が罹患した疾患の症状情報
症状情報は、脳卒中（脳血管障害）、脊髄損傷など、罹患した病気のタイプ（病名又は疾患名）とともにその部位（損傷部位）を含むことができ、タイプによってはその分類を含むことができる。例えば、脳卒中は、脳梗塞、頭蓋内出血（脳出血／くも膜下出血）などに分類されることができる。また、症状情報には、上述の内容に付随して、初期症状、その発症時期、現在の症状を示す情報を含むことができる。症状情報には、主にここに含まれる症状のために訓練者がリハビリを必要としたと捉えることができる情報に加えて、リハビリとは直接関係なさそうな症状についても含めることができる。

（２）訓練者の機能的自立度評価法に基づく認知レベル
訓練者の認知レベルを評価する手法として、例えばＦＩＭ（Functional Independence Measure：機能的自立度評価表）が知られている。ＦＩＭは、ＡＤＬ（Activities of Daily Life）を評価する評価方法の一つを定めたものである。ＦＩＭでは、介助量に応じて１点〜７点の７段階で評価を行っている。

歩行訓練を行う訓練者の認知レベルを評価する場合は、歩行ＦＩＭが回復度を示す汎用の指標となる。歩行ＦＩＭは、１〜７点の７段階で認知レベルを評価する。例えば介助者なし、かつ装具（補助具）なしで５０ｍ以上歩行できた場合の評価は、最高点の７点である。また、一人の介助者がどんなに介助しても１５ｍ未満しか歩行できない場合の評価は、最低点の１点である。同様に、最小介助（介助量が２５％以下）で５０ｍ移動できる場合は４点、中程度介助（介助量２５％以上）で５０ｍ移動できる場合は３点となる。一般に、回復が進むにつれて、訓練者の歩行ＦＩＭは徐々に高くなる。

また、歩行ＦＩＭは、補装具を着用した場合などの評価時の条件での点数と捉えることができ、その場合、その評価時に適用した条件を示す情報を、歩行ＦＩＭを示す情報に付加しておくこともできる。条件とは、その情報を取得した際の、補高、使用した装具（例えば歩行補助装置１２０、他の歩行補助装置、装具なし等）、その装具における膝や足首の箇所における角度設定等の設定、平地歩行であったのか斜面歩行であったのかなどを含むことができる。また、通常、歩行ＦＩＭと言えば平地歩行での歩行ＦＩＭであり、これを示す平地歩行情報には、平地歩行評価時において最も歩行した距離（最大連続歩行距離［ｍ］）等の情報を含めることもできる。

（３）訓練者の脳卒中機能評価法に基づく評価スコア
訓練者が患っている脳卒中の機能障害を定量化するための評価手法として、例えば、ＳＩＡＳ（Stroke Impairment Assessment Set）が存在する。ＳＩＡＳには、股屈曲テスト（Hip-Flex）、膝伸展テスト（Knee-Ext）、足パット・テスト（Foot-Pat）を含むことができる。また、ＳＩＡＳには、下肢触覚（Touch L/E）、下肢位置覚（Position L/E）、腹筋力（Abdominal）、及び垂直性テスト（Verticality）を含むことができる。

（４）訓練者の回復度を示すデータ
上述した歩行ＦＩＭの変化を示すデータは、訓練者の回復度を示すデータ（指標データ）となり得る。例えば、初期歩行ＦＩＭから最新の歩行ＦＩＭへの変化量又は変化速度は、回復度を示す指標となる。変化速度は、ＦＩＭ効率と称することもでき、例えば、現在までのＦＩＭの利得（変化量）を、リハビリの実施日数、リハビリの期間を示す経過日数、或いは、訓練者が入院患者である場合には入院日数などの期間で除算した値とすることができる。

訓練者の回復度の示すデータは、Ｂｒ．ｓｔａｇｅ（Brunnstrom Recovery Stage）であってもよい。Ｂｒ．ｓｔａｇｅ（Brunnstrom Recovery Stage）は、片麻痺の回復過程について、観察からその回復段階を６段階に分けたものである。本実施形態において、訓練者の回復度を示すデータには、Ｂｒ．ｓｔａｇｅのうち、歩行訓練装置２００に関係する主な項目である下肢項目を含むことができる。

（５）訓練者の属性を示すデータ
訓練者の属性を示すデータは、例えば訓練者の年齢、性別、体格（身長、体重等）、体調の状態を示すスコアなどを含む。

以上、プロファイルデータについて詳細を説明したが、プロファイルデータは上述の内容に限られず、それぞれの目的を充足する情報を含むものであれば、別の種類の情報であっても構わない。また、プロファイルデータは、各データの測定日時などの情報を付加しておくことができる。

（学習段階）
次に、図１４を参照して、学習装置としてのサーバ５００が行う学習段階における処理について説明する。図１４は、学習装置であるサーバ５００における処理を説明するためのフローチャートである。

まずサーバ５００のデータ取得部５１０ａは、暫定アシストデータ及び選択アシストレベルを学習用データとして取得する（ステップＳ１）。すなわち、サーバ５００が学習を行うにあたり、暫定アシストデータ及び取得した暫定アシストデータに対応する選択アシストレベルが１セットの学習データとなる。

暫定アシストデータは、上述の通り、訓練者が罹患した疾患の症状情報、機能的自立度評価法に基づく認知レベル、脳卒中機能評価法に基づく評価スコア、運動能力を評価した運動能力レベル、回復度を示す情報及び訓練者の属性データの少なくとも１つのデータが含まれる。選択アシストレベルは、取得したプロファイルデータに対応して行われた訓練において選択されたアシストレベルである。ここでサーバ５００が取得する選択アシストレベルは、ベテランＰＴが効果的な訓練を行う際に選択したものである。

次に、サーバ５００の学習部５１０ｂは、取得した暫定アシストデータを入力層に適用し、対応する選択アシストレベルを教師データとして、学習を実行する（ステップＳ２）。

図１５は、学習装置に入力するデータの例を示す表である。図に示す表において、左に示した列の数字はデータセット番号（１、２、３・・・）である。データセット番号の右隣の列は、入力層に適用するパラメータ１としての歩行ＦＩＭのデータ（２、１、７・・・）である。歩行ＦＩＭの右隣の列は、パラメータ２としてのＳＩＡＳのデータ（３、２、６・・・）である。ＳＩＡＳの右隣の列は、パラメータ３としての膝伸展角度に対応する変位データ（データ１３、２３、３３・・・）である。変位データの右隣の列は、パラメータ４としての負荷データ（データ１４、２４、３４・・・）である。そして、負荷データの右隣の列は、教師データとしてのアシストレベル（２、５、１・・・）が示されている。

このように、学習装置に入力するデータは、入力層に適用する複数のパラメータと、出力層に適用する教師データを含んでいる。このような複数のデータセットを利用して学習を行うことにより、学習装置であるサーバ５００は、学習部５１０ｂに学習をさせる。学習部５１０ｂは、上述の学習用データを利用して、訓練者がリハビリ支援装置を利用する場合において選択すべきと推奨される補助装置のアシストレベルである推奨アシストレベルを決定することを学習する。

なお、ここで学習する学習モデルの種類やそのアルゴリズムは問わないが、アルゴリズムとして、ニューラルネットワークを用いることができ、特に、隠れ層を多層化した深層ニューラルネットワーク（ＤＮＮ）を用いることが好ましい。ＤＮＮとしては、例えば、誤差逆伝搬法を採用した多層パーセプトロン（ＭＬＰ）等の、フィードフォワード（順伝搬型）ニューラルネットワークを用いることができる。

ここでは、学習部５１０ｂがＭＬＰを用いた学習済みモデルを生成する例を挙げ、学習部５１０ｂで未学習モデルへの入力される入力パラメータ、及び未学習モデルから出力される出力パラメータの例について説明する。入力パラメータのそれぞれは入力層のノードに対応し、出力パラメータのそれぞれは出力層のノード（つまり目的変数）に対応する。なお、未学習モデル（未学習の学習モデル）とは、全くの未学習である場合に限らず、学習中のモデルである場合も含むものとする。

図１６は、学習モデルの例を示す図である。図１６は、学習モデル５１１０を示している。学習モデル５１１０では、入力層５１１２ａと中間層５１１２ｂ（隠れ層ともいう）と出力層５１１２ｃとを備えている。中間層５１１２ｂは、入力層５１１２ａと出力層５１１２ｃとの間に設けられている。

入力層５１１２ａは、複数のノードを有しており、データセットに含まれる各データを入力とする。中間層５１１２ｂは複数のノードを有している。なお、図に示した中間層が有するノードの数や隠れ層の数は一例を示したに過ぎず、ノードの数及び層の数はこれに限定されるものではない。

出力層５１１２ｃは、推奨アシストレベルを決定するための値を出力する。本実施形態では、出力層は５つのノードを有しており、それぞれがアシストレベル１〜５に対応している。学習モデル５１１０は、目的関数５１１１が入力されると、出力層５１１２ｃに所定の数値が出力される。出力層５１１２ｃの出力は、教師データ５１１３と照合され、照合された結果がフィードバックされる。学習モデル５１１０はこの処理を繰り返すことにより学習モデル内の閾値や重み付け等を更新する。

次に、学習部５１０ｂは、行った学習により更新された学習済みモデルを生成する（ステップＳ３）。なお、学習済みモデルは、上述の処理により更新された学習モデルが運用可能な段階となった学習モデルを指すものとする。

以上の処理により、学習装置としてのサーバ５００は、推奨アシストレベルを出力する学習済みモデルを生成する。これにより、リハビリ支援システムは、生成した学習済モデルを利用して、歩行訓練を行うに際し、推奨アシストレベルを提示できる。

なお、学習部５１０ｂは、学習モデルとして、上述の構成の他に、例えば、ＲＮＮ（Recurrent Neural Network）等の再帰的な構造をもつニューラルネットワークを用いることもできる。また、ＲＮＮは、ＬＳＴＭ（Long short-term memory）ブロックを有するように拡張したニューラルネットワーク（単にＬＳＴＭと称することもある）とすることもできる。また学習部５１０ｂは、上述の構成の他に、ｋ近傍法（ｋＮＮ、k-nearest neighbor algorithm）を用いるものであってもよい。

（運用段階）
次に、図１７を参照して、運用段階において歩行訓練装置２００が行う処理について説明する。運用段階とは、上述の学習装置により生成された学習済みモデルを利用してリハビリテーションを行う段階のことである。図１７は、サーバの処理の一例を説明するためのフローチャートである。上述したように、歩行訓練装置２００は、サーバ５００にアクセスすることで、その学習済みモデルを利用できる。運用段階では主に歩行訓練装置２００とそれにネットワーク接続されたサーバ５００とが協働して、つまりリハビリ支援システムとして、リハビリ支援処理を行う。

まず、歩行訓練装置２００は、訓練者のプロファイルデータを取得する（ステップＳ２１）。より具体的には、歩行訓練装置２００は、ＰＴなどが行うプロファイルデータの入力を受け付ける。ＰＴなどが行うプロファイルデータの入力は、例えば全体制御部２１０が表示制御部２１３と操作受付部２１２とを連携させることにより実現される。

次に、歩行訓練装置２００は、選択アシストレベルを受け付ける（ステップＳ２２）。選択アシストレベルは例えばＰＴが決定する。ＰＴは、選択アシストレベルを決定する場合に、例えば訓練者９００が以前に行った歩行訓練のデータを参照してもよいし、同程度の認知レベルを有する他の訓練者が行う歩行訓練に採用されているアシストレベルを選択してもよい。そしてＰＴは、決定したアシストレベルにより訓練を開始するため、決定したアシストレベルを歩行訓練装置２００に設定する。

次に、歩行訓練装置２００は、所定の操作を受け付けることにより歩行訓練を開始する（ステップＳ２３）。より具体的には、ＰＴは、歩行訓練装置２００に対してアシストレベルをはじめとする各種パラメータの設定、訓練者９００に関する情報及びＰＴ自身に関する情報の入力を行う。またＰＴは訓練者９００に歩行補助装置１２０を装着するなど、の準備を行う。これらの設定や準備が完了すると、ＰＴは、所定の操作により歩行訓練を開始させる。

次に、歩行訓練装置２００は、訓練を開始した訓練者９００の歩行周期を検出する（ステップＳ２４）。さらに、歩行訓練装置２００は、検出した歩行周期から立脚期の負荷データ及び変位データを取得する（ステップＳ２５）。

次に、歩行訓練装置２００は、取得した上記データから学習済みモデルに入力するための暫定アシストデータを生成し、生成した暫定アシストデータを学習済みモデルに送信する（ステップＳ２６）。サーバ５００が有する学習済みモデルは、歩行訓練装置２００から送信された暫定アシストデータを入力として、推奨アシストレベルを出力する。

次に、歩行訓練装置２００は、学習済みモデルから推奨アシストレベルに関する情報を受信する（ステップＳ２７）。そして、推奨アシストレベルに関する情報を受信すると、歩行訓練装置２００は、受信した推奨アシストレベルに関する情報を処理し、推奨アシストレベルをユーザに通知する（ステップＳ２８）。具体的には、例えば歩行訓練装置２００は、管理用モニタ１３９に推奨アシストレベルを表示する。推奨アシストレベルの通知を受けたＰＴは、その後の訓練において推奨アシストレベルを歩行訓練に適用する。

このような処理により、歩行訓練装置２００は、受け付けたプロファイルデータ及び選択アシストレベルに対応した推奨アシストレベルを表示できる。ＰＴは表示された推奨アシストレベルを歩行補助装置１２０が行うアシストレベルとして設定できる。このような構成により、歩行訓練装置２００は、ＰＴの経験や勘などによらず、適切にアシストレベルを設定できる。

なお、上述の学習装置及びリハビリ支援システムは、訓練者の膝関節のアシスト動作に代えて、或いは訓練者の膝関節のアシスト動作に加えて、訓練者の足首や股関節のアシスト動作を行うシステムに対しても適用できる。また、上述の学習装置及びリハビリ支援システムは、歩行訓練に代えて、腕の動作を訓練するリハビリ支援システムにおいても適用できる。

また、上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体を用いて格納され、コンピュータに供給できる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ−ＲＯＭ（Read Only Memory）ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

なお、本発明は上記実施形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば実施形態１は通信可能に接続されたサーバをさらに有し、サーバが推奨アシストレベルを決定する処理を行う構成であってもよい。また実施形態２は、歩行訓練装置２００とサーバ５００がネットワーク４００を介さずに接続していてもよい。この場合、実施形態２のリハビリ支援システムは、歩行訓練装置２００と学習済みモデルとが１個の装置として構成されていてもよい。

１００、２００ 歩行訓練装置
１２０ 歩行補助装置
１２１ 制御ユニット
１２１Ｍ モータ
１２２ 上腿フレーム
１２３ 下腿フレーム
１２４ 足平フレーム
１２６ 調整機構
１２７ 前側連結フレーム
１２８ 後側連結フレーム
１２９ 上腿ベルト
１３０ フレーム
１３１ トレッドミル
１３３ 制御盤
１３８ 訓練用モニタ
１３９ 管理用モニタ
１４０ カメラ
２０９ 記憶部
２１０ 全体制御部
２１０ａ 選択アシストレベル設定部
２１０ｂ 歩行周期検出部
２１０ｃ 推奨アシストレベル決定部
２１０ｄ 入出力制御部
２１１ トレッドミル駆動部
２１２ 操作受付部
２１３ 表示制御部
２１４ 引張駆動部
２１６ 画像処理部
２１９、２２９ 通信接続ＩＦ
２２０ 補助制御部
２２０ａ 負荷データ取得部
２２１ 関節駆動部
２２２ 荷重センサ
２２３ 角度センサ
２３１ 入出力ユニット
３００ 外部通信装置
４００ ネットワーク
５００ サーバ
５１０ 制御部
５１０ａ データ取得部
５１０ｂ 学習部
５１０ｃ 応答処理部
５１４ 通信ＩＦ
５２０ データ蓄積部
５２１ モデル記憶部
９００ 訓練者
９０１ 訓練スタッフ
５１１０ 学習モデル
５１１３ 教師データ

Claims (14)

1. ユーザが行う関節の動作を補助する補助装置と、
   前記補助装置が発揮するアシストレベルである選択アシストレベルを設定する選択アシストレベル設定部と、
   前記補助装置の負荷に関する負荷データを取得する負荷データ取得部と、
   前記関節の変位を検出する変位センサと、
   前記選択アシストレベル、前記負荷データ及び前記変位センサの出力に基づいて、推奨する前記アシストレベルである推奨アシストレベルを決定し、決定した前記推奨アシストレベルの情報を出力する制御部と、を備える
   動作支援システム。
2. 過去に行った前記関節の動作についての、前記アシストレベル、前記負荷データ、及び前記変位センサの出力を収集して生成した統計データを記憶する記憶部をさらに備え、
   前記制御部は、前記統計データに基づいて前記推奨アシストレベルを決定する
   請求項１に記載の動作支援システム。
3. 前記補助装置が補助する前記関節の動作は、前記ユーザが訓練者として行うリハビリテーションに含まれるものであって、
   前記動作支援システムは、過去に行ったリハビリテーションについての、前記訓練者の回復度を示す指標データ、前記アシストレベル、前記負荷データ、及び前記変位センサの出力を収集して生成した統計データを記憶する記憶部をさらに備え、
   前記制御部は、前記統計データ及び前記訓練者の前記指標データに基づいて前記推奨アシストレベルを決定する
   請求項１に記載の動作支援システム。
4. 前記補助装置は、駆動モータを有し、
   前記負荷データ取得部は、前記駆動モータの消費電力に関する情報を取得する、
   請求項１〜３のいずれか一項に記載の動作支援システム。
5. 前記変位センサは、前記関節の角度を検出する、
   請求項１〜４のいずれか一項に記載の動作支援システム。
6. 前記補助装置は、前記ユーザの歩行動作における膝関節の伸展動作又は屈曲動作を補助する
   請求項１〜５のいずれか一項に記載の動作支援システム。
7. 前記歩行動作の歩行周期を検出する歩行周期検出部をさらに備え、
   前記制御部は、
   前記歩行周期の立脚期に含まれる予め設定された期間における前記負荷データ、及び前記変位センサの出力に基づいて、前記推奨アシストレベルを決定する
   請求項６に記載の動作支援システム。
8. ユーザが行う関節の動作を補助する補助装置を有する動作支援システムが実行する動作支援方法であって、
   前記補助装置が発揮する力のレベルであるアシストレベルを設定するアシストレベル設定ステップと、
   前記補助装置の負荷に関する負荷データを取得する負荷データ取得ステップと、
   前記関節の変位を検出する変位検出ステップと、
   前記アシストレベル、前記負荷データおよび前記変位に基づいて、推奨する前記アシストレベルである推奨アシストレベルを決定する決定ステップと、
   前記推奨アシストレベルの情報を出力する出力ステップと、を備える
   動作支援方法。
9. ユーザが行う関節の動作を補助する補助装置を有する動作支援システムが実行する動作支援方法をコンピュータに実行させるプログラムであって、
   前記動作支援方法は、
   前記補助装置が発揮する力のレベルであるアシストレベルを設定するアシストレベル設定ステップと、
   前記補助装置の負荷に関する負荷データを取得する負荷データ取得ステップと、
   前記関節の変位を検出する変位検出ステップと、
   前記アシストレベル、前記負荷データおよび前記変位に基づいて、推奨する前記アシストレベルである推奨アシストレベルを決定する決定ステップと、
   前記推奨アシストレベルの情報を出力する出力ステップと、を備える
   プログラム。
10. ユーザの関節の動作を補助する補助装置を有する動作支援システムを利用して実行した動作支援についての、前記補助装置が発揮する力のレベルである複数のアシストレベルのうち選択されたアシストレベルである選択アシストレベルと、前記補助装置の負荷に関する負荷データと、前記関節の変位に関するデータである変位データと、を学習用データとして取得するデータ取得部と、
    前記学習用データに基づいて、前記ユーザが前記動作支援システムを利用する場合において選択すべきと推奨される前記補助装置のアシストレベルである推奨アシストレベルを決定することを学習するとともに、前記学習に基づいて、前記負荷データ及び前記変位データを入力として前記推奨アシストレベルを出力とする学習済みモデルを生成する学習部と、を備える
    学習装置。
11. 前記学習部は、前記負荷データ及び前記変位データを入力とし、前記選択アシストレベルを教師データとして前記学習をする
    請求項１０に記載の学習装置。
12. 前記補助装置から取得する前記負荷データおよび前記変位データに基づいて、前記推奨アシストレベルを出力するよう、コンピュータを機能させるための学習済みモデルであって、
    請求項１０または１１に記載の学習装置により生成された
    学習済みモデル。
13. 請求項１１に記載の学習装置で生成された学習モデルである学習済みモデルにアクセス可能な動作支援システムであって、
    前記負荷データ及び前記変位データを、前記学習済みモデルへの入力として出力する出力部と、
    入力された前記負荷データ及び前記変位データに対する応答として前記学習済みモデルから出力された前記推奨アシストレベルを、前記動作支援システムの前記ユーザに通知する通知部と、を備える
    動作支援システム。
14. ユーザの関節の動作を補助する補助装置を有する動作支援システムを利用して実行した動作支援についての、前記補助装置が発揮する力のレベルである複数のアシストレベルのうち選択されたアシストレベルである選択アシストレベルと、前記補助装置の負荷に関するデータである負荷データと、前記関節の変位に関するデータである変位データと、を学習用データとして取得するデータ取得ステップと、
    前記学習用データに基づいて、前記ユーザが前記動作支援システムを利用する場合において選択すべきと推奨される前記補助装置のアシストレベルである推奨アシストレベルを決定することを学習する学習ステップと、
    前記学習に基づいて、前記負荷データ及び前記変位データを入力として前記推奨アシストレベルを出力とする学習済みモデルを生成する学習済みモデル生成ステップと、を備える
    学習方法。

Images