JP2021009565A - 状態推定プログラム、学習済みモデル、リハビリ支援システム、学習装置及び状態推定方法 - Google Patents

Abstract

【課題】訓練者の安全性の低下を抑制する状態推定プログラム等を提供する。【解決手段】状態推定プログラムは、訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムにおいて、訓練の状態を判定するようにコンピュータを機能させるものであって、閾値設定ステップ及び状態推定ステップを有する。閾値設定ステップは、訓練者が行う訓練においてリハビリ支援システムが有するセンサの出力であるセンサ出力を取得し、センサ出力に基づいて、訓練の正常状態又は異常状態を判定するための閾値を設定する。状態推定ステップは、閾値に基づいて、訓練が正常状態又は異常状態のいずれの状態で行われているかを推定する。【選択図】図８

Description

本発明は、状態推定プログラム、学習済みモデル、リハビリ支援システム、学習装置及び状態推定方法に関する。

片麻痺等を患う患者は、症状を回復させることを目的としたリハビリテーション（リハビリ）を行うに際し、歩行訓練装置等のリハビリ支援システムを利用することがある。歩行訓練装置の例として、訓練者である患者の脚部に装着されて訓練者の歩行を補助する歩行補助装置を備えた歩行訓練装置が開示されている（特許文献１）。歩行訓練装置は訓練者を歩行させるためのトレッドミル等を有している。また、歩行補助装置はモータユニットを有し、訓練者の歩行動作に応じて膝関節部を回転駆動することで訓練者の歩行を補助する。

訓練者がリハビリを行うに際し、リハビリ支援システムによっては、訓練者の補助として医師、理学療法士（ＰＴ：Physical Therapist）等の訓練スタッフが付き添い、そのリハビリ支援システムの設定操作を行うことがある。

特開２０１５−２２３２９４号公報

このようなリハビリ支援システムを利用した訓練では、訓練が正常に行われない状態、すなわち異常状態に陥る場合がある。異常状態の一例は、訓練中の訓練者が不意に転倒してしまうなど予期せぬ挙動を示す場合である。また異常状態の別の例は、訓練者の症状に関わらず訓練者を強制的に歩行させるなど訓練の目的に適合しない設定がなされた場合である。リハビリ支援システムは、このような不測の事態において訓練者の安全を確保することが求められる。そのため、訓練スタッフは、訓練者の身体を支えるとともに、リハビリ支援システムの動作を緊急停止するための操作を行う。しかしながら、訓練スタッフがこのような複数の操作を並行して行うことは難しい。

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、訓練者の安全性の低下を抑制する状態推定プログラム等を提供するものである。

本発明の１実施態様における状態推定プログラムは、訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムにおいて、訓練の状態を判定するようにコンピュータを機能させるものであって、閾値設定ステップ及び状態推定ステップを有する。閾値設定ステップは、訓練者が行う訓練においてリハビリ支援システムが有するセンサの出力であるセンサ出力を取得し、センサ出力に基づいて、訓練の正常状態又は異常状態を判定するための閾値を設定する。状態推定ステップは、閾値に基づいて、訓練が正常状態又は異常状態のいずれの状態で行われているかを推定する。

これにより、状態推定プログラムは、予め行った訓練のセンサ出力から、訓練が正常状態か異常状態かを推定するための閾値を設定し、設定した閾値にしたがって、訓練中の訓練の状態を推定することができる。

上記状態推定プログラムにおいて、閾値設定ステップは、センサ出力に加えて、訓練者のプロファイルデータを取得し、センサ出力及びプロファイルデータに基づいて閾値を設定するものであってもよい。これにより、状態推定プログラムは訓練者のプロファイルデータに応じて閾値を設定できる。

上記状態推定プログラムにおいて、取得ステップは、訓練者の歩行周期に関するデータを含むセンサ出力を取得し、閾値設定ステップは、歩行周期に対応して閾値を設定するものであってもよい。これにより、状態推定プログラムは、歩行訓練の周期に対応した閾値を設定し、歩行訓練が正常状態か異常状態かを推定することができる。

上記状態推定プログラムにおいて、センサの出力は、訓練者の歩行姿勢を検出したデータを含むものであってもよい。これにより、状態推定プログラムは、訓練者の歩行姿勢に対応した閾値を設定することができる。

本発明の１実施態様における学習済みモデルは、訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムにおいて、訓練の状態を判定するようにコンピュータを機能させるためのものである。上記学習済みモデルは、リハビリ支援システムが有するセンサの出力であるセンサ出力を取得する入力層と、入力層が取得したセンサ出力に基づいて演算を行う中間層と、演算の結果を出力する出力層と、を有する。中間層は、学習データとして入力層が取得したセンサ出力に対応する訓練が正常状態か異常状態かを示す指標が教師データとして出力層に適用されることにより学習されたものである。上記学習済みモデルにおいて、入力層に、訓練中のリハビリ支援システムにおけるセンサ出力が入力された場合には、訓練が正常状態か異常状態かを示す状態信号を出力する。

これにより、学習済みモデルは、予め取得したセンサ出力から、訓練が正常状態か異常状態かを推定できる。

上記学習済みモデルにおいて、入力層は、訓練者のプロファイルデータをさらに取得し、中間層は、センサ出力及びプロファイルデータに基づいて訓練の状態を判定するものであってもよい。これにより、学習済みモデルは、訓練者のプロファイルデータに応じて訓練の状態を判定できる。

上記学習済みモデルにおいて、入力層は、訓練者の歩行周期に関するデータを含むセンサ出力を取得し、中間層は、歩行周期に対応してリハビリ支援システムの状態を推定するものであってもよい。これにより、学習済みモデルは、歩行訓練が正常状態か異常状態かを推定できる。

上記学習済みモデルにおいて、センサの出力は、訓練者の歩行姿勢を検出したデータを含むものであってもよい。これにより、学習済みモデルは、訓練者の歩行姿勢に対応した推定をすることができる。

本発明の１実施態様におけるリハビリ支援システムは、駆動部、センサ、状態推定部及び情報提示部を有する。駆動部は、訓練者の動作を支援するために、訓練者の動作に対応して駆動する。センサは、訓練者の状態又は駆動部の状態の少なくともいずれか一方を検出する。状態推定部は、請求項１〜３のいずれか一項に記載の状態推定プログラムを含み、センサ出力を取得することにより訓練者が行っている訓練が異常状態か否かを推定する。情報提示部は、制御部が出力する状態信号に基づいて、訓練者又は訓練者を補助する訓練スタッフに対して訓練が異常状態か否かを提示する。これにより、リハビリ支援システムは、上記状態推定プログラムから取得した信号に応じて、訓練者等に対して訓練の状態を提示できる。

本発明の１実施態様におけるリハビリ支援システムは、駆動部、センサ、演算部及び情報提示部を有する。駆動部は、訓練者の動作を支援するために、訓練者の動作に対応して駆動する。センサは、訓練者の状態又は駆動部の状態の少なくともいずれか一方を検出する。演算部は、請求項４〜７のいずれか一項に記載の学習済みモデルを含み、センサの出力を取得することにより訓練者が行っている訓練が異常状態か否かを示す状態推定信号を出力する。情報提示部は、演算部が出力する状態推定信号に基づいて、訓練者又は訓練者を補助する訓練スタッフに対して訓練が異常状態か否かを提示する。これにより、リハビリ支援システムは、上記学習済みモデルから取得した信号に応じて、訓練者等に対して訓練の状態を提示できる。

上記リハビリ支援システムは、駆動部を制御する駆動制御部をさらに有し、駆動制御部は、訓練が異常状態である場合には、駆動部の駆動を停止させるものであってもよい。これにより、リハビリ支援システムは、訓練者の安全性の低下を抑制できる。

上記リハビリ支援システムにおいて、駆動制御部は、駆動部の駆動を停止させる場合に、駆動部の駆動速度を減速させた後に、停止させるものであってもよい。また上記リハビリ支援システムにおいて、駆動制御部は、駆動部の駆動を停止させた後に、駆動部を停止させる直前の駆動方向と逆の方向に駆動させるものであってもよい。これにより、リハビリ支援システムは、訓練者の安全性の低下をさらに抑制できる。

本発明の１実施態様における学習装置は、データ取得部、学習部及び学習済みモデル生成部を有する。データ取得部は、訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムが有するセンサの出力及びセンサの出力に対応する訓練の状態が正常状態か異常状態かを示す状態ラベルを学習用データとして取得する。学習部は、センサの出力を入力層に適用し、センサの出力に対応する状態ラベルを教師データとして出力層に適用することにより、訓練の状態が正常状態か異常状態かを判定することを学習する。学習済みモデル生成部は、学習に基づいて、未学習の訓練に関するセンサの出力を入力として訓練の状態が正常状態か異常状態かを示す状態信号を出力する学習済みモデルを生成する。これにより、学習装置は、訓練者の安全性の低下を抑制するための学習済みモデルを生成できる。

本開示によれば、訓練者の安全性の低下を抑制する状態推定プログラ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。 実施形態１にかか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。 歩行周期と膝伸展角度の関係を示す図である。 歩行訓練装置が閾値を設定する処理を示すフローチャートである。 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。 歩行周期と膝伸展角度の関係を示す図である。 閾値を設定する処理の第２の例を示すフローチャートである。 閾値を設定する処理の第３の例を示すフローチャートである。 画像データから設定する閾値の第１の例を示す図である。 訓練者の重心の推移と閾値の関係を示す図である。 画像データから設定する閾値の第２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。 実施形態３にかかる歩行訓練装置の概略斜視図である。 実施形態３にかか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。 学習モデルの例を示すブロック図である。 学習装置が行う処理の例を示すフローチャートである。 実施形態３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システムの一具体例である。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。歩行訓練を行う際に、歩行訓練装置１００は、訓練者の動作を支援するために、訓練者の動作に対応して駆動する駆動部を駆動させる。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。また歩行訓練装置１００は、これに加えて、安全装置としての転倒防止ハーネス装置を備える。

トレッドミル１３１は、訓練者９００の歩行を促す装置である。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。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。すなわちトレッドミル１３１は、訓練者の動作を支援するために、訓練者の動作に対応して駆動する駆動部の一つである。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、床面に設置されるトレッドミル１３１上に立設されている。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。

訓練用モニタ１３８は、訓練者９００及び訓練スタッフ９０１が訓練中に所定の情報を得るための情報提示部として設けられているディスプレイ装置である。訓練用モニタ１３８は、訓練中の訓練者の正面に対向して設置されている。訓練用モニタ１３８は、例えば、カメラ１４０が撮影した訓練中の訓練者９００の画像等を表示する。訓練用モニタ１３８は、情報提示部として、全体制御部２１０が出力する状態信号に応じて、訓練者９００及び訓練スタッフ９０１に対して実行中の訓練が異常状態か否かを提示してもよい。

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、さらには、設定の程度に応じて患脚の振出し動作をアシストする。すなわち前側引張部１３５及び後側引張部１３７は、訓練者の動作を支援するために、訓練者の動作に対応して駆動する駆動部の一つである。

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、さらには、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。

転倒防止ハーネス装置は、装具１１０、ハーネスワイヤ１１１、及びハーネス引張部１１２を主な構成要素として有している。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。管理用モニタ１３９は、情報提示部として、全体制御部２１０が出力する状態信号に応じて、訓練スタッフ９０１に対して実行中の訓練が異常状態か否かを提示してもよい。

非常停止ボタン２３２は、実行中の訓練において訓練者が転倒する等の非常事態が起きた場合等にトレッドミル１３１、前側引張部１３５及び後側引張部１３７を緊急停止させるためのボタンである。非常停止ボタン２３２は、訓練スタッフ９０１が咄嗟に押下できる位置に設けられている。

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。

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。すなわちモータ１２１Ｍは、訓練者の動作を支援するために、訓練者の動作に対応して駆動する駆動部の一つである。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。本実施形態においては、全体制御部２１０は、実行される訓練が正常状態か異常状態かを推定する状態推定プログラムを実行する。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、閾値設定部２１０ａ、歩行周期検出部２１０ｂ、状態推定部２１０ｃ及び駆動制御部２１０ｄを有する。

閾値設定部２１０ａは、センサ出力を取得し、取得したセンサ出力から、訓練の正常状態又は異常状態を判定するための閾値を設定する。なお、閾値の設定の具体例については後述する。

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。

状態推定部２１０ｃは、閾値設定部が設定した閾値から、訓練が正常状態又は異常状態のいずれの状態で行われているかを推定する。駆動制御部２１０ｄは、トレッドミル駆動部２１１、引張駆動部２１４及び関節駆動部２２１の駆動に関する制御を行う。例えば、非常停止ボタン２３２が押下されたことを検出すると、駆動制御部２１０ｄは、駆動中の上記駆動部を停止させるための制御を行う。

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、訓練スタッフ９０１は、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。また操作受付部２１２は、非常停止ボタン２３２の操作も受け付ける。この操作により、訓練スタッフ９０１は、訓練中の歩行訓練装置１００の駆動部を緊急停止させることができる。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、ＤＲＡＭ（Dynamic Random Access Memory）などの揮発性メモリ、フラッシュメモリ、ＳＳＤ（Solid State Drive）又はＨＤＤ（Hard Disc Drive）などの不揮発性メモリを含む記憶装置である。記憶部２０９は、閾値設定部２１０ａが設定した閾値等を記憶する。

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。

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。すなわち、関節駆動部２２１は、訓練者の動作を支援するために、訓練者の動作に対応して駆動する駆動部の一つである。

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。

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（膝伸展角度）を演算する。

（歩行周期）
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。患脚の膝伸展角度は、訓練者９００の歩行姿勢の一例である。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Ａｋ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Ａｋ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Ａｋ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Ａｋ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Ａｋ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Ａｋを利用して歩行周期を検出し、さらに、訓練の状態を推定するための閾値を設定する原理の一例について説明する。図６は、歩行周期と膝伸展角度の関係を示す図である。図６に示すグラフは、横軸が歩行周期を示し、縦軸が膝伸展角度を示している。グラフに実線でプロットされた曲線Ｌ１１は、正常に行われた歩行訓練における訓練者９００の歩行姿勢を示す膝伸展角度Ａｋの変化を示す歩行軌跡である。

図に示すように、膝関節は、歩行周期中に２度進展と屈曲を繰り返す。訓練者９００の脚は、歩行周期０％において、約５度の屈曲位で初期接地し、その後１５度前後まで屈曲した後に進展に転じる。そして、訓練者９００の脚は、歩行周期の４０％までにほぼ完全に伸展し、その後再び屈曲を開始する。最大屈曲は、遊脚中期の始め（歩行周期７０％頃）に起こり、膝伸展角度Ａｋは約６０度になる。遊脚中期以降は次の初期接地に向けてほぼ完全伸展位（膝伸展角度Ａｋが０度付近）まで伸展する。

訓練者９００の脚は、正常に訓練を行っている場合には、曲線Ｌ１１に示すようなパターンを繰り返す。角度センサ２２３は、訓練中の膝伸展角度Ａｋを予め設定された間隔ごとに検出することにより、歩行周期を認識する。なお曲線Ｌ１１として例示した歩行周期のデータは、歩行周期が複数回分のデータから平均値等の統計値を算出する等して生成したものであってもよい。

図において点線で示した曲線Ｌ１２は、閾値設定部２１０ａが設定した下限側の閾値の例である。Ｌ１２は、例えば、訓練者９００が複数回行った歩行のデータから標準偏差を算出し、算出した標準偏差から設定される。すなわち、この閾値は、正常に訓練を行っている場合の訓練者９００の歩行パターンでは曲線Ｌ１２を下回ることはないことを想定したうえで設定されている。したがって、訓練において、膝伸展角度Ａｋが曲線Ｌ１２を下回った場合には、状態推定部２１０ｃは、訓練の状態が異常状態であると推定する。

同様に、図において一点鎖線で示した曲線Ｌ１３は、閾値設定部２１０ａが設定した上限側の第１閾値の例である。Ｌ１３は、下限側の閾値と同様に、訓練者９００が複数回行った歩行のデータから標準偏差を算出し、算出した標準偏差から設定される。したがって、訓練において、膝伸展角度Ａｋが曲線Ｌ１３を下回った場合には、状態推定部２１０ｃは、訓練の状態が異常状態であると推定する。

図において二点鎖線で示した曲線Ｌ１４は、閾値設定部２１０ａが設定した上限側の第２閾値の例である。曲線Ｌ１４により示された第２閾値は、は、曲線Ｌ１３により示された第１閾値よりも大きい角度が閾値として設定されている。このように、閾値設定部２１０ａは、上限側の閾値と下限側の閾値の設定を変更することができる。

また閾値設定部２１０ａは、歩行周期のタイミングによって、閾値の設定の態様を適宜変更してもよい。例えば、歩行周期１５％における第２閾値と曲線Ｌ１１との差は、歩行周期４０％における第２閾値と曲線Ｌ１１との差よりも小さく設定されている。閾値設定部２１０ａは、歩行周期のタイミングに応じて、閾値に乗じる係数等の重み付け値を予め有することにより、このような設定を行う。また、閾値設定部２１０ａは、ユーザの操作により閾値を変更してもよい。このように、歩行周期のタイミングによって閾値の設定の態様を変更することにより、歩行訓練装置１００は、効果的に訓練の状態を推定することができる。

次に、図７を参照しながら歩行訓練装置１００が閾値を設定する処理について説明する。図７は、歩行訓練装置１００が閾値を設定する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正常状態におけるセンサ出力から閾値を設定する場合の全体制御部２１０の処理を示すものである。

まず、全体制御部２１０は、歩行訓練を開始するための処理を行う（ステップＳ１０）。訓練者９００が歩行を開始すると、全体制御部２１０は、閾値設定用のセンサ出力を取得する（ステップＳ１１）。閾値設定用のセンサ出力は、訓練者９００が行う正常状態の訓練であって、例えば１００歩分等の複数のデータであることが好ましい。

次に、全体制御部２１０は、取得したセンサ出力を用いて閾値を設定するための指示があったか否かを判定する（ステップＳ１２）。閾値を設定するための指示は、例えば訓練スタッフ９０１が所定の操作をすることにより、全体制御部２１０に伝達される。

閾値設定のための歩行訓練に異常状態が含まれている場合には、訓練スタッフ９０１は、閾値の設定を指示しない。この場合、全体制御部２１０は、閾値設定指示があったと判定せず（ステップＳ１２：ＮＯ）、ステップＳ１１に戻り、再びセンサ出力の取得を行う。

一方、閾値設定のための歩行訓練が正常行われた場合には、訓練スタッフ９０１は、閾値の設定を指示する。この場合、全体制御部２１０は、閾値設定指示があったと判定し（ステップＳ１２：ＹＥＳ）、閾値の設定を行う（ステップＳ１３）。閾値の設定を行うと、全体制御部２１０は、設定した閾値がその後に行う訓練で使用できるように、閾値を記憶部２０９に記憶させる（ステップＳ１４）。

次に、図８を参照しながら歩行訓練装置１００が訓練時に行う処理について説明する。図８は、実施形態１にかかる歩行訓練装置の処理を示すフローチャートである。図８に示すフローチャートは、訓練者９００が歩行訓練を行う場合に全体制御部２１０が行う処理である。

まず、全体制御部２１０は、歩行訓練を開始するための処理を行う（ステップＳ１０１）。訓練者９００が歩行を開始すると、全体制御部２１０は、歩行周期を検出する（ステップＳ１０２）。具体的には歩行周期検出部２１０ｂが例えば図６に示した例のように、角度センサ２２３の出力から歩行周期を検出する。

次に、全体制御部２１０は、訓練中の歩行訓練装置１００からセンサ出力を取得する（ステップＳ１０３）。例えば、全体制御部２１０は、検出した歩行周期に対応した角度センサ２２３からの出力を取得する。

次に、全体制御部２１０の状態推定部２１０ｃは、実行中の訓練が、異常状態か否かを推定する（ステップＳ１０４）。実行中の訓練が異常状態か否かは、例えば、図６に示したように、取得したセンサ出力が、閾値に入っていないことを検出して推定する。

実行中の訓練が、異常状態であると推定しない場合（ステップＳ１０４：ＮＯ）、全体制御部２１０は、ステップＳ１０２に戻り、再び歩行周期を検出する。一方、実行中の訓練が、異常状態であると推定した場合（ステップＳ１０４：ＹＥＳ）、全体制御部２１０は、警告を行う（ステップＳ１０５）。警告は、例えば訓練用モニタ１３８に、「異常状態」、「訓練を停止してください」などといったメッセージを表示することにより実現する。また警告は、このようなメッセージの表示に加えて、又はメッセージの表示に代えて、音声や光などにより実現してもよい。全体制御部２１０は、例えば、３秒、５秒等の所定期間このような警告表示を訓練用モニタ１３８に表示させることを、表示制御部２１３に指示する。次に、警告表示を行う処理をした後、全体制御部２１０は再びステップＳ１０２に戻り歩行周期を検出する。

このように、歩行訓練装置１００は、異常状態を推定した場合に、警告を行う。警告を行うための閾値を好適に設定することにより、訓練スタッフ９０１は、訓練者９００が転倒等する前に非常停止ボタン２３２を押下する等の、訓練者９００の安全性を確保する操作を行うことができる。よって、本実施形態によれば、訓練者の安全性の低下を抑制する状態推定プログラム等を提供することができる。

なお、状態推定部２１０ｃは、歩行周期における予め設定された期間又はタイミングについて閾値を設定して状態を判定してもよい。例えば、状態推定部２１０ｃは、歩行周期における予め設定されたタイミング（例えば１５％の位置等）で状態を判定してもよい。また、状態推定部２１０ｃは、歩行周期を離散化して、離散化したタイミングにおける状態をそれぞれ判定してもよい。

＜実施形態１の第１変形例＞
次に、実施形態１の第１変形例について説明する。本変形例にかかる閾値設定部２１０ａは、センサ出力に加えて、訓練者のプロファイルデータを取得し、センサ出力及びプロファイルデータを利用して閾値を設定する。

図９は、実施形態１の第１変形例にかかる歩行周期と膝伸展角度の関係を示す図である。図９に示す図は、図６に示した曲線Ｌ１４の上方に曲線Ｌ１５がプロットされている。曲線Ｌ１５は、立脚期（１％から５０％）における閾値が曲線Ｌ１４に比べて大きく設定されている。曲線Ｌ１４の閾値が設定される訓練者と、曲線Ｌ１５の閾値が設定される訓練者とは、プロファイルデータに差があるために、このように異なる閾値が設定される。

（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。閾値設定部２１０ａ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、例えば、訓練者の機能的自立度評価法に基づく認知レベルである。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。

プロファイルデータは、訓練者の脳卒中機能評価法に基づく評価スコアであってもよい。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。

プロファイルデータは、訓練者の属性を示すデータであってもよい。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。

閾値設定部２１０ａが取得するプロファイルデータは、例えば、上述した情報のうち、少なくとも１つの情報に含まれるスコアに対応して生成された係数である。この場合、閾値設定部２１０ａは、取得するセンサ出力から算出する値に、プロファイルデータから生成された係数を乗じることにより閾値を設定する。

図９に示した曲線Ｌ１４の閾値が設定されている訓練者と、曲線Ｌ１５の閾値が設定される訓練者とは、例えば歩行に関するＦＩＭのスコアが異なる。このような場合に、閾値設定部２１０ａは、仮にセンサ出力が同じであったとしても、異なる閾値を設定する。

次に、図１０を参照して、実施形態１の第１変形例にかかる処理について説明する。図１０は、実施形態１の第１変形例にかかる全体制御部２１０が行う処理の別の例を示すフローチャートである。図１０に示すフローチャートは、ステップＳ１０の前にステップＳ２０が付加されている点が、図７に示すフローチャートと異なる。以下に、図７に示したフローチャートと同様の処理については適宜省略しながら全体制御部２１０の処理について説明する。

実施形態１の第１変形例にかかる処理を行うにあたり、まず、閾値設定部２１０ａは、プロファイルデータを取得する（ステップＳ２０）。プロファイルデータは、訓練スタッフ９０１等が行う操作により歩行訓練装置１００に入力される。

続いて、全体制御部２１０は、図７に示した処理と同様に、歩行訓練を開始する処理を行い（ステップＳ１０）、さらに閾値設定用のセンサ出力を取得する（ステップＳ１１）。閾値設定のための歩行訓練が正常行われた場合には、訓練スタッフ９０１は、閾値の設定を指示する。この場合、全体制御部２１０は、閾値設定指示があったと判定し（ステップＳ１２：ＹＥＳ）、閾値の設定を行う（ステップＳ１３）。

閾値の設定を行う場合に、全体制御部２１０は、取得したセンサ出力とプロファイルデータとを使用して演算を行う。閾値の設定を行うと、全体制御部２１０は、設定した閾値がその後に行う訓練で使用できるように、閾値を記憶部２０９に記憶させる（ステップＳ１４）。

以上のようにプロファイルデータを用いることにより、歩行訓練装置１００は訓練者９００のプロファイルデータに応じて好適に閾値を設定できる。なお、訓練者９００のプロファイルデータを取得して閾値を設定した場合には、上述した状態推定プログラムを実行するために、訓練者のプロファイルデータを入力した後に訓練を開始する。このような処理を行うことにより、訓練者ごとに好適な閾値を設定して訓練を行うことができる。

＜実施形態１の第２変形例＞
次に、図１１を参照して、実施形態１の第２変形例について説明する。図１１は、実施形態１の第２変形例にかかる閾値設定部２１０ａが行う処理を示すフローチャートである。本変形例におけるフローチャートは、ステップＳ１２に代えてステップＳ３０を有する点が図７に示したフローチャートと異なる。すなわち、本変形例において、歩行訓練装置１００は、閾値設定用のセンサ出力を取得し（ステップＳ１１）、取得したセンサ出力にかかる訓練の状態をラベル付けする（ステップＳ３０）。

より具体的には、歩行訓練装置１００は、閾値設定用のセンサ出力を取得するために行った歩行訓練が正常状態であったか異常状態であったかを示すためのラベル付けを行う。訓練が正常状態であったか異常状態であったかを示すためのラベル付けは、行った訓練ごとに、例えば訓練スタッフ９０１が適宜判断して対応するラベルを付加する操作を行う。

本変形例にかかる歩行訓練装置１００は、このように正常状態と異常状態のそれぞれについてのセンサ出力を取得することにより、正常状態と異常状態との境界を算出する。正常状態と異常状態との境界を算出する手法として、歩行訓練装置１００は、例えばＳＶＭ（support vector machine）を利用することができる。

以上、実施形態１の構成例を説明したが、実施形態１は上述の構成に限られない。以下に、センサ出力の他の例について説明する。図１２は、画像データから設定する閾値の第１の例を示す図である。図１２に示す骨格モデル９００Ｍは、訓練者９００を撮像することにより生成された訓練者９００の骨格モデルである。歩行訓練装置１００は、カメラ１４０が撮像する訓練者９００の画像を処理することにより生成される。また、全体制御部２１０は、骨格モデル９００Ｍを生成し、生成した骨格モデル９００Ｍから、訓練者９００の重心ＣＯＰ１０を推定する。なお、人物を撮像し、撮像した画像の画像データからこのような骨格モデルを生成したり、重心を推定したりする技術については当業者に知られている。そのためここでは詳述を省略する。

このような状況において、全体制御部２１０は、例えば、重心ＣＯＰ１０を所定の期間ごとに追跡する処理を行うことにより、訓練者９００の歩行周期の検出や、訓練の状態の推定を行う。

図１３は、訓練者９００の重心ＣＯＰ１０の推移と閾値の関係を示す図である。図１３に示す画像１４０Ｄは、骨格モデル９００Ｍから推定された重心ＣＯＰ１０の領域を抽出したものである。画像１４０Ｄに含まれる点線Ｌ２０は、正常状態における歩行訓練中の重心ＣＯＰ１０の軌跡を示している。重心ＣＯＰ１０は、点線Ｌ２０上を、矢印に沿って８の字状に推移する。点線Ｌ２０上には、ポイントＩＣが含まれる。ポイントＩＣは、図４で示した歩行周期の０％の位置に相当する。

点線Ｌ２０を囲むように実線により描かれている線Ｂ２０は、正常状態と異常状態との閾値を示している。すなわち、重心ＣＯＰ１０が線Ｂ２０により囲まれている領域内を推移している場合、状態推定部２１０ｃは、訓練者９００が行う訓練を正常状態と推定する。一方、重心ＣＯＰ１０が線Ｂ２０により囲まれている領域内から出た場合、状態推定部２１０ｃは、訓練者９００が行う訓練を異常状態と推定する。

次に、骨格モデル９００Ｍを利用した処理の別の例について説明する。図１４は、画像データから設定する閾値の第２の例を示す図である。図１４に示す骨格モデル９００Ｍは歩行訓練中の訓練者９００の画像から生成されたものである。図１４には、骨格モデル９００Ｍの左右の肩部を繋ぐ線と図面の水平方向に延びる線との角度Ａｓと、正中線と図面の垂直方向に延びる線との角度Ａｔとがそれぞれ示されている。閾値設定部２１０ａは、角度Ａｓ又は角度Ａｔを閾値として用いることができる。この場合、状態推定部２１０ｃは、訓練中における角度Ａｓ又は角度Ａｔの値を骨格モデル９００Ｍから算出し、算出した値から、訓練が正常状態か異常状態かを推定する。

例えば、閾値設定部２１０ａは閾値として角度Ａｔが２０度を超えた場合に異常状態とすることを設定できる。歩行訓練において訓練者９００がバランスを崩すと角度Ａｔが２０度を超える可能性がある。そのような場合に、状態推定部２１０ｃは、訓練が異常状態であると推定する。

閾値設定部２１０ａは、閾値として角度Ａｓ又は角度Ａｔの角速度や角加速度を設定してもよい。この場合、状態推定部２１０ｃは、訓練者９００の姿勢に関わらず、訓練者９００の大幹の変化が急激であった場合に、訓練が異常状態であると推定できる。

なお、上述の骨格モデル９００Ｍの例はあくまで一例に過ぎない。すなわち、閾値の設定や状態を推定するためのパラメータは上述のものに限られない。例えば、閾値の設定や状態を推定するためのパラメータは、訓練者９００の歩行動作における脚のストライド量から取得してもよい。また、訓練者９００の画像を撮像するカメラ１４０は訓練者９００の正面に設けられる必要はなく、訓練者９００の側方や斜め方向から訓練者９００を撮像してもよい。またカメラ１４０は複数台設定され、訓練者９００を撮像した複数の画像データから閾値等を設定するものであってもよい。また、閾値の設定や状態を推定するためのパラメータは、姿勢センサ２１７、前側引張部１３５、後側引張部１３７又は荷重センサ２２２のセンサ出力を使用してもよい。

以上、実施形態１について説明した。実施形態１によれば、訓練者の安全性の低下を抑制する歩行訓練装置、状態推定プログラム等を提供することができる。

＜実施形態２＞
次に図１５を参照して実施形態２について説明する。実施形態２は、異常状態を推定した後の処理が図８に示した実施形態１の処理と異なる。図１５は、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。以下に、実施形態１の処理と同様の内容については適宜省略して本実施形態の処理について説明する。

ステップＳ１０４で、実行中の訓練が、異常状態であると推定した場合（ステップＳ１０４：ＹＥＳ）、全体制御部２１０は、駆動部を停止させる処理を行う（ステップＳ２０１）。駆動部は、訓練者の動作を支援するために、訓練者の動作に対応して駆動する駆動部であって、例えば、トレッドミル１３１、前側引張部１３５、後側引張部１３７及びモータ１２１Ｍである。

ステップＳ２０１において、全体制御部２１０は、訓練者９００の身体の安全性を考慮した処理を行う。例えば、全体制御部２１０は、上記駆動部を停止させる場合に、駆動部を減速させる。これにより、歩行訓練装置１００は、訓練者９００へ急激な負荷がかかるのを抑制することができる。

また、全体制御部２１０は、駆動部を停止させた後に、駆動部を逆方向へ駆動してから停止してもよい。例えば全体制御部２１０は、トレッドミル１３１を数十センチ分逆方向へ駆動させる。このような処理をすることにより、歩行訓練装置１００は、例えば転倒してしまった訓練者９００がトレッドミル１３１に流されてしまった場合に、訓練者９００を所定の初期位置に近付けることができる。すなわち、歩行訓練装置１００は、訓練者９００の身体に負担のかからない状態で駆動部を停止させることができるとともに、訓練を再開しやすい状態にすることができる。すなわち、このような構成により、歩行訓練装置１００は、訓練者の安全性の低下をさらに抑制できる。

次に、全体制御部２１０は、訓練が異常状態であり緊急停止したことを訓練者９００及び訓練スタッフ９０１に通知する処理を行う（ステップＳ２０２）。訓練が異常状態であり緊急停止したことを通知する処理は、訓練用モニタ１３８又は管理用モニタ１３９に表示してもよいし、音声や光等を発する等の手段により実現してもよい。

以上、実施形態２について説明した。なお、実施形態２は、実施形態１に示した警告処理と、実施形態２に示した緊急停止の処理を、適宜使い分ける処理を構成するものであってもよい。すなわち、実施形態２にかかる歩行訓練装置１００は、警告処理を行うための閾値と、緊急停止処理を行うための閾値をそれぞれ有しており、訓練の状態に応じて、これらの処理をそれぞれ実行してもよい。

上述した構成により、歩行訓練装置１００は、訓練スタッフ９０１が咄嗟に操作しなければならない処理を自動で行うことができる。よって、実施形態２によれば、訓練スタッフの負担を提言し、訓練者の安全性の低下を抑制する歩行訓練装置等を提供することができる。

＜実施形態３＞
次に、実施形態３について説明する。実施形態３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訓練の状態を推定する点が実施形態１と異なる。図１６は、実施形態３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３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１７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１７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、実施形態１にかかる歩行訓練装置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。全体制御部２１０の入出力制御部２１０ｅ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。

上記構成により、歩行訓練装置２００は、入出力制御部２１０ｅ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２１０ｅは、入出力ユニット２３１及び外部通信装置３００を介して、センサから取得した出力のデータであるセンサ出力データをサーバ５００に送信する。また入出力制御部２１０ｅは、送信したセンサ出力データに対応して訓練の状態を推定した状態推定信号を受信する。

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からセンサ出力データを受信し、受信したセンサ出力データを処理する。センサ出力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、受信したセンサ出力データから訓練の状態を推定する。サーバ５００は、ネットワーク４００を介して、推定の結果を歩行訓練装置２００に送信する。なお、サーバ５００は、複数の歩行訓練装置２００から複数のセンサ出力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、センサ出力データを収集できる。

図１８は、サーバ５００の一構成例を示すブロック図である。図１８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からのセンサ出力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やＳＳＤ等の記憶装置を有しており、歩行訓練装置２００から供給されたセンサ出力データ等を記憶することができる。制御部５１０は、通信ＩＦ５１４を介して外部通信装置３００から受信したセンサ出力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から受信したセンサ出力データに対して訓練の状態を推定する状態推定信号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、状態推定信号を得るためのセンサ出力データ及びこのセンサ出力データに対応して供給される状態ラベル信号を取得する。状態ラベル信号は、学習済みモデルを生成するためにセンサ出力データに対応して予め生成されたものである。例えば、データ取得部５１０ａが取得したセンサ出力データが正常状態の訓練において出力された場合には、これに対応する状態ラベルは正常状態を示す信号となる。データ取得部５１０ａは、リハビリ支援処理を行う場合には、任意のセンサ出力データを取得する。

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、取得したセンサ出力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。

（学習段階）
次に、図１９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１９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、センサ出力データ及び状態ラ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、センサ出力データ及び取得したセンサ出力データに対応する状態ラベルが１組の学習用のデータセットとなる。

次に、サーバ５００の学習部５１０ｂは、取得したセンサ出力データを入力層に適用し、対応する状態ラベルを教師データとして、学習を実行する（ステップＳ２）。

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、訓練者が歩行訓練装置２００を利用する場合において訓練の状態を推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。

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、状態推定信号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、歩行訓練の状態を推定できる。

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。

（運用段階）
次に、図２０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２０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、歩行訓練を開始する処理を行う（ステップＳ３０１）。次に、歩行訓練装置２００は、歩行周期を検出し（ステップＳ３０２）、検出した歩行周期に対応して、センサ出力を取得する（ステップＳ３０３）。

次に、歩行訓練装置２００は、取得したセンサ出力をサーバ５００の学習済みモデルに送信する（ステップＳ３０４）。歩行訓練装置２００がセンサ出力をサーバ５００に送信すると、サーバ５００は、受け取ったセンサ出力から行われている訓練の状態を推定し、状態推定信号を歩行訓練装置２００に送信する。

次に、歩行訓練装置２００は、サーバ５００から異常状態を示す信号を受信したか否かを判断する（ステップＳ３０５）。サーバ５００から異常状態を示す信号を受信したと判断しない場合（ステップＳ３０５：ＮＯ）、歩行訓練装置２００は、ステップＳ３０２に戻り、再び歩行周期を検出する。

一方、サーバ５００から異常状態を示す信号を受信したと判断した場合（ステップＳ３０５：ＹＥＳ）、歩行訓練装置２００は、警告を行う（ステップＳ３０６）。ここで行う警告処理は、実施形態１において説明したものと同様である。そのためここでの説明は省略する。次に、歩行訓練装置２００は、ステップＳ３０２に戻り、再び歩行周期を検出する。

以上、実施形態３について説明したが、実施形態３は上述の構成に限られない。学習データのデータセットには、訓練者のプロファイルデータが含まれていてもよい。訓練者のプロファイルデータが含まれることにより、学習済みモデルは、訓練者ごとに好適な閾値の設定を行うことができる。また、図２０に示した処理は、実施形態２と同様に、異常状態の場合に緊急停止をする構成であってもよい。

実施形態３において、学習モデルに入力するためのセンサ出力は、複数のセンサ出力であってもよい。また、センサ出力は、画像データそのものであってもよい。また、訓練者のプロファイルデータは、実施形態１で説明したようなスコアデータに限られず、訓練者が罹患した疾患の症状情報等の定性的データ又は属性を示すデータであってもよい。

このような処理により、歩行訓練装置１００は、受け付けたプロファイルデータ及び状態ラベルに対応した状態推定信号を表示できる。ＰＴは表示された状態推定信号を歩行補助装置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１００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。

以上、実施形態３について説明した。実施形態３によれば、訓練者の安全性の低下を抑制する学習済みモデル等を提供することができる。

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。例えば上述の歩行訓練装置は、訓練者の膝関節の動作に加えて、又は膝関節の動作に代えて、訓練者の股関節や足首の動作を訓練する装置であってもよい。また、上述の実施例に代えて、訓練者の腕の動作を訓練するリハビリ支援装置又はリハビリ支援システムに適用されてもよい。

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 閾値設定部
２１０ｂ 歩行周期検出部
２１０ｃ 状態推定部
２１０ｄ 駆動制御部
２１０ｅ 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
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
２３２ 非常停止ボタン
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

Claims (15)

1. 訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムにおいて、前記訓練の状態を判定するようにコンピュータを機能させるための状態推定プログラムであって、
   前記訓練者が行う前記訓練において前記リハビリ支援システムが有するセンサの出力であるセンサ出力を取得し、前記センサ出力に基づいて、前記訓練の正常状態又は異常状態を判定するための閾値を設定する閾値設定ステップと、
   前記閾値に基づいて、前記訓練が前記正常状態又は前記異常状態のいずれの状態で行われているかを推定する状態推定ステップと、を備える
   状態推定プログラム。
2. 前記閾値設定ステップは、前記センサ出力に加えて、前記訓練者のプロファイルデータを取得し、前記センサ出力及び前記プロファイルデータに基づいて前記閾値を設定する
   請求項１に記載の状態推定プログラム。
3. 前記閾値設定ステップは、前記訓練者の歩行周期に関するデータを含む前記センサ出力を取得し、
   前記閾値設定ステップは、前記歩行周期に対応して前記閾値を設定する
   請求項１又は２に記載の状態推定プログラム。
4. 前記センサの出力は、前記訓練者の歩行姿勢を検出したデータを含む
   請求項３に記載の状態推定プログラム。
5. 訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムにおいて、前記訓練の状態を判定するように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、
   前記リハビリ支援システムが有するセンサの出力であるセンサ出力を取得する入力層と、前記入力層が取得した前記センサ出力に基づいて演算を行う中間層と、前記演算の結果を出力する出力層と、を有し、
   前記中間層は、学習データとして前記入力層が取得した前記センサ出力に対応する前記訓練が正常状態か異常状態かを示す指標が教師データとして前記出力層に適用されることにより学習されたものであり、
   前記入力層に、訓練中の前記リハビリ支援システムにおける前記センサ出力が入力された場合には、前記訓練が正常状態か異常状態かを示す状態信号を出力する
   学習済みモデル。
6. 前記入力層は、前記訓練者のプロファイルデータをさらに取得し、
   前記中間層は、前記センサ出力及び前記プロファイルデータに基づいて前記訓練の状態を判定する
   請求項５に記載の学習済みモデル。
7. 前記入力層は、前記訓練者の歩行周期に関するデータを含む前記センサ出力を取得し、
   前記中間層は、前記歩行周期に対応して前記リハビリ支援システムの状態を推定する
   請求項５又は６に記載の学習済みモデル。
8. 前記センサの出力は、前記訓練者の歩行姿勢を検出したデータを含む
   請求項７に記載の学習済みモデル。
9. 前記訓練者の動作を支援するために、前記訓練者の前記動作に対応して駆動する駆動部と、
   前記訓練者の状態又は前記駆動部の状態の少なくともいずれか一方を検出する前記センサと、
   請求項１〜４のいずれか一項に記載の状態推定プログラムを含み、前記センサ出力を取得することにより前記訓練者が行っている前記訓練が前記異常状態か否かを推定する推定部と、
   前記推定部の推定に基づいて、前記訓練者又は前記訓練者を補助する訓練スタッフに対して前記訓練が前記異常状態か否かを提示する情報提示部と、を備える
   リハビリ支援システム。
10. 前記訓練者の動作を支援するために、前記訓練者の前記動作に対応して駆動する駆動部と、
    前記訓練者の状態又は前記駆動部の状態の少なくともいずれか一方を検出する前記センサと、
    請求項５〜８のいずれか一項に記載の学習済みモデルを含み、前記センサの出力を取得することにより前記訓練者が行っている前記訓練が前記異常状態か否かを推定する状態推定信号を出力する演算部と、
    前記演算部が出力する前記状態推定信号に基づいて、前記訓練者又は前記訓練者を補助する訓練スタッフに対して前記訓練が前記異常状態か否かを提示する情報提示部と、を備える
    リハビリ支援システム。
11. 前記駆動部を制御する駆動制御部をさらに有し、
    前記駆動制御部は、前記訓練が前記異常状態と推定された場合には、前記駆動部の駆動を停止させる
    請求項９又は１０に記載のリハビリ支援システム。
12. 前記駆動制御部は、前記駆動部の駆動を停止させる場合に、前記駆動部の駆動速度を減速させた後に、停止させる
    請求項１１に記載のリハビリ支援システム。
13. 前記駆動制御部は、前記駆動部の駆動を停止させた後に、前記駆動部を停止させる直前の駆動方向と逆の方向に駆動させる
    請求項１１又は１２に記載のリハビリ支援システム。
14. 訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムが有するセンサの出力及び前記センサの出力に対応する前記訓練の状態が正常状態か異常状態かを示す状態ラベルを学習用データとして取得するデータ取得部と、
    前記センサの出力を入力層に適用し、前記センサの出力に対応する前記状態ラベルを教師データとして出力層に適用することにより、前記訓練の状態が正常状態か異常状態かを判定することを学習する学習部と、
    前記学習に基づいて、未学習の前記訓練に関する前記センサの出力を入力として前記訓練の状態が正常状態か異常状態かを示す状態信号を出力する学習済みモデルを生成する学習済みモデル生成部と、を備える
    学習装置。
15. 訓練者が予め設定された動作の訓練を行うために用いられるリハビリ支援システムにおいて、前記訓練の状態を判定するための状態推定方法であって、
    前記訓練者が行う前記訓練において前記リハビリ支援システムが有するセンサの出力であるセンサ出力を取得し、前記センサ出力に基づいて、前記訓練の正常状態又は異常状態を判定するための閾値を設定する閾値設定ステップと、
    前記閾値に基づいて、前記訓練が前記正常状態又は前記異常状態のいずれの状態で行われているかを推定する状態推定ステップと、を備える
    状態推定方法。

Images