JP3660330B2 - インピーダンス測定装置及び運動学習支援装置 - Google Patents
インピーダンス測定装置及び運動学習支援装置 Download PDFInfo
- Publication number
- JP3660330B2 JP3660330B2 JP2002236024A JP2002236024A JP3660330B2 JP 3660330 B2 JP3660330 B2 JP 3660330B2 JP 2002236024 A JP2002236024 A JP 2002236024A JP 2002236024 A JP2002236024 A JP 2002236024A JP 3660330 B2 JP3660330 B2 JP 3660330B2
- Authority
- JP
- Japan
- Prior art keywords
- impedance
- myoelectric signal
- model
- joint
- reference value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000002847 impedance measurement Methods 0.000 title claims description 10
- 230000003183 myoelectrical effect Effects 0.000 claims description 88
- 230000033001 locomotion Effects 0.000 claims description 85
- 210000003205 muscle Anatomy 0.000 claims description 85
- 238000010606 normalization Methods 0.000 claims description 48
- 230000001537 neural effect Effects 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 39
- 230000036982 action potential Effects 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 5
- 210000002346 musculoskeletal system Anatomy 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 32
- 238000000034 method Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 17
- 210000000323 shoulder joint Anatomy 0.000 description 13
- 210000002310 elbow joint Anatomy 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 11
- 230000008602 contraction Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 206010049816 Muscle tightness Diseases 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 230000004118 muscle contraction Effects 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 6
- 239000003550 marker Substances 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 210000001087 myotubule Anatomy 0.000 description 5
- 210000005036 nerve Anatomy 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 206010023230 Joint stiffness Diseases 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 210000004126 nerve fiber Anatomy 0.000 description 4
- XOOFLVNFEPIPIW-KQQUZDAGSA-N (1e,4e)-1,5-bis(furan-2-yl)penta-1,4-dien-3-one Chemical compound C=1C=COC=1\C=C\C(=O)\C=C\C1=CC=CO1 XOOFLVNFEPIPIW-KQQUZDAGSA-N 0.000 description 3
- 210000000852 deltoid muscle Anatomy 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 210000002161 motor neuron Anatomy 0.000 description 3
- 210000002027 skeletal muscle Anatomy 0.000 description 3
- 210000003857 wrist joint Anatomy 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 210000003489 abdominal muscle Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003094 perturbing effect Effects 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 210000000278 spinal cord Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000005557 antagonist Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000002976 pectoralis muscle Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000021542 voluntary musculoskeletal movement Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、生体部分のインピーダンスを測定するインピーダンス測定装置及びこのインピーダンス測定装置を用いた運動学習支援装置に関する。
【０００２】
【従来の技術】
動物は、特に、人間は、他者の動作を真似ることで所定の動作を取得することが多い。ゴルフ、テニス、水泳などのスポーツ技能、大工、左官、工場での組立作業などの生産技能、自動車操縦、クレーン操縦、生産機械操縦などの操縦技能、陶芸、日舞、能、人形浄瑠璃などの芸能などのような様々な技能を取得及び継承する場合、従来、学習者は、熟練者の運動軌道（動作）を見て学習するか、熟練者の運動軌道を撮影した記録映像を見て学習していた。
【０００３】
運動の際に、多くの場合、特定の１つの筋肉だけが働くのではなく、同時に複数の筋肉が働く。このように１つの運動に際して協力して働く筋肉を互いに共同筋といい、共同筋は、原則として、１つの関節に対して同じ側に位置している。これに対して互いに反対の働きをもつ筋肉を対抗筋（拮抗筋）といい、対抗筋は、関節に対して反対側にある。１つの運動に際しては、共同筋同士は同時に収縮するのはもちろんであるが、そのとき対抗筋も或る程度は緊張してその運動を調整している。筋肉は、収縮して張力のみを発生するので、関節の角度を変えるためには、関節の両側で拮抗的に働く１対の筋肉が必要だからである。従って、手や足などの動作部分から外部に加えられる力が同じであっても、また、動作部分の軌跡が同じであっても、伸筋の張力と屈筋の張力との組み合わせが異なると、動作部分のインピーダンスや力の方向が異なることになる。例えば、腕の肘関節を９０度に曲げて静止又は動作している状態は、主に上腕２頭筋とこれに対抗筋の関係にある上腕３頭筋との協調によって生じている。簡単のため、関節中心から各筋肉までの距離が関節角度によらず一定であると考えて、各筋肉の張力Ｔとモーメントアームａとの積をトルクτとする。この場合において、上腕２頭筋のトルクが２５Ｎｍで上腕３頭筋のトルクが５Ｎｍである場合も、上腕２頭筋のトルクが４５Ｎｍで上腕３頭筋のトルクが２５Ｎｍである場合も、肘関節に生じているトルクは、差である２０Ｎｍである。ところが、腕の硬さの程度は、前者の場合の方が後者の場合の方より、大きい。このことは、例えば、腕を押した場合、前者の場合の方が後者の場合の方より遙かに動かし難い。なお、運動方向に依存しない呼び方で関節を伸ばす方向に働く筋肉は、伸筋と呼ばれ、関節を曲げる方向に働く筋肉は、屈筋と呼ばれる。関節を伸ばしている場合は伸筋が主に活動しており、共同筋が伸筋に、対抗筋が屈筋に当たる。
【０００４】
このように同じトルクを発生させる場合でも運動部分のインピーダンスを異ならせることができる。また、人間は、動作部分のインピーダンスを変えることによって、同じ動作であっても結果が異なることを経験的に知っている。例えば、ゴルフパッドにおいて、ヘッドが同じ軌跡及びスピードであっても腕の硬さに応じてゴルフボールの移動距離が異なり、腕が軟らかい場合よりも硬い場合の方がより遠くに転がることを、経験的に知っている。このため、運動を学習するためには、運動軌道に合わせて運動部分のインピーダンスも真似る必要がある。
【０００５】
なお、上述では、筋繊維が収縮によってその長さが変化して張力を発生する場合について説明したが、筋繊維は、収縮によって長さは変化しないがその張力を増加する働きもある。このような収縮を等尺性収縮という。等尺性収縮の場合も同様に動作部分のインピーダンスを考え得る。例えば、腹圧を大きく加えた場合では腹筋は硬く、腹圧を加えない場合では腹筋は柔らかい。
【０００６】
そして、従来、運動部分の静止中や運動中の或る時刻におけるインピーダンスの測定は、「F.A.Mussa-Ivaaldi, N.Hogan and E.Bizzi. Neural, mechanical, and geometric factors subserving arm posture in humans. Journal of Neuroscience, Vol.5,No.10,pp.2732-2743.1985」や「五味裕章、川人光男、水平面における多関節運動中の人腕機械インピーダンスの計測、SICE論文集、Vol.32,No3,pp.369-378,1996」などに示されているように、ロボットにより摂動を与える方法や得られたデータから時間的に平均されたインピーダンスを測定する方法であった。
【０００７】
【発明が解決しようとする課題】
ところで、インピーダンスを含めて運動を学習する場合に、その前提となる従来のインピーダンス測定装置は、ロボットにより強制的に摂動を与えるため大掛な測定装置を必要とするという問題があった。そして、従来のインピーダンス測定装置は、運動部分に強制的に摂動を与えて測定するものであるので、脊髄反射などの反射系が働きα運動ニューロンの状態が通常とは異なってしまうため、自然な運動中のインピーダンスを測定することが難しいという問題もあった。さらに、従来のインピーダンス測定装置は、時間的に平均されたインピーダンスを測定するものであるため、時々刻々と変化するインピーダンスを測定することが難しいという問題もあった。
【０００８】
また、従来のインピーダンス測定装置では、このような種々の問題点があったために、運動軌跡だけでなく、時々刻々と変化する運動中のインピーダンスも合わせて運動を簡易に学習する装置は、得難かった。
【０００９】
そこで、本発明は、上記問題点に鑑みて為された発明であり、運動の原因となる筋肉の活動を測定することによって、時々刻々と変化するインピーダンスを直接的に測定することができるインピーダンス測定装置を提供することを目的とする。そして、本発明では、このようなインピーダンス測定装置を用いて、時々刻々と変化する運動中のインピーダンスも合わせて運動を学習することができる運動学習支援装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
上述の目的を達成するために、本発明では、生体のインピーダンスを測定するインピーダンス測定装置において、測定対象のインピーダンスに関与する筋肉の活動電位による筋電信号を測定する筋電信号測定手段と、前記インピーダンスに関与する筋肉によって生じる力を測定する力測定手段と、前記生体の複数の位置を測定する位置測定手段と、前記筋電信号と前記力とに基づいて前記筋電信号を正規化するための正規化基準値を演算する正規化基準値演算手段と、前記正規化基準値で正規化された筋電信号、前記複数の位置及び前記力のうちの該筋電信号を含む２以上を用いて前記インピーダンスに関与する筋肉の筋肉骨格系モデルを作成するモデル作成手段と、作成した前記筋肉骨格系モデルに応じて前記正規化基準値で正規化された筋電信号、又は、該筋電信号及び前記複数の位置の何れかを入力し、前記筋肉骨格系モデルの出力、前記力及び前記複数の位置に基づいて前記インピーダンスを演算するインピーダンス演算手段とを備えて構成される。
【００１１】
そして、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号とし、出力を前記複数の位置から求める前記インピーダンスに関与する関節の角度とする神経回路モデルであり、前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号を入力し、前記神経回路モデルの出力、前記力及び前記複数の位置に基づいて前記インピーダンスを演算する。
【００１２】
また、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号及び前記複数の位置から求める前記インピーダンスに関与する関節の角度とし、出力を前記力から求める前記関節のトルクとする神経回路モデルであり、前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号及び前記関節の角度を入力し、前記神経回路モデルの出力及び前記関節の角度に基づいて前記インピーダンスを演算する。
【００１３】
さらに、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号、前記複数の位置から求める前記インピーダンスに関与する関節の角度及び前記関節の角速度とし、出力を前記力から求める前記関節のトルクとする神経回路モデルであり、前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号及び前記関節の角度を入力し、前記神経回路モデルの出力、前記関節の角度及び前記関節の角速度に基づいて前記インピーダンスを演算する。
【００１４】
また、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、前記正規化基準値で正規化された筋電信号、前記複数の位置及び前記力に基づいて係数を求めた、弾性係数、粘性及び自然長が筋電信号によってそれぞれ変化するバネとして筋肉をモデル化した数学モデルであって、前記インピーダンス演算手段は、前記正規化基準値で正規化された筋電信号、前記力、前記インピーダンスに関与する関節の角度及び該関節の角速度に基づいて前記数学モデルより弾性係数及び粘性を求める。
【００１５】
このような構成の発明は、測定結果を用いて帰納的に筋肉骨格系モデルを作成し、この筋肉骨格系モデルによって生体に仮想的な摂動を与えた場合の値を求めて、インピーダンスを求めることができる。このため、従来のようにロボット等によって強制的に摂動を生体に与える必要がなく、大掛かりな装置を必要としない。また、本発明では、インピーダンスの演算に運動指令ｕとして筋電信号ＥＭＧを用いるので、リアルタイムでインピーダンスが測定可能である。
【００１６】
そして、本発明に係る運動学習支援装置は、上述の何れかのインピーダンス測定装置と、基準とする動作を行った場合における前記動作に係る生体の動作部分のインピーダンスを前記インピーダンス測定装置によって求めて運動学習目標値として提示すると共に、動作を行った場合の前記動作部分のインピーダンスを前記インピーダンス測定装置によって求めて該値を提示する提示手段を備えて構成される。
【００１７】
このような構成の運動学習支援装置は、提示手段が、基準とする動作を行った場合における動作に係る生体の動作部分のインピーダンスをインピーダンス測定装置によって求めて運動学習目標値として提示すると共に、動作を行った場合の動作部分のインピーダンスをインピーダンス測定装置によって求めてこの値を提示するので、運動学習目標値と今の動作における動作部分のインピーダンスの程度との差が視覚化される。このため、学習者は、この差を認識することで、基準とする動作と今の動作との相違の原因を知ることができ、動作部分が運動学習目標値に達するようにそのインピーダンスを調整することができる。従って、学習者は、基準とする動作を短期間に習得することができる。
【００１８】
【発明の実施の形態】
以下、本発明に係る実施形態を図面に基づいて説明する。なお、各図において同一の構成については、同一の符号を付し、その説明を省略する。
【００１９】
（第１の実施形態の構成）
第１の実施形態は、平衡位置を学習する神経回路モデルを用いてインピーダンスを測定するインピーダンス測定装置の実施形態である。
【００２０】
図１は、インピーダンス測定装置の構成を示す図である。
【００２１】
図１において、インピーダンス測定装置１０は、表面電極２１-1〜２１-10 、信号処理部２２、６軸力覚センサ２３、外部記憶装置２４、表示装置２５、記録装置２６、入力装置２７及び位置測定装置（不図示）を備えて構成される。信号処理部２２は、差動増幅器（以下、「ＤＩＦＡ」と略記する。）３１-1〜３１-10 、割り算回路（以下、「ＤＩＶ」と略記する。）３２-1〜３２-10 、全波整流器（以下、「ＦＷＲＣ」と略記する。）３３-1〜３３-10 、低域通過フィルタ（以下、「ＬＰＦ」と略記する。）３４-1〜３４-10 、中央処理装置（以下、「ＣＰＵ」と略記する。）３５及びメモリ３６を備えて構成される。
【００２２】
複数の表面電極２１-1〜２１-10 は、測定対象となる運動部分に装着され、運動部分に関係する筋肉の活動電位を検出する。この表面電極の直径は、約１０ｍｍであり、１組の表面電極２１は、筋繊維に沿って電極間の距離を約１５ｍｍとして身体に貼られる。本実施形態では、筋電信号は、皮膚の表面に電極を張り付けることによって活動電位を記録する表面誘導法により測定される。表面電極の組数は、測定すべき筋肉によって決定され、この測定対象の筋肉は、測定対象とする運動部分によって決定される。本実施形態では、後述するように手先のインピーダンスを測定するので、人腕の肩・肘の２関節運動に関与する１０箇所の筋肉の筋電信号を測定する必要があるために、表面電極２１-1〜２１-10 は、１０組である。
【００２３】
検出は、サンプリング周期２ｋＨｚ、１２ビット（ｂｉｔ）でサンプリングされ、各表面電極２１-1〜２１-10 からの各筋電信号は、ＤＩＦＡ３１-1〜３１-10 で所定のレベルまでそれぞれ増幅される。増幅された各筋電信号は、それぞれＤＩＶ３２-1〜３２-10 に入力され、所定の値で割り算される。この所定の値については、後述する。
【００２４】
割り算された各筋電信号は、全波整流器３３-1〜３３-10 にそれぞれ入力され、全波整流される。筋電信号毎に、この全波整流した信号を１０点毎に平均を計算し（ＥＧＭave ）、さらに、式１に基づき５点毎の移動平均を計算する（ＥＭＧma）。このようにして求めた値ＥＭＧmaを平滑筋電信号と呼ぶ。
【００２５】
【数１】
【００２６】
この各平滑筋電信号は、それぞれＬＰＦ３４-1〜３４-10 に入力される。結局、２００Ｈｚでサンプリングされたことになる。ＬＰＦ３４-1〜３４-10 は、各平滑筋電信号を擬似張力にそれぞれ変換して出力する。擬似張力は、各筋肉が発生する張力に対応する値である。ＬＰＦ３４-1〜３４-10 は、神経インパルスに対する筋収縮の遅れを補正するための２次系のフィルタであり、その遮断周波数は、擬似張力と筋肉が実際に発生している張力との対応を正確にする観点から、数Ｈｚ、より好ましくは１Ｈｚ〜３Ｈｚ、さらにより好ましくは２Ｈｚ〜３Ｈｚに設定される。本実施形態では、２Ｈｚに設定された。
【００２７】
随意運動では、上位の中枢から伝達されるインパルスが脊髄のα運動ニューロンを介して各筋肉に伝達され、活動電位が発生して筋肉が収縮し、各関節にトルクを生じさせて所望の運動が起こる。筋電信号を低域通過フィルタで変換した出力信号である擬似張力は、α運動ニューロンの発火頻度を反映していると期待されるため、筋肉が実際に生じている張力にほぼ等しいと考えられる。
【００２８】
時刻ｎにおける擬似張力Ｔ（ｎ）は、式２で与えられる。
【００２９】
【数２】
【００３０】
これは、Ｗi をインパルス応答とするＦＩＲフィルタになっている。本実施形態では、インパルス応答ｈ（ｔ）を式３のようにおいた。
【００３１】
【数３】
【００３２】
ＬＰＦ３４-1〜３４-10 の出力信号（擬似張力）は、ＣＰＵ３５に出力される。ＣＰＵ３５は、正規化基準値演算部４１、モデル作成部４２及びインピーダンス演算部４３を備えて構成され、例えば、マイクロプロセッサなどである。正規化基準値演算部４１、モデル作成部４２及びインピーダンス演算部４３は、正規化基準値、モデル及びインピーダンスをそれぞれ後述のように演算する。さらに、ＣＰＵ３５は、各種プログラムに従い、データを演算処理し、６軸力覚センサ２３、外部記憶装置２４、表示装置２５、記録装置２６、入力装置２７、ＤＩＶ３２、メモリ３６及び位置測定装置を制御すると共にデータを交換する。メモリ３６は、ＣＰＵ３５に接続され、ＲＡＭ（Random Access memory）及びＲＯＭ（Read Only Memory）を備えて構成される。メモリ３６は、正規化基準値を計測するための正規化基準値計測プログラム、モデルを作成するためのモデル作成プログラム、インピーダンスを演算するためのインピーダンス演算プログラム及び各装置を制御するための制御プログラムなど各種のプログラム、これらプログラム実行中の各種値、表面電極２１-1〜２１-10 からの出力並びに６軸力覚センサ２３からの出力などを格納する。
【００３３】
本実施形態では、手先のインピーダンスを測定するので手先の力を測定する必要があるために、６軸力覚センサ２３が使用される。６軸力覚センサ２３は、棒状の握部２３-1が基部２３-2に固定的に突設され、握部２３-1の底部に備えられた圧電素子によって握部２３-1に加えられた力が検出される。６軸力覚センサ２３は、高さを調節することができる作業台２８に配置される。外部記憶装置２４は、フレキシブルディスク、ＣＤ−Ｒ（Compact Disc Recordable）及びＤＶＤ−Ｒ（Digital Versatile Disc Recordable）などの記憶媒体とデータを読み書きする補助記憶装置であり、例えば、フレキシブルディスクドライブ、ＣＤ−Ｒドライブ及びＤＶＤ−Ｒドライブなどである。メモリ３６にインピーダンス測定装置１０を動作させるために必要な正規化基準値計測プログラム、モデル作成プログラム及びインピーダンス演算プログラムなどの各プログラムが格納されていない場合には、これらを記録した記録媒体を外部記憶装置２４を介してメモリ３６に読み込む。
【００３４】
表示装置２５は、ＣＲＴやＬＣＤや有機ＥＬなどの表示機器であり、ＬＰＦ３４-1〜３４-10の出力信号（擬似張力）、６軸力覚センサ２３の出力信号及び入力装置２７の出力信号などのＣＰＵ３５の処理結果を表示する。記録装置２６は、紙などの媒体にデータを記憶するプリンタなどの出力機器であり、ＬＰＦ３４-1〜３４-10の出力信号（擬似張力）、６軸力覚センサ２３の出力信号及び入力装置２７の出力信号などのＣＰＵ３５の処理結果を記録する。そして、入力装置２７は、起動プログラムの指定など、ＣＰＵ３５に与える各種コマンドやデータなどを入力する装置であり、例えば、キーボードやマウスなどである。位置測定装置は、ＣＰＵ３５に接続され、測定しようとする運動部分における各位置を所定のサンプリング周期で測定する機器であり、例えば、３次元位置計測装置ＯＰＴＯＴＲＡＫ（Northern Digital Inc.）である。このＯＰＴＯＴＲＡＫは、位置を計測しようとする箇所に赤外線マーカを貼付し、赤外線マーカから放射される赤外線を３つのカメラで検出することにより、高精度、高サンプリングレートで位置を計測する装置であり、例えば、本実施形態では、サンプリングレートを２００Ｈｚに設定した。
【００３５】
（第１の実施形態の動作）
インピーダンス測定装置１０は、ＣＰＵ３５の正規化基準値演算部４１で正規化基準値計測プログラムによって正規化基準値を測定し、この正規化基準値の下で計測した計測値を用いて、モデル作成部４２でモデル作成プログラムによってモデルを作成し、このモデルを用いて、インピーダンス演算部４３でインピーダンス演算プログラムによって生体部位のインピーダンスを測定する。以下、より詳細に説明する。
【００３６】
図２は、第１の実施形態におけるインピーダンス測定装置の動作を示すフローチャートである。図３は、表面電極のだいたいの装着位置と筋肉との関係を示す図である。図４は、肘関節角度９０度・肩関節角度４５度の２関節運動における正規化データ取得の状況を示す図である。
【００３７】
図２において、まず、正規化基準値を測定するために、被験者に表面電極２１を装着して筋電信号を信号処理部２２に取り込む（Ｓ１１）。
【００３８】
動物の運動は、運動神経に支配される筋肉の収縮によって生じ、多くの骨格筋の協調によって行われる。運動神経は、多数の運動神経繊維の束からなり、個々の運動神経繊維は、数本から１００本以上の筋繊維を支配している。１本の運動神経繊維の支配下にある筋繊維は、神経繊維のインパルスにより同時に活動電位を発生して収縮するので、骨格筋の運動の単位と見なすことができ、運動単位と呼ばれる。骨格筋が生体内にある状態でその活動電位を示すものに筋電信号がある。筋電信号は、筋肉が全く弛緩している場合では活動電位は全く記録されず、運動神経のインパルスにより筋肉の収縮が起こると活動電位があらわれ記録される。活動電位の頻度は、収縮が強くなるにつれて増大するが、これは、単一の運動単位に伝えられる神経インパルス頻度の増大や、収縮にあずかる運動単位の数の増加によるものである。このような筋電信号は、観察される電極の電位と筋肉の張力のレベルとに直接的な対応関係がない。即ち、筋電信号から得られる擬似張力においても、擬似張力のレベルと筋肉の張力のレベルとの間に直接的な対応関係はない。そのため、擬似張力の或るレベルが筋肉の張力の何れのレベルに対応するか関係付けるために、正規化基準値の計測を行い、この結果によって、ＤＩＶ３２-1〜３２-10における所定の値を決定する必要がある。
【００３９】
正規化方法は、例えば、最大随意収縮力を１として相対的に正規化する方法がある。この方法は、最大随意収縮力が被験者の最大であると考えて出す筋肉の張力であるので被験者の恣意によると考えられ、同じ筋肉であっても時々で相違してしまう。以下の正規化方法は、被験者に一定の力を出してもらって正規化する方法であり、被験者の恣意によらない点で優れている。
【００４０】
筋電信号の正規化は、第１ステップとして、動作部分に所定の力を発生させ、この場合における各筋肉の筋電信号を表面電極２１-1〜２１-10 によって計測する。第２ステップとして、各筋肉毎に擬似張力の最大値を求める。この最大値が、各筋肉毎に求められた、各筋肉の筋電信号を正規化するための正規化基準値となる。そして、この正規化基準値に応じてＤＩＶ３２-1〜３２-10における所定の値が決定される。
【００４１】
より具体的には、本実施形態では、手先のインピーダンスを測定するので、略水平面内における人腕の肩・肘の２関節運動に関与する１０箇所の筋肉の筋電信号を測定する必要があるために、１０組の表面電極２１-1〜２１-10 は、図３に示す、肩関節の伸筋・屈筋としての(1)ＤＬＳ、(2)ＤＬＡ、(3)ＤＬＣ、(4)ＴＥＭ及び(5)ＰＭＪ、肩・肘の２関節筋としての(6)ＴＲＬ及び(7)ＢＩＬ、肘関節の伸筋・屈筋としての(8)ＴＲＡ、(9)ＴＲＭ及び(10)ＢＲＣに装着された。なお、図３に示す●が表面電極２１の装着位置である。ここで、ＤＬＳは三角筋後部、ＤＬＡは三角筋上部、ＤＬＣは三角筋前部、ＴＥＭは大円筋、ＰＭＪは大胸筋、ＴＲＬは上腕三頭筋長頭、ＢＩＬは上腕二頭筋長頭、ＴＲＡは上腕三頭筋外側頭、ＴＲＭは上腕三頭筋内側頭、及び、ＢＲＣは上腕筋である。
【００４２】
被験者は、図１（ａ）に示すように、手先、肘及び肩が同一水平面になるように椅子２９に座る。筋電信号は、図４（ａ）に示すように、肩の関節を４５度、肘の関節を９０度に設定（固定）し、等尺性収縮により手先で例えば４０Ｎの力を発生させて測定される。
【００４３】
学習者がこのように手先に力を発生させている間、表面電極２１-1〜２１-10からの出力は、上述の信号処理により擬似張力に変換されて、ＣＰＵ３５に取り込まれる。この正規化基準値の測定の場合では、ＤＩＶ３２-1〜３２-10の所定の値は、１に設定される。即ち、ＤＩＶ３２-1〜３２-10は、入力をそのまま出力する。そして、６軸力覚センサ２３からの出力もＣＰＵ３５に取り込まれる。ＣＰＵ３５は、これら取り込んだ値をメモリ３６に格納するとともに記録装置２６に記録し、６軸力覚センサ２３からの出力を表示装置２５に表示する。表示装置２５は、６軸力覚センサ２３に加わる力が４０Ｎであることを示す円と、学習者が６軸力覚センサ２３に加えている現在の力の方向及び大きさを示すカーソルと、３０度ずつの１２方向の矢印とを表示し、学習者は、表示装置２５を見ながら所定方向にこの円上にカーソルが一致するように力を発生させる。これにより学習者は、学習者の恣意によらない所定の力、即ち、４０Ｎの力を発生させる。
【００４４】
測定は、すべての筋肉を活性化させるために図４（ｂ）に示す正のＸ方向から３０度ずつ１２方向に力を発生させように、２４秒間で反時計回りに一周するように行われる。ここで、次の方向に力の発生方向を変えるごとに力を抜き０Ｎに戻すようにしている。これは、学習者に４０Ｎ以上の力を発生させないようにするためである。なお、測定開始の方向は、特に限定されるものではなく、何れの方向から始めても良い。
【００４５】
次に、ＣＰＵ３５の正規化基準値演算部４１は、入力された擬似張力から、筋肉毎に擬似張力の最大値を求める。この擬似張力の最大値が正規化基準値である。ＣＰＵ３５は、筋肉毎に対応する正規化基準値を表示装置２５に表示するとともに記録装置２６に記録する。そして、ＣＰＵ３５は、このように求めた各正規化基準値を、ＤＩＶ３２-1〜３２-10の所定の値として、各筋肉に対応させてそれぞれに設定する（Ｓ１２）。これによって、表面電極２１-1〜２１-10から得られる擬似張力（筋電信号）と筋肉の張力との間に、一定の対応関係を作ることができる。
【００４６】
このような正規化基準値で筋電信号を正規化するので、装着状態の相違による抵抗値の相違を吸収することができる。そして、被験者の恣意によらないので被験者間で擬似張力及び関節のトルクなどを比較することが可能となる。なお、本実施形態では、所定の力として４０Ｎの場合において、正規化基準値を求めたが、他の力例えば３０Ｎの力を発生させて正規化基準値を求めてもよい。また、本実施形態では、人腕における上記(1)乃至(10)に対応する正規化基準値を求めたが、他の運動部分における筋肉についても同様に求めることができる。
【００４７】
次に、筋肉骨格系モデルを作成するために、被験者に表面電極２１を装着して筋電信号を信号処理部２２に入力する（Ｓ１３）。即ち、まず、被験者は、表面電極２１-1〜２１-10が図３に示す装着位置に装着され、図１（ａ）に示すように手先、肘及び肩が略同一水平面になるように椅子に座る。また、位置測定装置であるＯＰＴＯＴＲＡＫの赤外線マーカは、本実施形態では手先のインピーダンスを測定するので、肩関節及び肘関節の角度を測定する必要があるために、図６に○で示すように被験者の肩関節、肘関節及び手首関節に貼付された。ＯＰＴＯＴＲＡＫで、被験者の肩関節、肘関節及び手首関節の位置を２００Ｈｚのサンプリング周期で測定することによって、ＣＰＵ３５は、肩関節、肘関節及び手首関節の位置だけでなく、これら位置から肩関節の角度、肩関節の角速度、肘関節の角度及び肘関節の角速度をそれぞれ得ることができる。
【００４８】
図５は、等尺性筋収縮における測定位置と測定結果の一例を示す図である。図５（ａ）は、等尺性筋収縮における測定位置を示す図であり、肩関節を座標原点とし、両肩関節を含む方向をＸ軸とし、Ｘ軸に垂直な方向をＹ軸とする。後述の図６、図８、図１０乃至図１４も同様である。図５（ｂ）は、測定結果の一例を示す図である。図６は、静止中における測定位置を示す図である。
【００４９】
第１に、図５（ａ）に示す＊１〜＊１５の各測定位置において、１箇所につき２４秒間で１２方向に被験者が力を出して筋電信号が測定された。出す力の大きさは、例えば、それぞれ４０Ｎ、３０Ｎ、２０Ｎ、１０Ｎ及び５Ｎの各場合について行われた。なお、手先は、６軸力覚センサ２３に固定され、被験者は、６軸力覚センサ２３を握る必要はない状態で測定された。図５（ｂ）に４０Ｎの力を１２方向に出した場合の力の軌跡を示す。
【００５０】
第２に、被験者が第１と同様な状態で、図６に示す＊の２５１箇所の各測定位置において、被験者が１箇所につき１０秒間その姿勢を維持した状態で、その間サンプリング周期２００Ｈｚで筋電信号が測定された。
【００５１】
次に、ＣＰＵ３５のモデル作成部４２は、Ｓ１３で第２の測定結果を用いて、モデルを作成する（Ｓ１４）。ここで、モデルについて以下に説明する。
【００５２】
水平面内で肩、肘の２関節運動を行っている場合、時刻ｔにおける被験者の動作特性は、式４のように近似することができる。
【００５３】
【数４】
【００５４】
ここで、Ｘ（ｔ）は手先位置であり、物理学で慣習的に使用される表記方法に従って手先速度をＸ（ｔ）の１ドットで、手先加速度をＸ（ｔ）の２ドットで表す。Ｆ（ｔ）は手先から環境に作用する力、Ｘｖ（ｔ）は手先の仮想軌道、Ｍは手先の慣性、Ｂは手先の粘性及びＫは手先のスティフネス行列である。これらＭ，Ｂ及びＫは、インピーダンスパラメータである。
【００５５】
手先、肘、肩が略同一水平面上にあるような姿勢で腕を固定しているとして、筋電信号からＸｖ（ｔ）を求める方法を考える。このとき、外力Ｆ（ｔ）が作用しなければ、関節角度をθ、各筋肉の運動指令をｕとすると、筋肉により関節に発生するトルクτは零となるので式５が成り立つ。
τ＝ｆ（ｕ、θ）＝０ ・・・ （５）
関数ｆは、非線形性が強いので式５を解析的に解くことは難しいが、運動指令ｕから関節角度θへの写像は、多対一写像と表せる。これは、生体の運動部分を異なった硬さで同じ姿勢にすることができることから分かる。運動指令ｕは、筋電信号に対応するから、図７に示すように１層目に筋電信号（ＥＭＧ）を入力し３層目に関節角度（joint angle）θを出力する神経回路モデルを作成することによって、式５を解くことが可能となる。つまり、筋電信号から神経回路モデルによって関節角度θを求め、関節角度θからＸｖ（ｔ）を求めることができる。図７は、神経回路モデルの一例を示す図である。
【００５６】
よって、モデル作成部４２は、Ｓ１３の測定結果を用いて、１層目に筋電信号を入力し２層目を経由して３層目に関節角度θを出力する神経回路モデルを作成する。以下、この神経回路モデルを平衡位置用神経回路モデルと呼称する。
【００５７】
この平衡位置用神経回路モデルは、第１の実施形態では、図６に示す２５１箇所の各位置における各姿勢から３８０点のデータを任意に抜き出し、計３８０×２５１＝９５３８０のデータを用いて、ＫｉｃｋＯｕｔ法により学習させて作成した。学習は、残りの１５２０×２５１＝３８１５２０のデータをテストデータとして、テストデータに対してエラーを計算し、過学習にならないところで打ち切った。また、本実施形態の平衡位置用神経回路モデルは、１層目と３層目の出力が線形変換で、２層目の出力がシグモイド関数変換であり、１層目が計測した筋肉と同数の１０個、２層目が１５個、３層目が肩、肘の平衡位置で２個である。
【００５８】
このようにして作成した平行位置用神経回路モデルは、テストデータの全３８１５２０について相関係数を計算すると、本実施形態では肩が０．９４３２、肘が０．９３８７となっており、略正確に位置を推定できることが確認された。
【００５９】
そして、ＣＰＵ３５のインピーダンス演算部は、第１の測定結果を平衡位置用神経回路モデルに用いて、インピーダンスの一つであるスティフネス行列Ｋについて演算する（Ｓ１５）。なお、新たに被験者に所定の動作を行わせて筋電信号を得て、この筋電信号からインピーダンスを測定してもよい。
【００６０】
ここで、スティフネス行列Ｋの演算について説明すると、水平面内で腕が静止している場合には、式４は、式６のように変形される。
Ｋ（Ｘ（ｔ）−Ｘｖ（ｔ））＝−Ｆ（ｔ） ・・・ （６）
この場合に、腕を静止させたまま等尺性筋収縮を行うと、平衡位置用神経回路モデルを用いて、Ｘｖ（ｔ）を求めることができる。したがって、インピーダンス演算部４３は、実際の手先位置Ｘ（ｔ）と、筋電信号から平衡位置用神経回路モデルを用いて求めたＸｖ（ｔ）と、６軸力覚センサ２３から測定されるＦ（ｔ）とを用いて、式６よりスティフネス行列Ｋを求める。
【００６１】
次に、ＣＰＵ３５は、インピーダンス演算部４３が求めたインピーダンス（スティフネス行列Ｋ）を表示装置２５に表示する（Ｓ１６）。
【００６２】
図８は、スティフネス楕円体でインピーダンスを表示装置に表示した一例である。図８において、実線が１２方向に５Ｎの力を出した場合のデータを用いて演算されたインピーダンスであり、破線が１２方向に１０Ｎの力を出した場合のデータを用いて演算されたインピーダンスである。図８から分かるように、大きな力を出す場合には腕を硬くしている、つまりスティフネス楕円体が大きくなっている。
【００６３】
なお、手先のスティフネス楕円体のパラメータは、図９に示すように、インピーダンスの大きさが楕円の面積Ｓで表され、インピーダンスの方向は、楕円の長軸の方向で表される。楕円の形状は、楕円の短径λminと楕円の長径λmaxとの比βで表示し、肩関節と手先とを結ぶ直線と両肩関節を結ぶ直線とが成す角をφ、肩関節と手先とを結ぶ直線と楕円の長軸とが成す角をδとおく。
【００６４】
以上のように、第１の実施形態におけるインピーダンス測定装置１０は、筋電信号を正規化して擬似張力と対応付け、この対応付けの下に筋電信号を測定し、測定結果の一部から平衡位置用神経回路モデルを作成し、さらに測定結果に平衡位置用神経回路モデルを適用することによってＸｖ（ｔ）を求めて式６よりスティフネス行列Ｋを求めることができる。そして、インピーダンス測定装置１０は、表面電極２３及び赤外線マーカの装着という被験者の運動をほとんど妨げることのない簡易な方法によって諸量を測定して帰納的に平衡位置用神経回路モデルを作成するので、従来のようにロボット等によって強制的に摂動を生体に与える必要がなく、大掛かりな装置を必要としない。また、本発明では、インピーダンスの演算に運動指令ｕとして筋電信号ＥＭＧを用いるので、リアルタイムでインピーダンスが測定可能である。
【００６５】
（第２の実施形態の構成）
次に、別の実施形態について説明する。第１の実施形態は、インピーダンスを演算するためにＸｖ（ｔ）を求める平衡位置用神経回路モデルを用いたが、第２の実施形態は、トルクτを求めるトルク用神経回路モデルを用いる実施形態である。
【００６６】
第２の実施形態におけるインピーダンス測定装置１０’は、第１の実施形態のモデル作成部４２の代わりにトルク用神経回路モデルを作成するモデル作成部４２’を使用し、第１の実施形態のインピーダンス演算部４３の代わりに後述の演算方法によるインピーダンス演算部４３’を使用することを除き、図１に示す第１の実施形態と同様なので、その説明を省略する。
【００６７】
また、第２の実施形態におけるインピーダンス測定装置１０’の動作は、モデル作成方法及びインピーダンスの演算方法が異なることを除き、図２に示す第１の実施形態と同様に、筋電信号を取り込み（Ｓ１１）、正規化し（Ｓ１２）、正規化基準値が設定された下で筋電信号を取り込み（Ｓ１３）、モデルを作成し（Ｓ１４’）、このモデルを用いてインピーダンスを演算し（Ｓ１５’）、インピーダンスを出力・表示する（Ｓ１６）。以下、第１の実施形態と異なるモデルの作成方法及びインピーダンス演算方法について説明する。
【００６８】
まず、第２の実施形態におけるＳ１４’のモデル作成方法について説明する。第１の実施形態と同様に、略水平面内で肩、肘の２関節運動を行っている場合、時刻ｔにおける被験者の動作特性は、式４のように近似することができる。
【００６９】
一方、手先、肘、肩が略同一水平面上にあるような姿勢で腕を固定しているとして、運動指令ｕ、関節角度θ及びトルクτの間には式５’が成り立つ。
τ＝ｆ（ｕ、θ） ・・・ （５’）
トルクは、その関節に関する多数の筋肉の発生する張力Ｔとモーメントアームａによって決まるが、運動指令ｕと筋張力Ｔとの関係、筋肉の長さｌと筋張力Ｔとの関係、及びモーメントアームａと関節角度θとの関係は、すべて非線形であるので式５を解析的に解くことは難しいが、第１の実施形態と同様に、１層目に筋電信号ＥＭＧ及び関節角度θを入力し３層目にトルクτを出力する神経回路モデルを作成することによって、式５’を解くことが可能となる。よって、モデル作成部４２’は、Ｓ１３の測定結果を用いて、１層目に筋電信号ＥＭＧ及び関節角度θを入力し三層目にトルクτを出力する神経回路モデルを作成する。以下、この神経回路モデルをトルク用神経回路モデルと呼称する。
【００７０】
このトルク用神経回路モデルは、第２の実施形態では、図５（ａ）に示す各位置で測定した第１の測定結果から４７６９０のデータを任意に抜き出し、図６に示す各位置で測定した第２の測定結果から５８８００のデータを任意に抜き出し、計１０６４９０のデータを用いて、ＫｉｃｋＯｕｔ法により学習させて作成した。学習は、残りの６６４４１０のデータをテストデータとして、テストデータに対してエラーを計算し、過学習にならないところで打ち切った。また、本実施形態のトルク用神経回路モデルも１層目と３層目の出力が線形変換で、２層目の出力がシグモイド関数変換であり、１層目が計測した筋肉と肩・肘の各関節角度で１２個、２層目が１５個、３層目が肩、肘のトルクで２個である。このようにして作成したトルク用神経回路モデルは、テストデータの全６６４４１０について相関係数を計算すると、本実施形態では肩が０．９４９４、肘が０．９４９３となっており、略正確にトルクを推定できることが確認された。
【００７１】
次に、第２の実施形態におけるＳ１５’のインピーダンス演算方法について説明する。
【００７２】
水平面内で腕を静止している状態で、運動指令ｕを変えずに、手先に仮想的な一定の微小強制変位δθを与えると、式７が成り立つ。
δτ＝ｆ（ｕ、θ＋δθ） ・・・ （７）
ここで、δτは、強制変位δθを与えた場合の手先復元力である。運動指令ｕを変えないことは、手先の平衡位置Ｘｖ（ｔ）が変化しないことを示す。そして、手先位置Ｘ（ｔ）の速度及び加速度は、静止状態であるから共に零である。よって、式４は、式８のように変形される。
Ｋ・δＸ（ｔ）＝−δＦ（ｔ） ・・・ （８）
ここで、δＸ（ｔ）及びδＦ（ｔ）は、それぞれδθ及びδτをＸＹ座標系で表したものである。
【００７３】
一方、水平面内で肩、肘の２関節運動を行っている状態で、運動指令ｕを変えずに、手先に仮想的な一定の微小強制変位δθを与えると、式９が成り立つ。
τ＋δτ＝ｆ（ｕ、θ＋δθ） ・・・ （９）
ここで、δθを仮想的に一瞬に変化させることで、手先位置Ｘ（ｔ）の速度及び加速度は、強制変位を与えないときと同じとみなせるから式１０が成り立つ。
【００７４】
【数５】
【００７５】
式１０と式１との差分をとると、次式１１が成り立つ。
Ｋ・δＸ（ｔ）＝−δＦ（ｔ） ・・・ （１１）
ここで、δＸ（ｔ）及びδＦ（ｔ）は、それぞれδθ及びδτをＸＹ座標系で表したものである。
【００７６】
したがって、インピーダンス演算部４３’は、静止中のインピーダンスを求める場合には、或る姿勢（図５（ａ）の＊１〜＊１５の何れかの位置における姿勢）で腕を静止している場合に、筋電信号ＥＭＧを変えずに手先が例えば５ｍｍだけ１２方向に動くように関節角度δθを変えたデータをトルク用神経回路モデルに入力してδτを求め、δθ及びδτからδＸ（ｔ）及びδＦ（ｔ）をそれぞれ求め、式８よりスティフネス行列Ｋを求める。一方、インピーダンス演算部４３’は、運動中のインピーダンスを求める場合には、運動中の各姿勢から筋電信号ＥＭＧを変えずに手先が例えば５ｍｍだけ１２方向に動くように関節角度δθを代えたデータをトルク用神経回路モデルに入力してトルクを求め、このトルクと関節角度θを変えない場合にトルク用神経回路モデルから出力されるトルクとの差分をとったトルクから、式１１よりスティフネス行列Ｋを求める。
【００７７】
そして、次に、ＣＰＵ３５は、インピーダンス演算部４３’が求めたインピーダンス（スティフネス行列Ｋ）を表示装置２５に表示する。
【００７８】
図１０は、スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。図１０から分かるように、インピーダンスの方向は、楕円の長軸が肩の方向を向いているが、形状は、細長くなっている。図１１は、スティフネス楕円体で運動中のインピーダンスを表示装置に表示した一例である。図１１（ａ）、（ｂ）及び（ｃ）は、それぞれ図に矢印→で示すように手先を動かした場合におけるインピーダンスである。図１１から分かるように、一般に言われているように図１１に較べて運動中の方がスティフネス楕円体が大きくなっており、運動の方向によって楕円体の方向も変わっている。
【００７９】
以上のように、第２の実施形態におけるインピーダンス測定装置１０’は、筋電信号を正規化して擬似張力と対応付け、この対応付けの下に筋電信号を測定し、測定結果の一部からトルク用神経回路モデルを作成し、さらに測定結果にトルク用神経回路モデルを適用することによって式８又は式１１よりスティフネス行列Ｋを求めることができる。そして、インピーダンス測定装置１０’は、第１の実施形態と同様に、従来のように大掛かりな装置を必要とせずに、リアルタイムでインピーダンスが測定可能である。
【００８０】
ここで、第１の実施形態の式５及び第２の実施形態の式５’は、一般的には式５”のように表され、強制的に摂動を与えた場合では、剛性の一般式５”は、式７’のように表され、粘性の一般式は、式（７”）のように表される。従って、粘性を求める場合には、第２の実施形態において、式５’の代わりに式５”を用い、式７の代わりに式７”を用いることで、上述と同様な手法により、粘性Ｂを求めることができる。
τ＝ｆ（ｕ、θ、ω） ・・・ （５”）
τ＋δτ＝ｆ（ｕ、θ＋δθ、ω） ・・・ （７’）
τ＋δτ＝ｆ（ｕ、θ、ω＋δω） ・・・ （７”）
ここで、ωは関節角速度（θドット）である。また、この場合の神経回路モデルは、１層目と３層目の出力が線形変換で、２層目の出力がシグモイド関数変換であり、１層目が計測した筋肉信号と肩・肘の各関節角度と肩・肘の各関節角速度で１４個、２層目が１５個、３層目が肩、肘のトルクで２個となる。
【００８１】
（第３の実施形態の構成）
次に、別の実施形態について説明する。第１及び第２の実施形態は、非線形関数を解くこと代わりに測定値から神経回路モデルを作成してこの神経回路モデルを用いてインピーダンスを演算する実施形態であるが、第３の実施形態は、後述のように非線形関数を近似的に解いた数式モデルを用いる実施形態である。
【００８２】
第３の実施形態におけるインピーダンス測定装置１０”は、第１の実施形態のモデル作成部４２の代わりに数式モデルを作成するモデル作成部４２”を使用し、第１の実施形態のインピーダンス演算部４３の代わりに後述の演算方法によるインピーダンス演算部４３”を使用することを除き、図１に示す第１の実施形態と同様なので、その説明を省略する。
【００８３】
また、第２の実施形態におけるインピーダンス測定装置１０”の動作は、モデル作成方法及びインピーダンスの演算方法が異なることを除き、図２に示す第１の実施形態と同様に、筋電信号を取り込み（Ｓ１１）、正規化し（Ｓ１２）、正規化基準値が設定された下で筋電信号を取り込み（Ｓ１３）、モデルを作成し（Ｓ１４”）、このモデルを用いてインピーダンスを演算し（Ｓ１５”）、インピーダンスを出力・表示する（Ｓ１６）。
【００８４】
まず、第３の実施形態における筋骨格系の数式モデルについて説明する。筋肉は、伸ばすと反力を返す弾性体のような性質をしているが、実際の張力Ｔは、筋肉の伸びによって非線形に変化する。また張力Ｔは、筋肉が短縮する場合の速度によっても変化し、運動指令ｕの変化によっても変化する。このことから筋肉は、粘性、弾性係数、自然長が運動指令ｕによって変化する弾性体としてモデル化することができる。筋肉の張力Ｔは、式１２のように表される。
【００８５】
【数６】
【００８６】
ここで、ｌは筋肉の長さを表し、その速度をｌの１ドットで、加速度をｌの２ドットで表す。また、式１２のｋは筋肉の弾性係数を、ｂは粘性係数を、そして、Δｌは自然長からの伸びを表す。一方、簡単化のためにｋを運動指令ｕに線形な関数として式１３のように近似する。
ｋ＝ｋ0＋ｋ1ｕ ・・・ （１３）
Δｌは、関節角度０の場合における筋肉の長さをｌとすると式１４となる。
Δｌ＝（ｌ−ｌrest（ｕ）−ａθ）；屈筋 ・・・ （１４-1）
Δｌ＝（ｌ−ｌrest（ｕ）＋ａθ）；伸筋 ・・・ （１４-2）
ここで、ｌrestは筋肉の自然長、θは関節を伸ばした状態を０とした関節角度、そして、ａはモーメントアームを表す。
【００８７】
一般にモーメントアームａは、関節角度θの非線形な関数であるが、本実施形態では、ａを定数で近似し、ｌrestを運動指令ｕに関する線形関数で近似すると、定数項をまとめることにより、式１４は式１５のように表される。
Δｌ＝（ｌ0−ｌ1ｕ−ａθ）；屈筋 ・・・ （１５-1）
Δｌ＝（ｌ0−ｌ1ｕ＋ａθ）；伸筋 ・・・ （１５-2）
同様に、粘性係数ｂも運動指令ｕに関する線形関数で近似し、ｌの速度を関節角度θの速度で表すと、式１６のように近似される。
【００８８】
【数７】
【００８９】
なお、ｋ0、ｋ1、ｌ0、ｌ1、ｂ0及びｂ1は、定数である。
【００９０】
以上より、或る筋肉の張力Ｔiは、式１７のように表される。
【００９１】
【数８】
【００９２】
ここで、ａijは、筋肉ｉの自由度ｊに関するモーメントアームを表し、筋肉が伸筋である場合は負符号を取り筋肉ｉの自由度ｊに関わっていない場合は０とする。
【００９３】
或る自由度でのトルクτは、その方向に関してのモーメントアームと張力との積を全筋肉について和をとったものとなり、式１８のように表される。
τ＝ａＴ ・・・ （１８）
ここで、τ＝（τ1、τ2、・・・、τj）t ・・・ （１９-1）
Ｔ＝（Ｔ1、Ｔ2、・・・、Ｔi）t ・・・ （１９-2）
及びａはｊ行ｉ列の行列である。
【００９４】
以上より、或る自由度ｊにおける関節のスティフネスＲjは、関節が動いた場合にどれだけのトルクτが発生するかで決まるので、式１７及び式１８の数式モデルより解析的に直接演算することができ、式２０のように表される。
【００９５】
【数９】
【００９６】
同様に、或る自由度ｊにおける関節の運動中の粘性係数Ｂは、式２１のように表される。
【００９７】
【数１０】
【００９８】
以上のように関節スティフネスＲｊ及び粘性Ｂｊが解析的に表されることより、ＣＰＵ３５のモデル作成部４２”は、Ｓ１４”においてＳ１３における測定結果を用いて式２０及び式２１の係数ａ、ｋ、ｌ、ｂを求めて数式モデルを作成する。
【００９９】
この数式モデルは、本実施形態では、図５（ａ）に示す各位置で測定した第１の測定結果から１６７２０のデータを任意に抜き出し、静止中の第２の測定結果から３６７５０のデータを任意に抜き出し、計５３４７０の静止中のデータを用いて、勾配法による逐次計算により係数ａ、ｋ、ｌを最適化した。残りの３６７５００のデータについて相関係数を計算すると、本実施形態では肩が０．９０２５、肘が０．９２８１となっており、略正確にモデル化できたことが確認された。そして、求めた係数ａ、ｋ、ｌを固定して、運動中のデータで係数ｂの最適化を行った。なお、腕の物理パラメータは、腕が比重１の均一な物質であると仮定し、円錐台のモデルとして近似して求めた。
【０１００】
ここで、一般に１つの関節には、複数の筋肉が付いているので、単純に最適化を行うと各係数が生物学的に有り得ない値に収束する可能性がある。そのため、各パラメータの初期値と制約とを定めるのが好ましく、本実施形態では生物学的な見地から、ａ＝０．００５〜０．０４（ｍ）、ｋ＝５００〜３０００（Ｎ／ｍ）、ｌ＝０．００１〜０．０３（ｍ）、及び、ｂ＝５０〜２００（Ｎｓ／ｍ）に制約を定めた。
【０１０１】
係数ａ、ｋ、ｌ、ｂが求まると、ＣＰＵ３５のインピーダンス演算部４３”は、Ｓ１５”において、Ｓ１３の測定結果に基づいて式２０より関節スティフネスＲjを求め、式２１より粘性Ｂjを求める。そして、次に、ＣＰＵ３５は、インピーダンス演算部４３”が求めたインピーダンス（関節スティフネスＲj及び粘性Ｂj）を表示装置２５に表示する。
【０１０２】
図１２は、スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。図１２から分かるように、楕円の長軸の方向が肩の方向を向き、手先位置が体の近くになると楕円の向きが反時計回りに回転することや、手先位置が体から離れると楕円の形状が細長くなることなど、従来の研究報告と同様の結果となっている。また、図１３は、スティフネス楕円体で運動中のインピーダンス（手先スティフネス楕円体）を表示装置に表示した一例である。図１４は、スティフネス楕円体で運動中のインピーダンス（手先粘性楕円体）を表示装置に表示した一例である。図１３の各図及び図１４の各図は、それぞれ図に矢印→で示すように手先を動かした場合におけるインピーダンスである。手先粘性楕円体は、スティフネス楕円体と同様に、外部から手先の全方向に１ｍ／ｓの速度を与えた場合に生じる力を表したもので、楕円の長軸方向には大きな粘性特性が、短軸方向には小さな粘性特性が存在することを意味する。
【０１０３】
以上のように、第３の実施形態におけるインピーダンス測定装置１０”は、筋電信号を正規化して擬似張力と対応付け、この対応付けの下に筋電信号を測定し、測定結果の一部から数式モデルを作成し、さらに測定結果に数式モデルを適用することによって式２０及び式２１よりスティフネス及び粘性をそれぞれ求めることができる。そして、インピーダンス測定装置１０”は、第１の実施形態と同様に、従来のように大掛かりな装置を必要とせずに、リアルタイムでインピーダンスが測定可能である。
【０１０４】
なお、第１乃至第３の実施形態では、インピーダンスを求めるために一連の動作によって正規化基準値及び各モデルを求めたが、或る被験者に対して一度これら正規化基準値及び各モデルを求めることによって、次回以降は、これら正規化基準値及び各モデルを用いて、筋電信号から直ちにインピーダンスを求めることができる。
【０１０５】
（第４の実施形態）
第４の実施形態は、第１乃至第３の実施形態のうち何れかのインピーダンス演算方法を用いて運動学習を行う運動学習支援装置の実施形態である。この運動学習支援装置は、運動学習目標値を設定する運動学習目標値設定モード及び学習者が学習を行う学習支援モードの各モードが備えられ、これら各モードを使用することにより、学習者は、動作部分のインピーダンスの程度を含めて動作を習得することができる。
【０１０６】
図１において、運動学習支援装置の構成は、ＣＰＵ３５が破線で示す運動学習目標値設定部４４を更に備え、メモリ３６が運動学習目標値、メッセージ及び後述のフローチャートに基づく運動学習支援プログラムを更に格納していることを除き、第１の実施形態におけるインピーダンス測定装置１０の構成と同様であるので、その説明を省略する。なお、モデル作成部４２及びインピーダンス演算部４３は、第１乃至第３の実施形態における何れか１つのモデル作成部４２、４２’、４２”及びインピーダンス演算部４３、４３’、４３”である。また、メッセージは、運動目標値と学習者が今行った運動のインピーダンスとの相違に従った対応関係を示すテーブルとしてメモリ３６に格納する。メッセージは、例えば、「前腕を硬くしてください」とか「手首を軟らかくしてください」などの運動部分の硬さや軟らかさを指導するメッセージである。
【０１０７】
次に、この運動学習支援装置の動作について説明する。図１５は、第４の実施形態における運動学習支援装置の動作を示すフローチャートである。
【０１０８】
図１５において、運動学習支援装置にモードを入力する（Ｓ２１）。まず、運動目標値を設定する必要があるので、運動学習目標値設定モードを選択する。
【０１０９】
そして、運動の目標値を設定するために、学習しようとする学習者に較べて当該運動に関して熟達している者（師匠）に表面電極２１を装着する。表面電極２１の装着位置は、学習しようとする運動に合わせて選択される。例えば、手首のインピーダンスがパッドの成否に重要であると考えてゴルフパッドを学習しようとする場合には、手首関節の伸筋・屈筋として、左前腕の(1)橈側手根屈筋、(2)尺側手根伸筋、(3)指伸筋、(4)尺側手根屈筋及び(5)方形回内筋の５個の筋肉で生じる筋電信号をそれぞれ測定可能なように装着される。また例えば、肩・肘の２関節運動がテニスに重要であると考える場合には、第１乃至第３の実施形態と同様に装着される。また、同様に、赤外線マーカが、学習しようとする運動に合わせて選択された位置に貼付されれる。
【０１１０】
運動目標値となる師匠のインピーダンスを求めるために、運動学習支援装置は、師匠に正規化を行うための所定の動作を行わせながら筋電信号を取り込み（Ｓ２２）、この筋電信号に基づいて正規化基準値を求めてＤＩＶ３２を設定することによって正規化を行い（Ｓ２３）、この正規化基準値の下で師匠に所定の動作を行わせながら筋電信号を取り込み（Ｓ２４）、この筋電信号に基づいてモデルを作成し（Ｓ２５）、師匠に学習しようとする運動を行わせながら筋電信号を取り込み（Ｓ２６）、モデルに基づいてインピーダンスを演算する（Ｓ２７）。なお、これらＳ２２乃至Ｓ２５、及びＳ２７は、第１及び第３の実施形態におけるＳ１１乃至Ｓ１４、及びＳ１５とそれぞれ同様なのでその説明を省略する。
【０１１１】
次に、運動学習支援装置はモードを判断し（Ｓ２８）、運動学習目標値設定モードである場合（目標値設定）には、ＣＰＵ３５の運動学習目標値設定部４４は、Ｓ２５で演算したインピーダンスを運動学習目標値としてメモリ３６に格納する（Ｓ２９）。そして、運動学習支援装置の使用の終了が入力されたか否かを判断し（Ｓ３２）、終了の場合（Ｙｅｓ）には、運動学習支援プログラムを終了する。
【０１１２】
このように運動目標値が設定された後に、学習者は、運動学習支援装置を用いて運動を学習するために、学習支援モードを入力する（Ｓ２１）。
【０１１３】
そして、学習者は、学習する運動に合わせて表面電極２１及び赤外線マーカを装着する。学習者の正規化基準値及びモデルを作成するために、運動学習支援装置は、師匠の場合と同様に、学習者に正規化を行うための所定の動作を行わせながら筋電信号を取り込み（Ｓ２２）、この筋電信号に基づいて正規化基準値を求めてＤＩＶ３２を設定することによって正規化を行い（Ｓ２３）、この正規化基準値の下で学習者に所定の動作を行わせながら筋電信号を取り込み（Ｓ２４）、この筋電信号に基づいてモデルを作成し（Ｓ２５）、学習者に学習しようとする運動を行わせながら筋電信号を取り込み（Ｓ２６）、モデルに基づいてインピーダンスを演算する（Ｓ２７）。なお、既に学習者の正規化基準値及びモデルが作成されメモリ３６に格納されている場合には、これらＳ２２乃至Ｓ２６の処理を省略することも可能である。
【０１１４】
次に、運動学習支援装置は、モードを判断し（Ｓ２８）、学習支援モードである場合（学習）には、運動学習支援装置は、師匠の運動目標値と学習者が今行った運動のインピーダンスとを表示装置Ｓ２５に表示し（Ｓ３０）、そして、運動目標値と学習者が今行った運動のインピーダンスとの相違に基づくメッセージを表示する（Ｓ３１）。そして、運動学習支援装置の使用の終了が入力されたか否かを判断し（Ｓ３２）、終了の場合（Ｙｅｓ）には、運動学習支援プログラムを終了し、継続の場合（Ｎｏ）には、処理をＳ２６に戻して学習者に再び運動をさせ、学習をさせる。
【０１１５】
図１６は、運動学習支援装置における表示装置の表示例を示す図である。図１６において、表示装置２５には、例えば、運動目標値のインピーダンスである目標値、学習者の今の運動におけるインピーダンスである現在値、運動目標値の楕円体（実線、師匠）、学習者の今の運動における楕円体（破線、あなた）及びメッセージを表示される。学習者は、運動目標値の楕円対と自己の運動の楕円体との相違を視覚的に捉え、メッセージを参考にしながら次の運動を行うことができるので、効率良く運動を学習することができ、短期間に運動目標値に近い運動を学習することができる。
【０１１６】
なお、第４の実施形態では、師匠のインピーダンスを予め測定してそれを記録・表示するようにしたが、図１に示す表面電極２１、ＤＩＦＡ３１、ＤＩＶ３２、ＦＷＲＣ３３及びＬＰＦ３４からなる擬似張力測定部を２組用意して、師匠及び学習者の各擬似張力を同時に測定して、インピーダンスを表示するようにしてもよい。
【０１１７】
また、第１乃至第４の実施形態においては、筋電信号は、表面誘導法により測定されたが、これに限定されるものではない。活動電位を計測できる方法であれば、何でもよい。例えば、針電極法でもよい。針電極法は、針状の電極を筋肉に刺入して筋肉局部の活動電位を記録する方法である。
【０１１８】
【発明の効果】
上述のように本発明は、測定結果から帰納的に筋肉骨格系モデルを作成し、この筋肉骨格系モデルによって生体に仮想的な摂動を与えた場合の値を求めて、インピーダンスを求めることができる。このため、従来のようにロボット等によって強制的に摂動を生体に与える必要がなく、大掛かりな装置を必要としない。また、本発明では、インピーダンスの演算に運動指令ｕとして筋電信号ＥＭＧを用いるので、リアルタイムでインピーダンスが測定可能である。
【０１１９】
また、本発明に係る運動学習支援装置は、提示装置が、運動学習目標値と今の動作における動作部分のインピーダンスの程度を表示するので、両者の差が視覚化される。このため、学習者は、この差を認識することで基準動作と現動作との相違の原因を知ることができ、動作部分が運動学習目標値に達するようにそのインピーダンスを調整することができる。従って、学習者は、基準動作を短期間に習得・再現することができる。動作の運動軌跡だけでなく、従来において習得が困難であった動作におけるインピーダンスも容易に習得することができる。また、動作におけるインピーダンスも記録及び保存可能である。
【図面の簡単な説明】
【図１】インピーダンス測定装置の構成を示す図である。
【図２】第１の実施形態におけるインピーダンス測定装置の動作を示すフローチャートである。
【図３】表面電極のだいたいの装着位置と筋肉との関係を示す図である。
【図４】肘関節角度９０度・肩関節角度４５度の２関節運動における正規化データ取得の状況を示す図である。
【図５】等尺性筋収縮における測定位置と測定結果の一例を示す図である。
【図６】静止中における測定位置を示す図である。
【図７】神経回路モデルの一例を示す図である。
【図８】スティフネス楕円体でインピーダンスを表示装置に表示した一例である。
【図９】手先のスティフネス楕円体のパラメータを説明するための図である。
【図１０】スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。
【図１１】スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。
【図１２】スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。
【図１３】スティフネス楕円体で運動中のインピーダンス（手先スティフネス楕円体）を表示装置に表示した一例である。
【図１４】スティフネス楕円体で運動中のインピーダンス（手先粘性楕円体）を表示装置に表示した一例である。
【図１５】第４の実施形態における運動学習支援装置の動作を示すフローチャートである。
【図１６】運動学習支援装置における表示装置の表示例を示す図である。
【符号の説明】
２１ 表面電極、２２ 信号処理部、２３ ６軸力覚センサ、２５ 表示装置、３２ 割り算回路、３４ 低域通過フィルタ、３５ 中央処理装置、３６ メモリ、４１ 正規化基準値演算部、４２ モデル作成部、４３ インピーダンス演算部、４４ 運動学習目標値設定部
【発明の属する技術分野】
本発明は、生体部分のインピーダンスを測定するインピーダンス測定装置及びこのインピーダンス測定装置を用いた運動学習支援装置に関する。
【０００２】
【従来の技術】
動物は、特に、人間は、他者の動作を真似ることで所定の動作を取得することが多い。ゴルフ、テニス、水泳などのスポーツ技能、大工、左官、工場での組立作業などの生産技能、自動車操縦、クレーン操縦、生産機械操縦などの操縦技能、陶芸、日舞、能、人形浄瑠璃などの芸能などのような様々な技能を取得及び継承する場合、従来、学習者は、熟練者の運動軌道（動作）を見て学習するか、熟練者の運動軌道を撮影した記録映像を見て学習していた。
【０００３】
運動の際に、多くの場合、特定の１つの筋肉だけが働くのではなく、同時に複数の筋肉が働く。このように１つの運動に際して協力して働く筋肉を互いに共同筋といい、共同筋は、原則として、１つの関節に対して同じ側に位置している。これに対して互いに反対の働きをもつ筋肉を対抗筋（拮抗筋）といい、対抗筋は、関節に対して反対側にある。１つの運動に際しては、共同筋同士は同時に収縮するのはもちろんであるが、そのとき対抗筋も或る程度は緊張してその運動を調整している。筋肉は、収縮して張力のみを発生するので、関節の角度を変えるためには、関節の両側で拮抗的に働く１対の筋肉が必要だからである。従って、手や足などの動作部分から外部に加えられる力が同じであっても、また、動作部分の軌跡が同じであっても、伸筋の張力と屈筋の張力との組み合わせが異なると、動作部分のインピーダンスや力の方向が異なることになる。例えば、腕の肘関節を９０度に曲げて静止又は動作している状態は、主に上腕２頭筋とこれに対抗筋の関係にある上腕３頭筋との協調によって生じている。簡単のため、関節中心から各筋肉までの距離が関節角度によらず一定であると考えて、各筋肉の張力Ｔとモーメントアームａとの積をトルクτとする。この場合において、上腕２頭筋のトルクが２５Ｎｍで上腕３頭筋のトルクが５Ｎｍである場合も、上腕２頭筋のトルクが４５Ｎｍで上腕３頭筋のトルクが２５Ｎｍである場合も、肘関節に生じているトルクは、差である２０Ｎｍである。ところが、腕の硬さの程度は、前者の場合の方が後者の場合の方より、大きい。このことは、例えば、腕を押した場合、前者の場合の方が後者の場合の方より遙かに動かし難い。なお、運動方向に依存しない呼び方で関節を伸ばす方向に働く筋肉は、伸筋と呼ばれ、関節を曲げる方向に働く筋肉は、屈筋と呼ばれる。関節を伸ばしている場合は伸筋が主に活動しており、共同筋が伸筋に、対抗筋が屈筋に当たる。
【０００４】
このように同じトルクを発生させる場合でも運動部分のインピーダンスを異ならせることができる。また、人間は、動作部分のインピーダンスを変えることによって、同じ動作であっても結果が異なることを経験的に知っている。例えば、ゴルフパッドにおいて、ヘッドが同じ軌跡及びスピードであっても腕の硬さに応じてゴルフボールの移動距離が異なり、腕が軟らかい場合よりも硬い場合の方がより遠くに転がることを、経験的に知っている。このため、運動を学習するためには、運動軌道に合わせて運動部分のインピーダンスも真似る必要がある。
【０００５】
なお、上述では、筋繊維が収縮によってその長さが変化して張力を発生する場合について説明したが、筋繊維は、収縮によって長さは変化しないがその張力を増加する働きもある。このような収縮を等尺性収縮という。等尺性収縮の場合も同様に動作部分のインピーダンスを考え得る。例えば、腹圧を大きく加えた場合では腹筋は硬く、腹圧を加えない場合では腹筋は柔らかい。
【０００６】
そして、従来、運動部分の静止中や運動中の或る時刻におけるインピーダンスの測定は、「F.A.Mussa-Ivaaldi, N.Hogan and E.Bizzi. Neural, mechanical, and geometric factors subserving arm posture in humans. Journal of Neuroscience, Vol.5,No.10,pp.2732-2743.1985」や「五味裕章、川人光男、水平面における多関節運動中の人腕機械インピーダンスの計測、SICE論文集、Vol.32,No3,pp.369-378,1996」などに示されているように、ロボットにより摂動を与える方法や得られたデータから時間的に平均されたインピーダンスを測定する方法であった。
【０００７】
【発明が解決しようとする課題】
ところで、インピーダンスを含めて運動を学習する場合に、その前提となる従来のインピーダンス測定装置は、ロボットにより強制的に摂動を与えるため大掛な測定装置を必要とするという問題があった。そして、従来のインピーダンス測定装置は、運動部分に強制的に摂動を与えて測定するものであるので、脊髄反射などの反射系が働きα運動ニューロンの状態が通常とは異なってしまうため、自然な運動中のインピーダンスを測定することが難しいという問題もあった。さらに、従来のインピーダンス測定装置は、時間的に平均されたインピーダンスを測定するものであるため、時々刻々と変化するインピーダンスを測定することが難しいという問題もあった。
【０００８】
また、従来のインピーダンス測定装置では、このような種々の問題点があったために、運動軌跡だけでなく、時々刻々と変化する運動中のインピーダンスも合わせて運動を簡易に学習する装置は、得難かった。
【０００９】
そこで、本発明は、上記問題点に鑑みて為された発明であり、運動の原因となる筋肉の活動を測定することによって、時々刻々と変化するインピーダンスを直接的に測定することができるインピーダンス測定装置を提供することを目的とする。そして、本発明では、このようなインピーダンス測定装置を用いて、時々刻々と変化する運動中のインピーダンスも合わせて運動を学習することができる運動学習支援装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
上述の目的を達成するために、本発明では、生体のインピーダンスを測定するインピーダンス測定装置において、測定対象のインピーダンスに関与する筋肉の活動電位による筋電信号を測定する筋電信号測定手段と、前記インピーダンスに関与する筋肉によって生じる力を測定する力測定手段と、前記生体の複数の位置を測定する位置測定手段と、前記筋電信号と前記力とに基づいて前記筋電信号を正規化するための正規化基準値を演算する正規化基準値演算手段と、前記正規化基準値で正規化された筋電信号、前記複数の位置及び前記力のうちの該筋電信号を含む２以上を用いて前記インピーダンスに関与する筋肉の筋肉骨格系モデルを作成するモデル作成手段と、作成した前記筋肉骨格系モデルに応じて前記正規化基準値で正規化された筋電信号、又は、該筋電信号及び前記複数の位置の何れかを入力し、前記筋肉骨格系モデルの出力、前記力及び前記複数の位置に基づいて前記インピーダンスを演算するインピーダンス演算手段とを備えて構成される。
【００１１】
そして、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号とし、出力を前記複数の位置から求める前記インピーダンスに関与する関節の角度とする神経回路モデルであり、前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号を入力し、前記神経回路モデルの出力、前記力及び前記複数の位置に基づいて前記インピーダンスを演算する。
【００１２】
また、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号及び前記複数の位置から求める前記インピーダンスに関与する関節の角度とし、出力を前記力から求める前記関節のトルクとする神経回路モデルであり、前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号及び前記関節の角度を入力し、前記神経回路モデルの出力及び前記関節の角度に基づいて前記インピーダンスを演算する。
【００１３】
さらに、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号、前記複数の位置から求める前記インピーダンスに関与する関節の角度及び前記関節の角速度とし、出力を前記力から求める前記関節のトルクとする神経回路モデルであり、前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号及び前記関節の角度を入力し、前記神経回路モデルの出力、前記関節の角度及び前記関節の角速度に基づいて前記インピーダンスを演算する。
【００１４】
また、上述のインピーダンス測定装置において、前記筋肉骨格系モデルは、前記正規化基準値で正規化された筋電信号、前記複数の位置及び前記力に基づいて係数を求めた、弾性係数、粘性及び自然長が筋電信号によってそれぞれ変化するバネとして筋肉をモデル化した数学モデルであって、前記インピーダンス演算手段は、前記正規化基準値で正規化された筋電信号、前記力、前記インピーダンスに関与する関節の角度及び該関節の角速度に基づいて前記数学モデルより弾性係数及び粘性を求める。
【００１５】
このような構成の発明は、測定結果を用いて帰納的に筋肉骨格系モデルを作成し、この筋肉骨格系モデルによって生体に仮想的な摂動を与えた場合の値を求めて、インピーダンスを求めることができる。このため、従来のようにロボット等によって強制的に摂動を生体に与える必要がなく、大掛かりな装置を必要としない。また、本発明では、インピーダンスの演算に運動指令ｕとして筋電信号ＥＭＧを用いるので、リアルタイムでインピーダンスが測定可能である。
【００１６】
そして、本発明に係る運動学習支援装置は、上述の何れかのインピーダンス測定装置と、基準とする動作を行った場合における前記動作に係る生体の動作部分のインピーダンスを前記インピーダンス測定装置によって求めて運動学習目標値として提示すると共に、動作を行った場合の前記動作部分のインピーダンスを前記インピーダンス測定装置によって求めて該値を提示する提示手段を備えて構成される。
【００１７】
このような構成の運動学習支援装置は、提示手段が、基準とする動作を行った場合における動作に係る生体の動作部分のインピーダンスをインピーダンス測定装置によって求めて運動学習目標値として提示すると共に、動作を行った場合の動作部分のインピーダンスをインピーダンス測定装置によって求めてこの値を提示するので、運動学習目標値と今の動作における動作部分のインピーダンスの程度との差が視覚化される。このため、学習者は、この差を認識することで、基準とする動作と今の動作との相違の原因を知ることができ、動作部分が運動学習目標値に達するようにそのインピーダンスを調整することができる。従って、学習者は、基準とする動作を短期間に習得することができる。
【００１８】
【発明の実施の形態】
以下、本発明に係る実施形態を図面に基づいて説明する。なお、各図において同一の構成については、同一の符号を付し、その説明を省略する。
【００１９】
（第１の実施形態の構成）
第１の実施形態は、平衡位置を学習する神経回路モデルを用いてインピーダンスを測定するインピーダンス測定装置の実施形態である。
【００２０】
図１は、インピーダンス測定装置の構成を示す図である。
【００２１】
図１において、インピーダンス測定装置１０は、表面電極２１-1〜２１-10 、信号処理部２２、６軸力覚センサ２３、外部記憶装置２４、表示装置２５、記録装置２６、入力装置２７及び位置測定装置（不図示）を備えて構成される。信号処理部２２は、差動増幅器（以下、「ＤＩＦＡ」と略記する。）３１-1〜３１-10 、割り算回路（以下、「ＤＩＶ」と略記する。）３２-1〜３２-10 、全波整流器（以下、「ＦＷＲＣ」と略記する。）３３-1〜３３-10 、低域通過フィルタ（以下、「ＬＰＦ」と略記する。）３４-1〜３４-10 、中央処理装置（以下、「ＣＰＵ」と略記する。）３５及びメモリ３６を備えて構成される。
【００２２】
複数の表面電極２１-1〜２１-10 は、測定対象となる運動部分に装着され、運動部分に関係する筋肉の活動電位を検出する。この表面電極の直径は、約１０ｍｍであり、１組の表面電極２１は、筋繊維に沿って電極間の距離を約１５ｍｍとして身体に貼られる。本実施形態では、筋電信号は、皮膚の表面に電極を張り付けることによって活動電位を記録する表面誘導法により測定される。表面電極の組数は、測定すべき筋肉によって決定され、この測定対象の筋肉は、測定対象とする運動部分によって決定される。本実施形態では、後述するように手先のインピーダンスを測定するので、人腕の肩・肘の２関節運動に関与する１０箇所の筋肉の筋電信号を測定する必要があるために、表面電極２１-1〜２１-10 は、１０組である。
【００２３】
検出は、サンプリング周期２ｋＨｚ、１２ビット（ｂｉｔ）でサンプリングされ、各表面電極２１-1〜２１-10 からの各筋電信号は、ＤＩＦＡ３１-1〜３１-10 で所定のレベルまでそれぞれ増幅される。増幅された各筋電信号は、それぞれＤＩＶ３２-1〜３２-10 に入力され、所定の値で割り算される。この所定の値については、後述する。
【００２４】
割り算された各筋電信号は、全波整流器３３-1〜３３-10 にそれぞれ入力され、全波整流される。筋電信号毎に、この全波整流した信号を１０点毎に平均を計算し（ＥＧＭave ）、さらに、式１に基づき５点毎の移動平均を計算する（ＥＭＧma）。このようにして求めた値ＥＭＧmaを平滑筋電信号と呼ぶ。
【００２５】
【数１】
この各平滑筋電信号は、それぞれＬＰＦ３４-1〜３４-10 に入力される。結局、２００Ｈｚでサンプリングされたことになる。ＬＰＦ３４-1〜３４-10 は、各平滑筋電信号を擬似張力にそれぞれ変換して出力する。擬似張力は、各筋肉が発生する張力に対応する値である。ＬＰＦ３４-1〜３４-10 は、神経インパルスに対する筋収縮の遅れを補正するための２次系のフィルタであり、その遮断周波数は、擬似張力と筋肉が実際に発生している張力との対応を正確にする観点から、数Ｈｚ、より好ましくは１Ｈｚ〜３Ｈｚ、さらにより好ましくは２Ｈｚ〜３Ｈｚに設定される。本実施形態では、２Ｈｚに設定された。
【００２７】
随意運動では、上位の中枢から伝達されるインパルスが脊髄のα運動ニューロンを介して各筋肉に伝達され、活動電位が発生して筋肉が収縮し、各関節にトルクを生じさせて所望の運動が起こる。筋電信号を低域通過フィルタで変換した出力信号である擬似張力は、α運動ニューロンの発火頻度を反映していると期待されるため、筋肉が実際に生じている張力にほぼ等しいと考えられる。
【００２８】
時刻ｎにおける擬似張力Ｔ（ｎ）は、式２で与えられる。
【００２９】
【数２】
これは、Ｗi をインパルス応答とするＦＩＲフィルタになっている。本実施形態では、インパルス応答ｈ（ｔ）を式３のようにおいた。
【００３１】
【数３】
ＬＰＦ３４-1〜３４-10 の出力信号（擬似張力）は、ＣＰＵ３５に出力される。ＣＰＵ３５は、正規化基準値演算部４１、モデル作成部４２及びインピーダンス演算部４３を備えて構成され、例えば、マイクロプロセッサなどである。正規化基準値演算部４１、モデル作成部４２及びインピーダンス演算部４３は、正規化基準値、モデル及びインピーダンスをそれぞれ後述のように演算する。さらに、ＣＰＵ３５は、各種プログラムに従い、データを演算処理し、６軸力覚センサ２３、外部記憶装置２４、表示装置２５、記録装置２６、入力装置２７、ＤＩＶ３２、メモリ３６及び位置測定装置を制御すると共にデータを交換する。メモリ３６は、ＣＰＵ３５に接続され、ＲＡＭ（Random Access memory）及びＲＯＭ（Read Only Memory）を備えて構成される。メモリ３６は、正規化基準値を計測するための正規化基準値計測プログラム、モデルを作成するためのモデル作成プログラム、インピーダンスを演算するためのインピーダンス演算プログラム及び各装置を制御するための制御プログラムなど各種のプログラム、これらプログラム実行中の各種値、表面電極２１-1〜２１-10 からの出力並びに６軸力覚センサ２３からの出力などを格納する。
【００３３】
本実施形態では、手先のインピーダンスを測定するので手先の力を測定する必要があるために、６軸力覚センサ２３が使用される。６軸力覚センサ２３は、棒状の握部２３-1が基部２３-2に固定的に突設され、握部２３-1の底部に備えられた圧電素子によって握部２３-1に加えられた力が検出される。６軸力覚センサ２３は、高さを調節することができる作業台２８に配置される。外部記憶装置２４は、フレキシブルディスク、ＣＤ−Ｒ（Compact Disc Recordable）及びＤＶＤ−Ｒ（Digital Versatile Disc Recordable）などの記憶媒体とデータを読み書きする補助記憶装置であり、例えば、フレキシブルディスクドライブ、ＣＤ−Ｒドライブ及びＤＶＤ−Ｒドライブなどである。メモリ３６にインピーダンス測定装置１０を動作させるために必要な正規化基準値計測プログラム、モデル作成プログラム及びインピーダンス演算プログラムなどの各プログラムが格納されていない場合には、これらを記録した記録媒体を外部記憶装置２４を介してメモリ３６に読み込む。
【００３４】
表示装置２５は、ＣＲＴやＬＣＤや有機ＥＬなどの表示機器であり、ＬＰＦ３４-1〜３４-10の出力信号（擬似張力）、６軸力覚センサ２３の出力信号及び入力装置２７の出力信号などのＣＰＵ３５の処理結果を表示する。記録装置２６は、紙などの媒体にデータを記憶するプリンタなどの出力機器であり、ＬＰＦ３４-1〜３４-10の出力信号（擬似張力）、６軸力覚センサ２３の出力信号及び入力装置２７の出力信号などのＣＰＵ３５の処理結果を記録する。そして、入力装置２７は、起動プログラムの指定など、ＣＰＵ３５に与える各種コマンドやデータなどを入力する装置であり、例えば、キーボードやマウスなどである。位置測定装置は、ＣＰＵ３５に接続され、測定しようとする運動部分における各位置を所定のサンプリング周期で測定する機器であり、例えば、３次元位置計測装置ＯＰＴＯＴＲＡＫ（Northern Digital Inc.）である。このＯＰＴＯＴＲＡＫは、位置を計測しようとする箇所に赤外線マーカを貼付し、赤外線マーカから放射される赤外線を３つのカメラで検出することにより、高精度、高サンプリングレートで位置を計測する装置であり、例えば、本実施形態では、サンプリングレートを２００Ｈｚに設定した。
【００３５】
（第１の実施形態の動作）
インピーダンス測定装置１０は、ＣＰＵ３５の正規化基準値演算部４１で正規化基準値計測プログラムによって正規化基準値を測定し、この正規化基準値の下で計測した計測値を用いて、モデル作成部４２でモデル作成プログラムによってモデルを作成し、このモデルを用いて、インピーダンス演算部４３でインピーダンス演算プログラムによって生体部位のインピーダンスを測定する。以下、より詳細に説明する。
【００３６】
図２は、第１の実施形態におけるインピーダンス測定装置の動作を示すフローチャートである。図３は、表面電極のだいたいの装着位置と筋肉との関係を示す図である。図４は、肘関節角度９０度・肩関節角度４５度の２関節運動における正規化データ取得の状況を示す図である。
【００３７】
図２において、まず、正規化基準値を測定するために、被験者に表面電極２１を装着して筋電信号を信号処理部２２に取り込む（Ｓ１１）。
【００３８】
動物の運動は、運動神経に支配される筋肉の収縮によって生じ、多くの骨格筋の協調によって行われる。運動神経は、多数の運動神経繊維の束からなり、個々の運動神経繊維は、数本から１００本以上の筋繊維を支配している。１本の運動神経繊維の支配下にある筋繊維は、神経繊維のインパルスにより同時に活動電位を発生して収縮するので、骨格筋の運動の単位と見なすことができ、運動単位と呼ばれる。骨格筋が生体内にある状態でその活動電位を示すものに筋電信号がある。筋電信号は、筋肉が全く弛緩している場合では活動電位は全く記録されず、運動神経のインパルスにより筋肉の収縮が起こると活動電位があらわれ記録される。活動電位の頻度は、収縮が強くなるにつれて増大するが、これは、単一の運動単位に伝えられる神経インパルス頻度の増大や、収縮にあずかる運動単位の数の増加によるものである。このような筋電信号は、観察される電極の電位と筋肉の張力のレベルとに直接的な対応関係がない。即ち、筋電信号から得られる擬似張力においても、擬似張力のレベルと筋肉の張力のレベルとの間に直接的な対応関係はない。そのため、擬似張力の或るレベルが筋肉の張力の何れのレベルに対応するか関係付けるために、正規化基準値の計測を行い、この結果によって、ＤＩＶ３２-1〜３２-10における所定の値を決定する必要がある。
【００３９】
正規化方法は、例えば、最大随意収縮力を１として相対的に正規化する方法がある。この方法は、最大随意収縮力が被験者の最大であると考えて出す筋肉の張力であるので被験者の恣意によると考えられ、同じ筋肉であっても時々で相違してしまう。以下の正規化方法は、被験者に一定の力を出してもらって正規化する方法であり、被験者の恣意によらない点で優れている。
【００４０】
筋電信号の正規化は、第１ステップとして、動作部分に所定の力を発生させ、この場合における各筋肉の筋電信号を表面電極２１-1〜２１-10 によって計測する。第２ステップとして、各筋肉毎に擬似張力の最大値を求める。この最大値が、各筋肉毎に求められた、各筋肉の筋電信号を正規化するための正規化基準値となる。そして、この正規化基準値に応じてＤＩＶ３２-1〜３２-10における所定の値が決定される。
【００４１】
より具体的には、本実施形態では、手先のインピーダンスを測定するので、略水平面内における人腕の肩・肘の２関節運動に関与する１０箇所の筋肉の筋電信号を測定する必要があるために、１０組の表面電極２１-1〜２１-10 は、図３に示す、肩関節の伸筋・屈筋としての(1)ＤＬＳ、(2)ＤＬＡ、(3)ＤＬＣ、(4)ＴＥＭ及び(5)ＰＭＪ、肩・肘の２関節筋としての(6)ＴＲＬ及び(7)ＢＩＬ、肘関節の伸筋・屈筋としての(8)ＴＲＡ、(9)ＴＲＭ及び(10)ＢＲＣに装着された。なお、図３に示す●が表面電極２１の装着位置である。ここで、ＤＬＳは三角筋後部、ＤＬＡは三角筋上部、ＤＬＣは三角筋前部、ＴＥＭは大円筋、ＰＭＪは大胸筋、ＴＲＬは上腕三頭筋長頭、ＢＩＬは上腕二頭筋長頭、ＴＲＡは上腕三頭筋外側頭、ＴＲＭは上腕三頭筋内側頭、及び、ＢＲＣは上腕筋である。
【００４２】
被験者は、図１（ａ）に示すように、手先、肘及び肩が同一水平面になるように椅子２９に座る。筋電信号は、図４（ａ）に示すように、肩の関節を４５度、肘の関節を９０度に設定（固定）し、等尺性収縮により手先で例えば４０Ｎの力を発生させて測定される。
【００４３】
学習者がこのように手先に力を発生させている間、表面電極２１-1〜２１-10からの出力は、上述の信号処理により擬似張力に変換されて、ＣＰＵ３５に取り込まれる。この正規化基準値の測定の場合では、ＤＩＶ３２-1〜３２-10の所定の値は、１に設定される。即ち、ＤＩＶ３２-1〜３２-10は、入力をそのまま出力する。そして、６軸力覚センサ２３からの出力もＣＰＵ３５に取り込まれる。ＣＰＵ３５は、これら取り込んだ値をメモリ３６に格納するとともに記録装置２６に記録し、６軸力覚センサ２３からの出力を表示装置２５に表示する。表示装置２５は、６軸力覚センサ２３に加わる力が４０Ｎであることを示す円と、学習者が６軸力覚センサ２３に加えている現在の力の方向及び大きさを示すカーソルと、３０度ずつの１２方向の矢印とを表示し、学習者は、表示装置２５を見ながら所定方向にこの円上にカーソルが一致するように力を発生させる。これにより学習者は、学習者の恣意によらない所定の力、即ち、４０Ｎの力を発生させる。
【００４４】
測定は、すべての筋肉を活性化させるために図４（ｂ）に示す正のＸ方向から３０度ずつ１２方向に力を発生させように、２４秒間で反時計回りに一周するように行われる。ここで、次の方向に力の発生方向を変えるごとに力を抜き０Ｎに戻すようにしている。これは、学習者に４０Ｎ以上の力を発生させないようにするためである。なお、測定開始の方向は、特に限定されるものではなく、何れの方向から始めても良い。
【００４５】
次に、ＣＰＵ３５の正規化基準値演算部４１は、入力された擬似張力から、筋肉毎に擬似張力の最大値を求める。この擬似張力の最大値が正規化基準値である。ＣＰＵ３５は、筋肉毎に対応する正規化基準値を表示装置２５に表示するとともに記録装置２６に記録する。そして、ＣＰＵ３５は、このように求めた各正規化基準値を、ＤＩＶ３２-1〜３２-10の所定の値として、各筋肉に対応させてそれぞれに設定する（Ｓ１２）。これによって、表面電極２１-1〜２１-10から得られる擬似張力（筋電信号）と筋肉の張力との間に、一定の対応関係を作ることができる。
【００４６】
このような正規化基準値で筋電信号を正規化するので、装着状態の相違による抵抗値の相違を吸収することができる。そして、被験者の恣意によらないので被験者間で擬似張力及び関節のトルクなどを比較することが可能となる。なお、本実施形態では、所定の力として４０Ｎの場合において、正規化基準値を求めたが、他の力例えば３０Ｎの力を発生させて正規化基準値を求めてもよい。また、本実施形態では、人腕における上記(1)乃至(10)に対応する正規化基準値を求めたが、他の運動部分における筋肉についても同様に求めることができる。
【００４７】
次に、筋肉骨格系モデルを作成するために、被験者に表面電極２１を装着して筋電信号を信号処理部２２に入力する（Ｓ１３）。即ち、まず、被験者は、表面電極２１-1〜２１-10が図３に示す装着位置に装着され、図１（ａ）に示すように手先、肘及び肩が略同一水平面になるように椅子に座る。また、位置測定装置であるＯＰＴＯＴＲＡＫの赤外線マーカは、本実施形態では手先のインピーダンスを測定するので、肩関節及び肘関節の角度を測定する必要があるために、図６に○で示すように被験者の肩関節、肘関節及び手首関節に貼付された。ＯＰＴＯＴＲＡＫで、被験者の肩関節、肘関節及び手首関節の位置を２００Ｈｚのサンプリング周期で測定することによって、ＣＰＵ３５は、肩関節、肘関節及び手首関節の位置だけでなく、これら位置から肩関節の角度、肩関節の角速度、肘関節の角度及び肘関節の角速度をそれぞれ得ることができる。
【００４８】
図５は、等尺性筋収縮における測定位置と測定結果の一例を示す図である。図５（ａ）は、等尺性筋収縮における測定位置を示す図であり、肩関節を座標原点とし、両肩関節を含む方向をＸ軸とし、Ｘ軸に垂直な方向をＹ軸とする。後述の図６、図８、図１０乃至図１４も同様である。図５（ｂ）は、測定結果の一例を示す図である。図６は、静止中における測定位置を示す図である。
【００４９】
第１に、図５（ａ）に示す＊１〜＊１５の各測定位置において、１箇所につき２４秒間で１２方向に被験者が力を出して筋電信号が測定された。出す力の大きさは、例えば、それぞれ４０Ｎ、３０Ｎ、２０Ｎ、１０Ｎ及び５Ｎの各場合について行われた。なお、手先は、６軸力覚センサ２３に固定され、被験者は、６軸力覚センサ２３を握る必要はない状態で測定された。図５（ｂ）に４０Ｎの力を１２方向に出した場合の力の軌跡を示す。
【００５０】
第２に、被験者が第１と同様な状態で、図６に示す＊の２５１箇所の各測定位置において、被験者が１箇所につき１０秒間その姿勢を維持した状態で、その間サンプリング周期２００Ｈｚで筋電信号が測定された。
【００５１】
次に、ＣＰＵ３５のモデル作成部４２は、Ｓ１３で第２の測定結果を用いて、モデルを作成する（Ｓ１４）。ここで、モデルについて以下に説明する。
【００５２】
水平面内で肩、肘の２関節運動を行っている場合、時刻ｔにおける被験者の動作特性は、式４のように近似することができる。
【００５３】
【数４】
ここで、Ｘ（ｔ）は手先位置であり、物理学で慣習的に使用される表記方法に従って手先速度をＸ（ｔ）の１ドットで、手先加速度をＸ（ｔ）の２ドットで表す。Ｆ（ｔ）は手先から環境に作用する力、Ｘｖ（ｔ）は手先の仮想軌道、Ｍは手先の慣性、Ｂは手先の粘性及びＫは手先のスティフネス行列である。これらＭ，Ｂ及びＫは、インピーダンスパラメータである。
【００５５】
手先、肘、肩が略同一水平面上にあるような姿勢で腕を固定しているとして、筋電信号からＸｖ（ｔ）を求める方法を考える。このとき、外力Ｆ（ｔ）が作用しなければ、関節角度をθ、各筋肉の運動指令をｕとすると、筋肉により関節に発生するトルクτは零となるので式５が成り立つ。
τ＝ｆ（ｕ、θ）＝０ ・・・ （５）
関数ｆは、非線形性が強いので式５を解析的に解くことは難しいが、運動指令ｕから関節角度θへの写像は、多対一写像と表せる。これは、生体の運動部分を異なった硬さで同じ姿勢にすることができることから分かる。運動指令ｕは、筋電信号に対応するから、図７に示すように１層目に筋電信号（ＥＭＧ）を入力し３層目に関節角度（joint angle）θを出力する神経回路モデルを作成することによって、式５を解くことが可能となる。つまり、筋電信号から神経回路モデルによって関節角度θを求め、関節角度θからＸｖ（ｔ）を求めることができる。図７は、神経回路モデルの一例を示す図である。
【００５６】
よって、モデル作成部４２は、Ｓ１３の測定結果を用いて、１層目に筋電信号を入力し２層目を経由して３層目に関節角度θを出力する神経回路モデルを作成する。以下、この神経回路モデルを平衡位置用神経回路モデルと呼称する。
【００５７】
この平衡位置用神経回路モデルは、第１の実施形態では、図６に示す２５１箇所の各位置における各姿勢から３８０点のデータを任意に抜き出し、計３８０×２５１＝９５３８０のデータを用いて、ＫｉｃｋＯｕｔ法により学習させて作成した。学習は、残りの１５２０×２５１＝３８１５２０のデータをテストデータとして、テストデータに対してエラーを計算し、過学習にならないところで打ち切った。また、本実施形態の平衡位置用神経回路モデルは、１層目と３層目の出力が線形変換で、２層目の出力がシグモイド関数変換であり、１層目が計測した筋肉と同数の１０個、２層目が１５個、３層目が肩、肘の平衡位置で２個である。
【００５８】
このようにして作成した平行位置用神経回路モデルは、テストデータの全３８１５２０について相関係数を計算すると、本実施形態では肩が０．９４３２、肘が０．９３８７となっており、略正確に位置を推定できることが確認された。
【００５９】
そして、ＣＰＵ３５のインピーダンス演算部は、第１の測定結果を平衡位置用神経回路モデルに用いて、インピーダンスの一つであるスティフネス行列Ｋについて演算する（Ｓ１５）。なお、新たに被験者に所定の動作を行わせて筋電信号を得て、この筋電信号からインピーダンスを測定してもよい。
【００６０】
ここで、スティフネス行列Ｋの演算について説明すると、水平面内で腕が静止している場合には、式４は、式６のように変形される。
Ｋ（Ｘ（ｔ）−Ｘｖ（ｔ））＝−Ｆ（ｔ） ・・・ （６）
この場合に、腕を静止させたまま等尺性筋収縮を行うと、平衡位置用神経回路モデルを用いて、Ｘｖ（ｔ）を求めることができる。したがって、インピーダンス演算部４３は、実際の手先位置Ｘ（ｔ）と、筋電信号から平衡位置用神経回路モデルを用いて求めたＸｖ（ｔ）と、６軸力覚センサ２３から測定されるＦ（ｔ）とを用いて、式６よりスティフネス行列Ｋを求める。
【００６１】
次に、ＣＰＵ３５は、インピーダンス演算部４３が求めたインピーダンス（スティフネス行列Ｋ）を表示装置２５に表示する（Ｓ１６）。
【００６２】
図８は、スティフネス楕円体でインピーダンスを表示装置に表示した一例である。図８において、実線が１２方向に５Ｎの力を出した場合のデータを用いて演算されたインピーダンスであり、破線が１２方向に１０Ｎの力を出した場合のデータを用いて演算されたインピーダンスである。図８から分かるように、大きな力を出す場合には腕を硬くしている、つまりスティフネス楕円体が大きくなっている。
【００６３】
なお、手先のスティフネス楕円体のパラメータは、図９に示すように、インピーダンスの大きさが楕円の面積Ｓで表され、インピーダンスの方向は、楕円の長軸の方向で表される。楕円の形状は、楕円の短径λminと楕円の長径λmaxとの比βで表示し、肩関節と手先とを結ぶ直線と両肩関節を結ぶ直線とが成す角をφ、肩関節と手先とを結ぶ直線と楕円の長軸とが成す角をδとおく。
【００６４】
以上のように、第１の実施形態におけるインピーダンス測定装置１０は、筋電信号を正規化して擬似張力と対応付け、この対応付けの下に筋電信号を測定し、測定結果の一部から平衡位置用神経回路モデルを作成し、さらに測定結果に平衡位置用神経回路モデルを適用することによってＸｖ（ｔ）を求めて式６よりスティフネス行列Ｋを求めることができる。そして、インピーダンス測定装置１０は、表面電極２３及び赤外線マーカの装着という被験者の運動をほとんど妨げることのない簡易な方法によって諸量を測定して帰納的に平衡位置用神経回路モデルを作成するので、従来のようにロボット等によって強制的に摂動を生体に与える必要がなく、大掛かりな装置を必要としない。また、本発明では、インピーダンスの演算に運動指令ｕとして筋電信号ＥＭＧを用いるので、リアルタイムでインピーダンスが測定可能である。
【００６５】
（第２の実施形態の構成）
次に、別の実施形態について説明する。第１の実施形態は、インピーダンスを演算するためにＸｖ（ｔ）を求める平衡位置用神経回路モデルを用いたが、第２の実施形態は、トルクτを求めるトルク用神経回路モデルを用いる実施形態である。
【００６６】
第２の実施形態におけるインピーダンス測定装置１０’は、第１の実施形態のモデル作成部４２の代わりにトルク用神経回路モデルを作成するモデル作成部４２’を使用し、第１の実施形態のインピーダンス演算部４３の代わりに後述の演算方法によるインピーダンス演算部４３’を使用することを除き、図１に示す第１の実施形態と同様なので、その説明を省略する。
【００６７】
また、第２の実施形態におけるインピーダンス測定装置１０’の動作は、モデル作成方法及びインピーダンスの演算方法が異なることを除き、図２に示す第１の実施形態と同様に、筋電信号を取り込み（Ｓ１１）、正規化し（Ｓ１２）、正規化基準値が設定された下で筋電信号を取り込み（Ｓ１３）、モデルを作成し（Ｓ１４’）、このモデルを用いてインピーダンスを演算し（Ｓ１５’）、インピーダンスを出力・表示する（Ｓ１６）。以下、第１の実施形態と異なるモデルの作成方法及びインピーダンス演算方法について説明する。
【００６８】
まず、第２の実施形態におけるＳ１４’のモデル作成方法について説明する。第１の実施形態と同様に、略水平面内で肩、肘の２関節運動を行っている場合、時刻ｔにおける被験者の動作特性は、式４のように近似することができる。
【００６９】
一方、手先、肘、肩が略同一水平面上にあるような姿勢で腕を固定しているとして、運動指令ｕ、関節角度θ及びトルクτの間には式５’が成り立つ。
τ＝ｆ（ｕ、θ） ・・・ （５’）
トルクは、その関節に関する多数の筋肉の発生する張力Ｔとモーメントアームａによって決まるが、運動指令ｕと筋張力Ｔとの関係、筋肉の長さｌと筋張力Ｔとの関係、及びモーメントアームａと関節角度θとの関係は、すべて非線形であるので式５を解析的に解くことは難しいが、第１の実施形態と同様に、１層目に筋電信号ＥＭＧ及び関節角度θを入力し３層目にトルクτを出力する神経回路モデルを作成することによって、式５’を解くことが可能となる。よって、モデル作成部４２’は、Ｓ１３の測定結果を用いて、１層目に筋電信号ＥＭＧ及び関節角度θを入力し三層目にトルクτを出力する神経回路モデルを作成する。以下、この神経回路モデルをトルク用神経回路モデルと呼称する。
【００７０】
このトルク用神経回路モデルは、第２の実施形態では、図５（ａ）に示す各位置で測定した第１の測定結果から４７６９０のデータを任意に抜き出し、図６に示す各位置で測定した第２の測定結果から５８８００のデータを任意に抜き出し、計１０６４９０のデータを用いて、ＫｉｃｋＯｕｔ法により学習させて作成した。学習は、残りの６６４４１０のデータをテストデータとして、テストデータに対してエラーを計算し、過学習にならないところで打ち切った。また、本実施形態のトルク用神経回路モデルも１層目と３層目の出力が線形変換で、２層目の出力がシグモイド関数変換であり、１層目が計測した筋肉と肩・肘の各関節角度で１２個、２層目が１５個、３層目が肩、肘のトルクで２個である。このようにして作成したトルク用神経回路モデルは、テストデータの全６６４４１０について相関係数を計算すると、本実施形態では肩が０．９４９４、肘が０．９４９３となっており、略正確にトルクを推定できることが確認された。
【００７１】
次に、第２の実施形態におけるＳ１５’のインピーダンス演算方法について説明する。
【００７２】
水平面内で腕を静止している状態で、運動指令ｕを変えずに、手先に仮想的な一定の微小強制変位δθを与えると、式７が成り立つ。
δτ＝ｆ（ｕ、θ＋δθ） ・・・ （７）
ここで、δτは、強制変位δθを与えた場合の手先復元力である。運動指令ｕを変えないことは、手先の平衡位置Ｘｖ（ｔ）が変化しないことを示す。そして、手先位置Ｘ（ｔ）の速度及び加速度は、静止状態であるから共に零である。よって、式４は、式８のように変形される。
Ｋ・δＸ（ｔ）＝−δＦ（ｔ） ・・・ （８）
ここで、δＸ（ｔ）及びδＦ（ｔ）は、それぞれδθ及びδτをＸＹ座標系で表したものである。
【００７３】
一方、水平面内で肩、肘の２関節運動を行っている状態で、運動指令ｕを変えずに、手先に仮想的な一定の微小強制変位δθを与えると、式９が成り立つ。
τ＋δτ＝ｆ（ｕ、θ＋δθ） ・・・ （９）
ここで、δθを仮想的に一瞬に変化させることで、手先位置Ｘ（ｔ）の速度及び加速度は、強制変位を与えないときと同じとみなせるから式１０が成り立つ。
【００７４】
【数５】
式１０と式１との差分をとると、次式１１が成り立つ。
Ｋ・δＸ（ｔ）＝−δＦ（ｔ） ・・・ （１１）
ここで、δＸ（ｔ）及びδＦ（ｔ）は、それぞれδθ及びδτをＸＹ座標系で表したものである。
【００７６】
したがって、インピーダンス演算部４３’は、静止中のインピーダンスを求める場合には、或る姿勢（図５（ａ）の＊１〜＊１５の何れかの位置における姿勢）で腕を静止している場合に、筋電信号ＥＭＧを変えずに手先が例えば５ｍｍだけ１２方向に動くように関節角度δθを変えたデータをトルク用神経回路モデルに入力してδτを求め、δθ及びδτからδＸ（ｔ）及びδＦ（ｔ）をそれぞれ求め、式８よりスティフネス行列Ｋを求める。一方、インピーダンス演算部４３’は、運動中のインピーダンスを求める場合には、運動中の各姿勢から筋電信号ＥＭＧを変えずに手先が例えば５ｍｍだけ１２方向に動くように関節角度δθを代えたデータをトルク用神経回路モデルに入力してトルクを求め、このトルクと関節角度θを変えない場合にトルク用神経回路モデルから出力されるトルクとの差分をとったトルクから、式１１よりスティフネス行列Ｋを求める。
【００７７】
そして、次に、ＣＰＵ３５は、インピーダンス演算部４３’が求めたインピーダンス（スティフネス行列Ｋ）を表示装置２５に表示する。
【００７８】
図１０は、スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。図１０から分かるように、インピーダンスの方向は、楕円の長軸が肩の方向を向いているが、形状は、細長くなっている。図１１は、スティフネス楕円体で運動中のインピーダンスを表示装置に表示した一例である。図１１（ａ）、（ｂ）及び（ｃ）は、それぞれ図に矢印→で示すように手先を動かした場合におけるインピーダンスである。図１１から分かるように、一般に言われているように図１１に較べて運動中の方がスティフネス楕円体が大きくなっており、運動の方向によって楕円体の方向も変わっている。
【００７９】
以上のように、第２の実施形態におけるインピーダンス測定装置１０’は、筋電信号を正規化して擬似張力と対応付け、この対応付けの下に筋電信号を測定し、測定結果の一部からトルク用神経回路モデルを作成し、さらに測定結果にトルク用神経回路モデルを適用することによって式８又は式１１よりスティフネス行列Ｋを求めることができる。そして、インピーダンス測定装置１０’は、第１の実施形態と同様に、従来のように大掛かりな装置を必要とせずに、リアルタイムでインピーダンスが測定可能である。
【００８０】
ここで、第１の実施形態の式５及び第２の実施形態の式５’は、一般的には式５”のように表され、強制的に摂動を与えた場合では、剛性の一般式５”は、式７’のように表され、粘性の一般式は、式（７”）のように表される。従って、粘性を求める場合には、第２の実施形態において、式５’の代わりに式５”を用い、式７の代わりに式７”を用いることで、上述と同様な手法により、粘性Ｂを求めることができる。
τ＝ｆ（ｕ、θ、ω） ・・・ （５”）
τ＋δτ＝ｆ（ｕ、θ＋δθ、ω） ・・・ （７’）
τ＋δτ＝ｆ（ｕ、θ、ω＋δω） ・・・ （７”）
ここで、ωは関節角速度（θドット）である。また、この場合の神経回路モデルは、１層目と３層目の出力が線形変換で、２層目の出力がシグモイド関数変換であり、１層目が計測した筋肉信号と肩・肘の各関節角度と肩・肘の各関節角速度で１４個、２層目が１５個、３層目が肩、肘のトルクで２個となる。
【００８１】
（第３の実施形態の構成）
次に、別の実施形態について説明する。第１及び第２の実施形態は、非線形関数を解くこと代わりに測定値から神経回路モデルを作成してこの神経回路モデルを用いてインピーダンスを演算する実施形態であるが、第３の実施形態は、後述のように非線形関数を近似的に解いた数式モデルを用いる実施形態である。
【００８２】
第３の実施形態におけるインピーダンス測定装置１０”は、第１の実施形態のモデル作成部４２の代わりに数式モデルを作成するモデル作成部４２”を使用し、第１の実施形態のインピーダンス演算部４３の代わりに後述の演算方法によるインピーダンス演算部４３”を使用することを除き、図１に示す第１の実施形態と同様なので、その説明を省略する。
【００８３】
また、第２の実施形態におけるインピーダンス測定装置１０”の動作は、モデル作成方法及びインピーダンスの演算方法が異なることを除き、図２に示す第１の実施形態と同様に、筋電信号を取り込み（Ｓ１１）、正規化し（Ｓ１２）、正規化基準値が設定された下で筋電信号を取り込み（Ｓ１３）、モデルを作成し（Ｓ１４”）、このモデルを用いてインピーダンスを演算し（Ｓ１５”）、インピーダンスを出力・表示する（Ｓ１６）。
【００８４】
まず、第３の実施形態における筋骨格系の数式モデルについて説明する。筋肉は、伸ばすと反力を返す弾性体のような性質をしているが、実際の張力Ｔは、筋肉の伸びによって非線形に変化する。また張力Ｔは、筋肉が短縮する場合の速度によっても変化し、運動指令ｕの変化によっても変化する。このことから筋肉は、粘性、弾性係数、自然長が運動指令ｕによって変化する弾性体としてモデル化することができる。筋肉の張力Ｔは、式１２のように表される。
【００８５】
【数６】
ここで、ｌは筋肉の長さを表し、その速度をｌの１ドットで、加速度をｌの２ドットで表す。また、式１２のｋは筋肉の弾性係数を、ｂは粘性係数を、そして、Δｌは自然長からの伸びを表す。一方、簡単化のためにｋを運動指令ｕに線形な関数として式１３のように近似する。
ｋ＝ｋ0＋ｋ1ｕ ・・・ （１３）
Δｌは、関節角度０の場合における筋肉の長さをｌとすると式１４となる。
Δｌ＝（ｌ−ｌrest（ｕ）−ａθ）；屈筋 ・・・ （１４-1）
Δｌ＝（ｌ−ｌrest（ｕ）＋ａθ）；伸筋 ・・・ （１４-2）
ここで、ｌrestは筋肉の自然長、θは関節を伸ばした状態を０とした関節角度、そして、ａはモーメントアームを表す。
【００８７】
一般にモーメントアームａは、関節角度θの非線形な関数であるが、本実施形態では、ａを定数で近似し、ｌrestを運動指令ｕに関する線形関数で近似すると、定数項をまとめることにより、式１４は式１５のように表される。
Δｌ＝（ｌ0−ｌ1ｕ−ａθ）；屈筋 ・・・ （１５-1）
Δｌ＝（ｌ0−ｌ1ｕ＋ａθ）；伸筋 ・・・ （１５-2）
同様に、粘性係数ｂも運動指令ｕに関する線形関数で近似し、ｌの速度を関節角度θの速度で表すと、式１６のように近似される。
【００８８】
【数７】
なお、ｋ0、ｋ1、ｌ0、ｌ1、ｂ0及びｂ1は、定数である。
【００９０】
以上より、或る筋肉の張力Ｔiは、式１７のように表される。
【００９１】
【数８】
ここで、ａijは、筋肉ｉの自由度ｊに関するモーメントアームを表し、筋肉が伸筋である場合は負符号を取り筋肉ｉの自由度ｊに関わっていない場合は０とする。
【００９３】
或る自由度でのトルクτは、その方向に関してのモーメントアームと張力との積を全筋肉について和をとったものとなり、式１８のように表される。
τ＝ａＴ ・・・ （１８）
ここで、τ＝（τ1、τ2、・・・、τj）t ・・・ （１９-1）
Ｔ＝（Ｔ1、Ｔ2、・・・、Ｔi）t ・・・ （１９-2）
及びａはｊ行ｉ列の行列である。
【００９４】
以上より、或る自由度ｊにおける関節のスティフネスＲjは、関節が動いた場合にどれだけのトルクτが発生するかで決まるので、式１７及び式１８の数式モデルより解析的に直接演算することができ、式２０のように表される。
【００９５】
【数９】
同様に、或る自由度ｊにおける関節の運動中の粘性係数Ｂは、式２１のように表される。
【００９７】
【数１０】
以上のように関節スティフネスＲｊ及び粘性Ｂｊが解析的に表されることより、ＣＰＵ３５のモデル作成部４２”は、Ｓ１４”においてＳ１３における測定結果を用いて式２０及び式２１の係数ａ、ｋ、ｌ、ｂを求めて数式モデルを作成する。
【００９９】
この数式モデルは、本実施形態では、図５（ａ）に示す各位置で測定した第１の測定結果から１６７２０のデータを任意に抜き出し、静止中の第２の測定結果から３６７５０のデータを任意に抜き出し、計５３４７０の静止中のデータを用いて、勾配法による逐次計算により係数ａ、ｋ、ｌを最適化した。残りの３６７５００のデータについて相関係数を計算すると、本実施形態では肩が０．９０２５、肘が０．９２８１となっており、略正確にモデル化できたことが確認された。そして、求めた係数ａ、ｋ、ｌを固定して、運動中のデータで係数ｂの最適化を行った。なお、腕の物理パラメータは、腕が比重１の均一な物質であると仮定し、円錐台のモデルとして近似して求めた。
【０１００】
ここで、一般に１つの関節には、複数の筋肉が付いているので、単純に最適化を行うと各係数が生物学的に有り得ない値に収束する可能性がある。そのため、各パラメータの初期値と制約とを定めるのが好ましく、本実施形態では生物学的な見地から、ａ＝０．００５〜０．０４（ｍ）、ｋ＝５００〜３０００（Ｎ／ｍ）、ｌ＝０．００１〜０．０３（ｍ）、及び、ｂ＝５０〜２００（Ｎｓ／ｍ）に制約を定めた。
【０１０１】
係数ａ、ｋ、ｌ、ｂが求まると、ＣＰＵ３５のインピーダンス演算部４３”は、Ｓ１５”において、Ｓ１３の測定結果に基づいて式２０より関節スティフネスＲjを求め、式２１より粘性Ｂjを求める。そして、次に、ＣＰＵ３５は、インピーダンス演算部４３”が求めたインピーダンス（関節スティフネスＲj及び粘性Ｂj）を表示装置２５に表示する。
【０１０２】
図１２は、スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。図１２から分かるように、楕円の長軸の方向が肩の方向を向き、手先位置が体の近くになると楕円の向きが反時計回りに回転することや、手先位置が体から離れると楕円の形状が細長くなることなど、従来の研究報告と同様の結果となっている。また、図１３は、スティフネス楕円体で運動中のインピーダンス（手先スティフネス楕円体）を表示装置に表示した一例である。図１４は、スティフネス楕円体で運動中のインピーダンス（手先粘性楕円体）を表示装置に表示した一例である。図１３の各図及び図１４の各図は、それぞれ図に矢印→で示すように手先を動かした場合におけるインピーダンスである。手先粘性楕円体は、スティフネス楕円体と同様に、外部から手先の全方向に１ｍ／ｓの速度を与えた場合に生じる力を表したもので、楕円の長軸方向には大きな粘性特性が、短軸方向には小さな粘性特性が存在することを意味する。
【０１０３】
以上のように、第３の実施形態におけるインピーダンス測定装置１０”は、筋電信号を正規化して擬似張力と対応付け、この対応付けの下に筋電信号を測定し、測定結果の一部から数式モデルを作成し、さらに測定結果に数式モデルを適用することによって式２０及び式２１よりスティフネス及び粘性をそれぞれ求めることができる。そして、インピーダンス測定装置１０”は、第１の実施形態と同様に、従来のように大掛かりな装置を必要とせずに、リアルタイムでインピーダンスが測定可能である。
【０１０４】
なお、第１乃至第３の実施形態では、インピーダンスを求めるために一連の動作によって正規化基準値及び各モデルを求めたが、或る被験者に対して一度これら正規化基準値及び各モデルを求めることによって、次回以降は、これら正規化基準値及び各モデルを用いて、筋電信号から直ちにインピーダンスを求めることができる。
【０１０５】
（第４の実施形態）
第４の実施形態は、第１乃至第３の実施形態のうち何れかのインピーダンス演算方法を用いて運動学習を行う運動学習支援装置の実施形態である。この運動学習支援装置は、運動学習目標値を設定する運動学習目標値設定モード及び学習者が学習を行う学習支援モードの各モードが備えられ、これら各モードを使用することにより、学習者は、動作部分のインピーダンスの程度を含めて動作を習得することができる。
【０１０６】
図１において、運動学習支援装置の構成は、ＣＰＵ３５が破線で示す運動学習目標値設定部４４を更に備え、メモリ３６が運動学習目標値、メッセージ及び後述のフローチャートに基づく運動学習支援プログラムを更に格納していることを除き、第１の実施形態におけるインピーダンス測定装置１０の構成と同様であるので、その説明を省略する。なお、モデル作成部４２及びインピーダンス演算部４３は、第１乃至第３の実施形態における何れか１つのモデル作成部４２、４２’、４２”及びインピーダンス演算部４３、４３’、４３”である。また、メッセージは、運動目標値と学習者が今行った運動のインピーダンスとの相違に従った対応関係を示すテーブルとしてメモリ３６に格納する。メッセージは、例えば、「前腕を硬くしてください」とか「手首を軟らかくしてください」などの運動部分の硬さや軟らかさを指導するメッセージである。
【０１０７】
次に、この運動学習支援装置の動作について説明する。図１５は、第４の実施形態における運動学習支援装置の動作を示すフローチャートである。
【０１０８】
図１５において、運動学習支援装置にモードを入力する（Ｓ２１）。まず、運動目標値を設定する必要があるので、運動学習目標値設定モードを選択する。
【０１０９】
そして、運動の目標値を設定するために、学習しようとする学習者に較べて当該運動に関して熟達している者（師匠）に表面電極２１を装着する。表面電極２１の装着位置は、学習しようとする運動に合わせて選択される。例えば、手首のインピーダンスがパッドの成否に重要であると考えてゴルフパッドを学習しようとする場合には、手首関節の伸筋・屈筋として、左前腕の(1)橈側手根屈筋、(2)尺側手根伸筋、(3)指伸筋、(4)尺側手根屈筋及び(5)方形回内筋の５個の筋肉で生じる筋電信号をそれぞれ測定可能なように装着される。また例えば、肩・肘の２関節運動がテニスに重要であると考える場合には、第１乃至第３の実施形態と同様に装着される。また、同様に、赤外線マーカが、学習しようとする運動に合わせて選択された位置に貼付されれる。
【０１１０】
運動目標値となる師匠のインピーダンスを求めるために、運動学習支援装置は、師匠に正規化を行うための所定の動作を行わせながら筋電信号を取り込み（Ｓ２２）、この筋電信号に基づいて正規化基準値を求めてＤＩＶ３２を設定することによって正規化を行い（Ｓ２３）、この正規化基準値の下で師匠に所定の動作を行わせながら筋電信号を取り込み（Ｓ２４）、この筋電信号に基づいてモデルを作成し（Ｓ２５）、師匠に学習しようとする運動を行わせながら筋電信号を取り込み（Ｓ２６）、モデルに基づいてインピーダンスを演算する（Ｓ２７）。なお、これらＳ２２乃至Ｓ２５、及びＳ２７は、第１及び第３の実施形態におけるＳ１１乃至Ｓ１４、及びＳ１５とそれぞれ同様なのでその説明を省略する。
【０１１１】
次に、運動学習支援装置はモードを判断し（Ｓ２８）、運動学習目標値設定モードである場合（目標値設定）には、ＣＰＵ３５の運動学習目標値設定部４４は、Ｓ２５で演算したインピーダンスを運動学習目標値としてメモリ３６に格納する（Ｓ２９）。そして、運動学習支援装置の使用の終了が入力されたか否かを判断し（Ｓ３２）、終了の場合（Ｙｅｓ）には、運動学習支援プログラムを終了する。
【０１１２】
このように運動目標値が設定された後に、学習者は、運動学習支援装置を用いて運動を学習するために、学習支援モードを入力する（Ｓ２１）。
【０１１３】
そして、学習者は、学習する運動に合わせて表面電極２１及び赤外線マーカを装着する。学習者の正規化基準値及びモデルを作成するために、運動学習支援装置は、師匠の場合と同様に、学習者に正規化を行うための所定の動作を行わせながら筋電信号を取り込み（Ｓ２２）、この筋電信号に基づいて正規化基準値を求めてＤＩＶ３２を設定することによって正規化を行い（Ｓ２３）、この正規化基準値の下で学習者に所定の動作を行わせながら筋電信号を取り込み（Ｓ２４）、この筋電信号に基づいてモデルを作成し（Ｓ２５）、学習者に学習しようとする運動を行わせながら筋電信号を取り込み（Ｓ２６）、モデルに基づいてインピーダンスを演算する（Ｓ２７）。なお、既に学習者の正規化基準値及びモデルが作成されメモリ３６に格納されている場合には、これらＳ２２乃至Ｓ２６の処理を省略することも可能である。
【０１１４】
次に、運動学習支援装置は、モードを判断し（Ｓ２８）、学習支援モードである場合（学習）には、運動学習支援装置は、師匠の運動目標値と学習者が今行った運動のインピーダンスとを表示装置Ｓ２５に表示し（Ｓ３０）、そして、運動目標値と学習者が今行った運動のインピーダンスとの相違に基づくメッセージを表示する（Ｓ３１）。そして、運動学習支援装置の使用の終了が入力されたか否かを判断し（Ｓ３２）、終了の場合（Ｙｅｓ）には、運動学習支援プログラムを終了し、継続の場合（Ｎｏ）には、処理をＳ２６に戻して学習者に再び運動をさせ、学習をさせる。
【０１１５】
図１６は、運動学習支援装置における表示装置の表示例を示す図である。図１６において、表示装置２５には、例えば、運動目標値のインピーダンスである目標値、学習者の今の運動におけるインピーダンスである現在値、運動目標値の楕円体（実線、師匠）、学習者の今の運動における楕円体（破線、あなた）及びメッセージを表示される。学習者は、運動目標値の楕円対と自己の運動の楕円体との相違を視覚的に捉え、メッセージを参考にしながら次の運動を行うことができるので、効率良く運動を学習することができ、短期間に運動目標値に近い運動を学習することができる。
【０１１６】
なお、第４の実施形態では、師匠のインピーダンスを予め測定してそれを記録・表示するようにしたが、図１に示す表面電極２１、ＤＩＦＡ３１、ＤＩＶ３２、ＦＷＲＣ３３及びＬＰＦ３４からなる擬似張力測定部を２組用意して、師匠及び学習者の各擬似張力を同時に測定して、インピーダンスを表示するようにしてもよい。
【０１１７】
また、第１乃至第４の実施形態においては、筋電信号は、表面誘導法により測定されたが、これに限定されるものではない。活動電位を計測できる方法であれば、何でもよい。例えば、針電極法でもよい。針電極法は、針状の電極を筋肉に刺入して筋肉局部の活動電位を記録する方法である。
【０１１８】
【発明の効果】
上述のように本発明は、測定結果から帰納的に筋肉骨格系モデルを作成し、この筋肉骨格系モデルによって生体に仮想的な摂動を与えた場合の値を求めて、インピーダンスを求めることができる。このため、従来のようにロボット等によって強制的に摂動を生体に与える必要がなく、大掛かりな装置を必要としない。また、本発明では、インピーダンスの演算に運動指令ｕとして筋電信号ＥＭＧを用いるので、リアルタイムでインピーダンスが測定可能である。
【０１１９】
また、本発明に係る運動学習支援装置は、提示装置が、運動学習目標値と今の動作における動作部分のインピーダンスの程度を表示するので、両者の差が視覚化される。このため、学習者は、この差を認識することで基準動作と現動作との相違の原因を知ることができ、動作部分が運動学習目標値に達するようにそのインピーダンスを調整することができる。従って、学習者は、基準動作を短期間に習得・再現することができる。動作の運動軌跡だけでなく、従来において習得が困難であった動作におけるインピーダンスも容易に習得することができる。また、動作におけるインピーダンスも記録及び保存可能である。
【図面の簡単な説明】
【図１】インピーダンス測定装置の構成を示す図である。
【図２】第１の実施形態におけるインピーダンス測定装置の動作を示すフローチャートである。
【図３】表面電極のだいたいの装着位置と筋肉との関係を示す図である。
【図４】肘関節角度９０度・肩関節角度４５度の２関節運動における正規化データ取得の状況を示す図である。
【図５】等尺性筋収縮における測定位置と測定結果の一例を示す図である。
【図６】静止中における測定位置を示す図である。
【図７】神経回路モデルの一例を示す図である。
【図８】スティフネス楕円体でインピーダンスを表示装置に表示した一例である。
【図９】手先のスティフネス楕円体のパラメータを説明するための図である。
【図１０】スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。
【図１１】スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。
【図１２】スティフネス楕円体で静止中のインピーダンスを表示装置に表示した一例である。
【図１３】スティフネス楕円体で運動中のインピーダンス（手先スティフネス楕円体）を表示装置に表示した一例である。
【図１４】スティフネス楕円体で運動中のインピーダンス（手先粘性楕円体）を表示装置に表示した一例である。
【図１５】第４の実施形態における運動学習支援装置の動作を示すフローチャートである。
【図１６】運動学習支援装置における表示装置の表示例を示す図である。
【符号の説明】
２１ 表面電極、２２ 信号処理部、２３ ６軸力覚センサ、２５ 表示装置、３２ 割り算回路、３４ 低域通過フィルタ、３５ 中央処理装置、３６ メモリ、４１ 正規化基準値演算部、４２ モデル作成部、４３ インピーダンス演算部、４４ 運動学習目標値設定部
Claims (6)
- 生体のインピーダンスを測定するインピーダンス測定装置において、
測定対象のインピーダンスに関与する筋肉の活動電位による筋電信号を測定する筋電信号測定手段と、
前記インピーダンスに関与する筋肉によって生じる力を測定する力測定手段と、
前記生体の複数の位置を測定する位置測定手段と、
前記筋電信号と前記力とに基づいて前記筋電信号を正規化するための正規化基準値を演算する正規化基準値演算手段と、
前記正規化基準値で正規化された筋電信号、前記複数の位置及び前記力のうちの該筋電信号を含む２以上を用いて前記インピーダンスに関与する筋肉の筋肉骨格系モデルを作成するモデル作成手段と、
作成した前記筋肉骨格系モデルに応じて前記正規化基準値で正規化された筋電信号、又は、該筋電信号及び前記複数の位置の何れかを入力し、前記筋肉骨格系モデルの出力、前記力及び前記複数の位置に基づいて前記インピーダンスを演算するインピーダンス演算手段とを備えること
を特徴とするインピーダンス測定装置。 - 前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号とし、出力を前記複数の位置から求める前記インピーダンスに関与する関節の角度とする神経回路モデルであり、
前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号を入力し、前記神経回路モデルの出力、前記力及び前記複数の位置に基づいて前記インピーダンスを演算すること
を特徴とする請求項１に記載のインピーダンス測定装置。 - 前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号及び前記複数の位置から求める前記インピーダンスに関与する関節の角度とし、出力を前記力から求める前記関節のトルクとする神経回路モデルであり、
前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号及び前記関節の角度を入力し、前記神経回路モデルの出力及び前記関節の角度に基づいて前記インピーダンスを演算すること
を特徴とする請求項１に記載のインピーダンス測定装置。 - 前記筋肉骨格系モデルは、入力を前記正規化基準値で正規化された筋電信号、前記複数の位置から求める前記インピーダンスに関与する関節の角度及び前記関節の角速度とし、出力を前記力から求める前記関節のトルクとする神経回路モデルであり、
前記インピーダンス演算手段は、作成した神経回路モデルに前記正規化基準値で正規化された筋電信号及び前記関節の角度を入力し、前記神経回路モデルの出力、前記関節の角度及び前記関節の角速度に基づいて前記インピーダンスを演算すること
を特徴とする請求項１に記載のインピーダンス測定装置。 - 前記筋肉骨格系モデルは、前記正規化基準値で正規化された筋電信号、前記複数の位置及び前記力に基づいて係数を求めた、弾性係数、粘性及び自然長が筋電信号によってそれぞれ変化するバネとして筋肉をモデル化した数学モデルであって、
前記インピーダンス演算手段は、前記正規化基準値で正規化された筋電信号、前記力、前記インピーダンスに関与する関節の角度及び該関節の角速度に基づいて前記数学モデルより弾性係数及び粘性を求めること
を特徴とする請求項１に記載のインピーダンス測定装置。 - 請求項１乃至請求項５の何れか１項に記載のインピーダンス測定装置と、
基準とする動作を行った場合における前記動作に係る生体の動作部分のインピーダンスを前記インピーダンス測定装置によって求めて運動学習目標値として提示すると共に、動作を行った場合の前記動作部分のインピーダンスを前記インピーダンス測定装置によって求めて該値を提示する提示手段を備えること
を特徴とする運動学習支援装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002236024A JP3660330B2 (ja) | 2002-08-13 | 2002-08-13 | インピーダンス測定装置及び運動学習支援装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002236024A JP3660330B2 (ja) | 2002-08-13 | 2002-08-13 | インピーダンス測定装置及び運動学習支援装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004073386A JP2004073386A (ja) | 2004-03-11 |
| JP3660330B2 true JP3660330B2 (ja) | 2005-06-15 |
Family
ID=32020342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002236024A Expired - Lifetime JP3660330B2 (ja) | 2002-08-13 | 2002-08-13 | インピーダンス測定装置及び運動学習支援装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3660330B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010058250A (ja) * | 2008-09-05 | 2010-03-18 | Tokyo Institute Of Technology | 筋骨格系モデル作成装置および該方法、筋骨格系機構制御装置ならびに筋骨格系機構システム |
| KR102059871B1 (ko) * | 2018-09-05 | 2019-12-27 | 주식회사 셀바스헬스케어 | 사용자 이미지에 기초하여 골밀도 정보를 생성하기 위한 체성분 측정 장치 |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4549758B2 (ja) * | 2004-06-30 | 2010-09-22 | 本田技研工業株式会社 | 運動測定方法、運動測定装置及び運動測定プログラム |
| JP4923256B2 (ja) * | 2006-11-16 | 2012-04-25 | 国立大学法人広島大学 | 知覚特性測定システム |
| JP5021558B2 (ja) * | 2008-05-13 | 2012-09-12 | 日本電信電話株式会社 | 運動学習支援装置 |
| US9173582B2 (en) | 2009-04-24 | 2015-11-03 | Advanced Brain Monitoring, Inc. | Adaptive performance trainer |
| JP5623759B2 (ja) * | 2010-02-26 | 2014-11-12 | 公益財団法人東京都医学総合研究所 | 筋電図信号に基づいた脳内の並列運動制御機能の同定及び評価法 |
| JP5574333B2 (ja) * | 2010-06-10 | 2014-08-20 | 国立大学法人東京農工大学 | 粘弾性特性計測方法および粘弾性特性計測装置 |
| ITMI20120494A1 (it) * | 2012-03-27 | 2013-09-28 | B10Nix S R L | Apparato e metodo per l'acquisizione ed analisi di una attivita' muscolare |
| JP6518932B2 (ja) | 2013-12-16 | 2019-05-29 | 国立大学法人大阪大学 | 運動解析装置及び運動解析プログラム |
| JP6297951B2 (ja) * | 2014-09-11 | 2018-03-20 | トヨタ自動車株式会社 | 運動推定装置 |
| GB2530754B (en) | 2014-09-30 | 2017-05-03 | 270 Vision Ltd | Mapping the trajectory of a part of the anatomy of the human or animal body |
| JP6515069B2 (ja) * | 2016-07-29 | 2019-05-15 | 日本電信電話株式会社 | 筋活動解析装置、方法およびプログラム |
| JP6515070B2 (ja) * | 2016-07-29 | 2019-05-15 | 日本電信電話株式会社 | 筋活動推定装置、方法およびプログラム |
| KR101993717B1 (ko) * | 2017-05-02 | 2019-06-27 | 연세대학교 산학협력단 | 모션 캡쳐를 이용한 환자의 생체 In-vivo 물성 추출 방법 |
| CN108209911B (zh) * | 2017-05-25 | 2020-02-07 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
| CN108209912B (zh) * | 2017-05-25 | 2020-06-05 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
| CN108229283B (zh) * | 2017-05-25 | 2020-09-22 | 深圳市前海未来无限投资管理有限公司 | 肌电信号采集方法及装置 |
| CN108354609B (zh) * | 2018-04-24 | 2024-04-26 | 福州大学 | 一种关节角度测量的方法及装置 |
| CN109567988B (zh) * | 2018-12-15 | 2024-04-09 | 华南理工大学 | 一种模拟肌力分级的人体上肢假肢装置 |
| CN109864740B (zh) * | 2018-12-25 | 2022-02-01 | 北京津发科技股份有限公司 | 一种运动状态的表面肌电信号采集传感器和设备 |
| CN114800440B (zh) * | 2022-03-09 | 2023-07-25 | 东南大学 | 基于变刚度的外肢体机器人辅助支撑方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2557789B2 (ja) * | 1993-07-12 | 1996-11-27 | 株式会社エイ・ティ・アール人間情報通信研究所 | ヒューマンインタフェース装置 |
| JP2611920B2 (ja) * | 1993-07-19 | 1997-05-21 | 株式会社エイ・ティ・アール人間情報通信研究所 | 運動技能学習装置 |
| JP3193656B2 (ja) * | 1997-02-03 | 2001-07-30 | トヨタ自動車株式会社 | 筋電信号生成装置 |
| JP2001286451A (ja) * | 2000-04-07 | 2001-10-16 | Rikogaku Shinkokai | 筋電信号の正規化基準値算出方法、内的力基準値算出方法、収縮度算出方法、内的力算出方法及びこれらの装置 |
| JP3870410B2 (ja) * | 2000-10-16 | 2007-01-17 | 株式会社安川電機 | 治療者用訓練装置 |
-
2002
- 2002-08-13 JP JP2002236024A patent/JP3660330B2/ja not_active Expired - Lifetime
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010058250A (ja) * | 2008-09-05 | 2010-03-18 | Tokyo Institute Of Technology | 筋骨格系モデル作成装置および該方法、筋骨格系機構制御装置ならびに筋骨格系機構システム |
| KR102059871B1 (ko) * | 2018-09-05 | 2019-12-27 | 주식회사 셀바스헬스케어 | 사용자 이미지에 기초하여 골밀도 정보를 생성하기 위한 체성분 측정 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004073386A (ja) | 2004-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3660330B2 (ja) | インピーダンス測定装置及び運動学習支援装置 | |
| US9238137B2 (en) | Neuromuscular stimulation | |
| Ben-Tzvi et al. | Sensing and force-feedback exoskeleton (SAFE) robotic glove | |
| US7837599B2 (en) | Method and apparatus for automated delivery of therapeutic exercises of the upper extremity | |
| Mattar | A survey of bio-inspired robotics hands implementation: New directions in dexterous manipulation | |
| JP2001286451A (ja) | 筋電信号の正規化基準値算出方法、内的力基準値算出方法、収縮度算出方法、内的力算出方法及びこれらの装置 | |
| JP7353305B2 (ja) | バーチャルリアリティに対する触覚フィードバック | |
| JP6518932B2 (ja) | 運動解析装置及び運動解析プログラム | |
| US10529254B2 (en) | Haptic device and methods for abnormal limb biomechanics | |
| JP2022507628A (ja) | 様々なタイプの仮想現実および／または拡張現実環境内の神経筋活性化からのフィードバック | |
| JP5234542B2 (ja) | 筋骨格系モデル作成装置および該方法、筋骨格系機構制御装置ならびに筋骨格系機構システム | |
| Vigaru et al. | A robotic platform to assess, guide and perturb rat forelimb movements | |
| JP6061300B2 (ja) | 片麻痺運動機能回復訓練装置を用いた訓練効果評価方法、および訓練効果評価演算装置、ならびにプログラム | |
| Lioulemes et al. | MAGNI dynamics: A vision-based kinematic and dynamic upper-limb model for intelligent robotic rehabilitation | |
| JP4005864B2 (ja) | 運動学習支援装置、運動学習支援方法及び運動学習支援プログラム | |
| Zeng et al. | Exploring biomimetic stiffness modulation and wearable finger haptics for improving myoelectric control of virtual hand | |
| Dutta et al. | Impedance control of a robotic gripper for cooperation with humans | |
| Okuyama et al. | Mechanical modeling of a ring-type fingertip force sensor | |
| Xu et al. | Virtual therapist: A Phantom robot-based haptic system for personalized post-surgery finger rehabilitation | |
| Bowers et al. | Design of a low cost robotic system to aid in the rehabilitation of stroke patients | |
| Kuo et al. | Design of a motor-driven mechanism to conduct experiments to determine the passive joint properties of the human index finger | |
| Kuo et al. | Design and Performance of a Motor-Driven Mechanism to Conduct Experiments With the Human Index Finger | |
| IMBESI | Estimation of ground reaction forces with applications for ecological monitoring of joint loading: a combined musculoskeletal and optimization based proof of concept | |
| Ma'touq | Human hand neuromechanics for the design of robotic intelligent upper limb prostheses | |
| Hayes et al. | of a Motor-Driven Mechanism to Conduct Experiments With the Human Index Finger |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20031031 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20031215 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040908 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040921 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041108 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20050114 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20050114 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050117 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20050114 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050308 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050316 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080325 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090325 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120325 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120325 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130325 Year of fee payment: 8 |