JP6260022B2 - 制御信号生成装置およびパワーアシスト装置 - Google Patents
制御信号生成装置およびパワーアシスト装置 Download PDFInfo
- Publication number
- JP6260022B2 JP6260022B2 JP2013182268A JP2013182268A JP6260022B2 JP 6260022 B2 JP6260022 B2 JP 6260022B2 JP 2013182268 A JP2013182268 A JP 2013182268A JP 2013182268 A JP2013182268 A JP 2013182268A JP 6260022 B2 JP6260022 B2 JP 6260022B2
- Authority
- JP
- Japan
- Prior art keywords
- joint
- torque
- control signal
- channel
- estimated
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 claims description 52
- 238000001514 detection method Methods 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000033001 locomotion Effects 0.000 claims description 33
- 230000003183 myoelectrical effect Effects 0.000 claims description 29
- 230000002950 deficient Effects 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 19
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000007477 logistic regression Methods 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 9
- 230000021688 musculoskeletal movement Effects 0.000 claims description 5
- 210000003205 muscle Anatomy 0.000 description 76
- 238000000034 method Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 22
- 210000002435 tendon Anatomy 0.000 description 22
- 230000002159 abnormal effect Effects 0.000 description 17
- 230000008602 contraction Effects 0.000 description 16
- 239000000835 fiber Substances 0.000 description 15
- 230000007246 mechanism Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000002474 experimental method Methods 0.000 description 11
- 210000003141 lower extremity Anatomy 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 102100035102 E3 ubiquitin-protein ligase MYCBP2 Human genes 0.000 description 6
- 229920000106 Liquid crystal polymer Polymers 0.000 description 6
- 239000004977 Liquid-crystal polymers (LCPs) Substances 0.000 description 6
- 210000002414 leg Anatomy 0.000 description 6
- 229920002401 polyacrylamide Polymers 0.000 description 6
- 210000001364 upper extremity Anatomy 0.000 description 6
- 206010049816 Muscle tightness Diseases 0.000 description 5
- 210000001624 hip Anatomy 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 210000002683 foot Anatomy 0.000 description 4
- 210000004243 sweat Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003042 antagnostic effect Effects 0.000 description 3
- 239000005557 antagonist Substances 0.000 description 3
- 230000007177 brain activity Effects 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 210000000689 upper leg Anatomy 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 108700038250 PAM2-CSK4 Proteins 0.000 description 2
- 101100206155 Schizosaccharomyces pombe (strain 972 / ATCC 24843) tbp1 gene Proteins 0.000 description 2
- 229920000508 Vectran Polymers 0.000 description 2
- 239000004979 Vectran Substances 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000004118 muscle contraction Effects 0.000 description 2
- 210000002346 musculoskeletal system Anatomy 0.000 description 2
- 229920001230 polyarylate Polymers 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 206010049565 Muscle fatigue Diseases 0.000 description 1
- 239000004699 Ultra-high molecular weight polyethylene Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- -1 for example Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 229920005594 polymer fiber Polymers 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000020431 spinal cord injury Diseases 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 239000012209 synthetic fiber Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 229920000785 ultra high molecular weight polyethylene Polymers 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
- Prostheses (AREA)
Description
好ましくは、検知手段は、グラフィカル・ガウシャン・モデルにおいて、スパースな構造学習により、有意な相関がある変数ノード間に辺があるようなグラフを求める。
好ましくは、検知手段は、グラフィカル・ガウシャン・モデルにおいて、スパースな構造学習により、有意な相関がある変数ノード間に辺があるようなグラフを求める。
[実施の形態1]
図1は、本実施の形態における外骨格型ロボット1の構成事例を示す図である。本外骨格型ロボット1は、10自由度である。
以上の説明では、下肢の運動をアシストする外骨格型ロボットの構成について説明した。以下では、外骨格型ロボットの装着者の運動へのパワーアシスト動作を説明するにあたり、説明の簡単のために、1自由度の系(1つの関節の1方向への運動)を例にとって説明する。ただし、このような1自由度の系への制御を、上述した下肢の外骨格型ロボットの各関節に適用することが可能である。また、上述したように、より一般的な外骨格型ロボットに適用することも可能である。
2)次に、不良センサを複数の筋電信号の相関から検出し、最終的な推定値τ(ハット)に対する各推定値の寄与率を検出された不良センサに応じて変化させる。すなわち、検出された不良センサからの信号に基づかないモデルの寄与度を大きくする。より具体的には、たとえば、推定モデルを、検出された不良チャネルを含まない推定モデルに適宜切り替えることにより、頑健なトルク推定を達成する。
(表面筋電図(sEMG)からのロバストな関節トルク推定)
以下では、本実施の形態の筋電位−トルク推定の変換処理について説明する。
(エラーチャネル判別)
以下では、関節トルク算出部2106の行うエラーチャネルの検出処理について説明する。
(sEMG からの関節トルク推定)
この例では肘まわりのsEMGから肘の関節駆動トルクを推定する。
公知文献2:S. Stroeve, “Learning combined feedback and feedforward control of a musculoskeletal system,” Biological Cybernetics, vol. 75, no. 1, pp. 73-83, 1996.
あるいは、sEMG信号と力の非線形性をネイピア数の指数関数で表したものを使用してもよい。
ただし、上述したような式(7)の線形モデルであれば、それぞれ筋張力に変換するためのパラメーターを各筋肉ごとに同定する必要がなく、解析が容易であるという利点がある。
[1軸アシスト装置についての実験]
(空電ハイブリッド式アクチュエータ用のトルク制御器)
以下では、空電ハイブリッド式アクチュエータ用のトルク制御器による力制御可能な1軸アシスト装置について説明する。エアマッスルPAMは非常に大きな力を発生するため、高強力・高弾性の化繊ワイヤであっても伸びがモデルの誤差の原因となる。「腱スプリングモデル」を仮定した力制御と小型のモーターが発生するトルクにより、緻密な関節トルク制御が可能である。
したがって、特に限定されないが、たとえば、内部制御装置10が、第一の閾値よりも(「より」は「以上」も含む、とする)高周波であるトルクに対して電動モータ312を追加動作させることは好適である。 なお、追加動作とは、エアマッスル302および304に加えて電動モータ312を動作させることである。ここで、第一の閾値は、例えば、3Hzである。
空圧式エアマッスル、ワイヤおよびプーリを含む空圧式アクチュエータは、人間の筋肉と多くの共通点を持っている。
公知文献5:D.G. Caldwell, A. Razak, and MJ Goodwin. Braided pneumatic muscle actuators. In Proceedings of the IFAC Conference on Intelligent Autonomous Vehicles, pp. 507-512, 1993.
空気シリンダーと異なり、関節角が変化することによってトルクは非線形に変化する。
運動上の制約条件が常に不変であるという仮定の下では、空圧式エアマッスルの圧力は常に同じ均衡点での収縮割合ε(p)を与えることになる。すなわち、収縮割合ε(p)は、圧力pの関数となる。
しかしながら、一般的には、運動上の制約条件をダイナミックに変更し、異なる外力Fと釣り合うので、この仮定は、上述したような外骨格型ロボットにおいては、厳密には成り立たない。
上述したような液晶ポリマー繊維製のワイヤは、高強力高弾性率を有するので、通常は、張力に対して長さが変化しないとの近似がよく成り立つ。高強度・高弾性率繊維としては、ベクトラン(登録商標)のようなポリアリレート繊維の他に、たとえば、超高分子量ポリエチレン繊維、PBO繊維などがある。
すなわち、このモデルでは、腱ワイヤ(ポリアリレート繊維などの液晶ポリマー繊維製のワイヤ)は、バネに近似され、Δεは、力によって引き起こされた余分なエアマッスルの収縮であり、kはばね定数である。つまり、腱が力によって伸びる分、空圧式エアマッスルは、余分に収縮することが必要になる。このようにバネに近似される腱ワイヤのことを「腱スプリング」と呼ぶことにする。
2次式の係数には、以下の関係が成り立つ。
(1軸アシストシステムによる実験:ロバストな関節トルク推定実験)
(実験設定)
図10は、本実施の形態の関節駆動トルクの推定処理の有用性を検証する実験の構成を説明するための概念図である。
図12は、トルク推定処理の途中で、エラーチャネルが発生した状況を示す図である。
[実施の形態2]
実施の形態1では、エラーチャネルの検出のために、各チャネルエラーの態様ごとに、そのような態様が発生したかを判別する判別器が、事前に、機械学習により準備される構成であった。
(エラーチャネルの検知)
以下では、実施の形態2の方法に基づいたsEMGチャネルの異常検知を行なう処理について説明する。
すなわち、センサーからの以下のような2組のデータセットDA(NA個の組)およびDB(NB個の組)が与えられたとき、まず、与えられた分散行列に基づいたスパース構造を学習する。
GGMは、多変量データのふたつを比べて、その相違に対する個々の変数の寄与度を計算することに相当する。
変数ノードxiの近傍グラフとは、ノードxiとその近傍ノードとの間が、辺で接続されており、ノードxiとその近傍ノードを含んでいるグラフである。
次に、データからスパース構造を学習する方法について説明する。
GGMでは、見方を変えれば、構造学習とは、多変数のガウス分布の精度行列Λを見つけることである。ここで、精度行列Λは、標本共分散行列Sの逆行列に相当する。
グラフについてのLASSO(least absolute shrinkage and selection operator)アルゴリズムは、行列内をブロック化した勾配法を利用することにより、解くべき問題を、一連のL1正則化項付きの2次計画問題に還元する。
行列内をブロック化した勾配法を利用するために、以下の式のように、特定の1つの変数xiに注目し、精度行列Λとその逆行列を分割する。
スパース構造学習により、時間軸上の2つの異なる時点において、その各時点における変数(電極素子(センサー)に対応)の組に対応するスパースな構造が得られることになる。これらを、添え字A,Bで区別することにする。
Claims (14)
- 対象者の生体信号から意図された前記使用者の筋骨格系運動を推定し、外部装置を駆動するための制御信号を生成する制御信号生成装置であって、
前記対象者の体表面の複数の部位ごとに複数個ずつ配置され、生体信号を時系列として計測するためのセンサと、
前記部位ごとの複数のセンサからの生体信号を受けて、前記意図された前記筋骨格系運動を推定する推定手段とを備え、
前記推定手段は、
前記部位ごとの複数のセンサからの測定チャネルのうち、異常の発生した不良測定チャネルを、複数の測定チャネルの所定の時間間隔内の信号間の相関に基づいて検知する検知手段と、
所定数の測定チャネルが不良となる組合せごとに予め準備された推定モデルのうちから、検知された不良測定チャネルを除いて準備された推定モデルを選択的に用いて、前記筋骨格系運動を推定する推定処理手段とを含み、
前記推定された前記筋骨格系運動に基づき、前記外部装置を駆動するための制御信号を算出する制御信号算出手段をさらに備える、制御信号生成装置。 - 前記センサは、前記対象者の推定対象となる関節に対応して配置されており、
前記推定手段は、前記部位ごとの複数のセンサからの信号を受けて、対応する関節に発生する関節駆動トルクを推定し、
前記推定処理手段は、所定数の測定チャネルが不良となる組合せごとに予め準備された関節トルクの推定モデルのうちから、検知された不良測定チャネルを除いて準備された推定モデルを選択的に用いて、前記関節駆動トルクを推定する、請求項1記載の制御信号生成装置。 - 前記検知手段は、各前記測定チャネルの不良の態様ごとに、事前に機械学習により準備された前記態様が発生したかを判別する複数の判別器を含む、請求項2記載の制御信号生成装置。
- 各前記判別器は、前記複数の測定チャネルからの信号について前記所定の時間間隔にわたってフィルタ処理された組に対する共分散行列の非対角の独立な成分を特徴ベクトルとするとき、前記特徴ベクトルにより、前記不良の有無を判別するようにロジスティック回帰分析により学習された識別器である、請求項3記載の制御信号生成装置。
- 前記検知手段は、複数の前記測定チャネルに対する前記所定の時間間隔の異なる時点についてのグラフィカル・ガウシャン・モデルにより、各前記測定チャネルの不良を検出する、請求項2記載の制御信号生成装置。
- 前記検知手段は、グラフィカル・ガウシャン・モデルにおいて、スパースな構造学習により、有意な相関がある変数ノード間に辺があるようなグラフを求める、請求項5記載の制御信号生成装置。
- 前記グラフィカル・ガウシャン・モデルにおいては、正常時に対応するグラフに対する現時点のグラフの距離のみに基づいて、不良の有無を判別する、請求項5記載の制御信号生成装置。
- 対象となる人間の筋骨格系運動のアシストを行うためのパワーアシスト装置であって、
アシスト対象となる関節ごとに設けられ、前記関節の運動をアシストする力を発生するためのアクチュエータと、
前記アシスト対象となる関節に対応して対象者の体表面の複数の部位ごとに複数個ずつ配置され、表面筋電位を時系列として計測するための電極と、
前記部位ごとの複数の電極からの信号を受けて、対応する関節に発生する関節駆動トルクを推定するトルク推定手段とを備え、
前記トルク推定手段は、
前記部位ごとの複数の電極からの測定チャネルのうち、異常の発生した不良測定チャネルを、複数の測定チャネルの所定の時間間隔内の信号間の相関に基づいて検知する検知手段と、
所定数の測定チャネルが不良となる組合せごとに予め準備された関節トルクの推定モデルのうちから、検知された不良測定チャネルを除いて準備された推定モデルを選択的に用いて、前記関節駆動トルクを推定する推定処理手段とを含み、
前記推定された関節駆動トルクに基づき、前記アクチュエータにより発生すべき目標トルクを算出する目標トルク算出手段と、
前記目標トルクに基づいて、前記アクチュエータを駆動する駆動手段とを備える、パワーアシスト装置。 - 前記検知手段は、各前記測定チャネルの不良の態様ごとに、事前に機械学習により準備された前記態様が発生したかを判別する複数の判別器を含む、請求項8記載のパワーアシスト装置。
- 各前記判別器は、前記複数の測定チャネルからの信号について前記所定の時間間隔にわたってフィルタ処理された組に対する共分散行列の非対角の独立な成分を特徴ベクトルとするとき、前記特徴ベクトルにより、前記不良の有無を判別するようにロジスティック回帰分析により学習された識別器である、請求項9記載のパワーアシスト装置。
- 前記検知手段は、複数の前記測定チャネルに対する前記所定の時間間隔の異なる時点についてのグラフィカル・ガウシャン・モデルにより、各前記測定チャネルの不良を検出する、請求項8記載のパワーアシスト装置。
- 前記検知手段は、グラフィカル・ガウシャン・モデルにおいて、スパースな構造学習により、有意な相関がある変数ノード間に辺があるようなグラフを求める、請求項11記載のパワーアシスト装置。
- 前記グラフィカル・ガウシャン・モデルにおいては、正常時に対応するグラフに対する現時点のグラフの距離のみに基づいて、不良の有無を判別する、請求項11記載のパワーアシスト装置。
- 前記パワーアシスト装置は、外骨格型ロボットである、請求項8〜13のいずれか1項に記載のパワーアシスト装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013182268A JP6260022B2 (ja) | 2013-09-03 | 2013-09-03 | 制御信号生成装置およびパワーアシスト装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013182268A JP6260022B2 (ja) | 2013-09-03 | 2013-09-03 | 制御信号生成装置およびパワーアシスト装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015047404A JP2015047404A (ja) | 2015-03-16 |
JP6260022B2 true JP6260022B2 (ja) | 2018-01-17 |
Family
ID=52697911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013182268A Active JP6260022B2 (ja) | 2013-09-03 | 2013-09-03 | 制御信号生成装置およびパワーアシスト装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6260022B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106214427B (zh) * | 2016-08-11 | 2019-05-24 | 上海交通大学 | 受试者主导的下肢康复外骨骼控制系统及方法 |
KR101993554B1 (ko) * | 2018-02-02 | 2019-06-26 | 재단법인대구경북과학기술원 | 신장 반사 토크를 계산하기 위한 시스템 |
CN111257827B (zh) * | 2020-01-16 | 2023-07-14 | 玉林师范学院 | 一种高精度的非视距追踪定位方法 |
CN111370123B (zh) * | 2020-02-28 | 2022-11-08 | 郑州大学 | 防止脑卒中复发的肢体协调辅助装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59208601A (ja) * | 1983-05-13 | 1984-11-27 | Toshiba Corp | タ−ビン制御装置 |
JP3974986B2 (ja) * | 1997-12-04 | 2007-09-12 | マツダ株式会社 | 車両の姿勢制御装置 |
WO2004095315A1 (en) * | 2003-04-24 | 2004-11-04 | Koninklijke Philips Electronics N.V. | Parameterized temporal feature analysis |
JP4178187B2 (ja) * | 2005-01-26 | 2008-11-12 | 国立大学法人 筑波大学 | 装着式動作補助装置及び制御用プログラム |
JP5566892B2 (ja) * | 2007-10-10 | 2014-08-06 | 本田技研工業株式会社 | 追跡および観測用ロボット |
JP5512406B2 (ja) * | 2010-06-09 | 2014-06-04 | 国立大学法人埼玉大学 | 外力検出インタフェースの故障検知方法 |
-
2013
- 2013-09-03 JP JP2013182268A patent/JP6260022B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015047404A (ja) | 2015-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6142146B2 (ja) | 外骨格型ロボットおよびリハビリテーション装置 | |
JP6055985B2 (ja) | パワーアシストロボット | |
Koh et al. | Design of a soft robotic elbow sleeve with passive and intent-controlled actuation | |
JP6118961B2 (ja) | パワーアシストロボット | |
US9339396B2 (en) | Robotic exoskeleton multi-modal control system | |
JP6759496B2 (ja) | 脳波パターン分類装置、脳波パターン分類方法、脳波パターン分類プログラムおよびニューロフィードバックシステム | |
CN110072678A (zh) | 用于运动辅助的人类意图检测系统 | |
Liu et al. | Deep spatial-temporal model for rehabilitation gait: Optimal trajectory generation for knee joint of lower-limb exoskeleton | |
JP6260022B2 (ja) | 制御信号生成装置およびパワーアシスト装置 | |
JP6998569B2 (ja) | パワーアシスト装置およびパワーアシスト装置の制御方法 | |
WO2019203732A1 (en) | Wearable hand assistive device and system | |
González-Mendoza et al. | Design and implementation of a rehabilitation upper-limb exoskeleton robot controlled by cognitive and physical interfaces | |
Sakr et al. | Exploratory evaluation of the force myography (FMG) signals usage for admittance control of a linear actuator | |
JP6357672B2 (ja) | 駆動機構 | |
Xiao et al. | Towards the development of a portable wrist exoskeleton | |
Yamamoto et al. | Home robotic device for rehabilitation of finger movement of hemiplegia patients | |
JP7432430B2 (ja) | 動作支援装置および動作支援方法 | |
Furukawa et al. | Estimating joint movements from observed EMG signals with multiple electrodes under sensor failure situations toward safe assistive robot control | |
Sakr et al. | Estimation of user-applied isometric force/torque using upper extremity force myography | |
Hamaya et al. | Exploiting human and robot muscle synergies for human-in-the-loop optimization of EMG-based assistive strategies | |
JP6299008B2 (ja) | パワーアシストロボット | |
Wang et al. | Human gait prediction for lower limb rehabilitation exoskeleton using gated recurrent units | |
Papapicco et al. | Locomotion mode classification based on support vector machines and hip joint angles: a feasibility study for applications in wearable robotics | |
Bhardwaj et al. | Electromyography in physical rehabilitation: a review | |
Joshua Samuel Raj et al. | Design of Human Adaptive Mechatronics Controller for Upper Limb Motion Intention Prediction. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160527 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170310 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170329 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20170525 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170728 |
|
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: 20171115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6260022 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |