JPH05111881A - 学習型筋電パターン認識ロボツトハンド制御装置 - Google Patents

Abstract

(57)【要約】 （修正有） 【目的】 筋電信号によってロボットハンド（又は義
手）を的確に制御する。 【構成】 健常者または前腕切断者が自分自身の意図す
る手の運動において生じる筋電を皮膚表面電極１，３，
５，７によって検出し、この検出した筋電信号を高速フ
ーリエ変換部２１，２３で高速フ―リエ変換処理して、
周波数解析したパタ―ンを、線型分離不可能なパタ―ン
を各パタ―ンの属性別に分離する能力を有する認識部２
９の神経回路網に、複数回学習させる。この過程におい
て、ユーザの指曲げ角度教師値を連続して時系列的に認
識する指曲げ角度教師値認識部を有し、前記指曲げ角度
教師値を、指曲げ角度教師値呈示インタフェース部３１
で、サンプリングした指曲げ角度教師値を時間平均して
から神経回路網に呈示する。これにより、複数の指曲げ
角度を筋電パターンから時系列的に連続して認識し、対
応する手指の動作パタ―ンを認識、識別してロボットハ
ンドを的確に制御する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、皮膚表面電極から検
出された筋電信号を高速フ―リエ変換して周波数解析し
たパタ―ンを神経回路網によって認識して、指曲げ角度
認識値で制御動作を行う学習型筋電パターン認識ロボッ
トハンド制御装置に関する。

【０００２】

【従来の技術】筋電信号によって人工の手としてのロボ
ットハンドまたは義手を制御する着想は、Ｎ．Ｗinerに
よって１９４８年に発表され（Ｃybernetics，Ｔhe
Ｍ．Ｉ．Ｔ． Ｐress， １９４８年参照）、その後、
種々の装置が実際に開発された。筋電義手について鑑み
れば、切断部位断端の筋電位により義手操作を制御する
方法であり、通常、断端から数対の皮膚表面電極を介し
て１００ないし１０００マイクロボルト程度の筋電位を
検出し、増幅器で増幅して電気的前処理（整流、平滑化
等）を行い、処理後の信号を認識、識別することにより
義手の手先具の手指または間接継手の動作を制御するも
のであり、世界的に普及している。

【０００３】従来の筋電義手は、研究レベル、実用レベ
ルを問わず、動作制御の対象とする目的において２種類
に大別される。

【０００４】第１は、検出された筋電から制御する対象
として前腕用手先具の動作を目的とするもので、通常、
機能を１自由度に限定して義手（手先具）の手指の動作
の開閉を行うことを対象とする。

【０００５】１自由度の制御方法は、オン・オフ制御方
式、比例制御方式の２種が代表的である。

【０００６】オン・オフ制御方式では、断端部の残存屈
筋と伸筋の２箇所の電極から検出された筋電から同相の
ノイズ信号を除去し、整流、平滑化した２つの信号から
差信号を作り、義手手指の開閉を行うものである（日本
整形外科学会、日本リハビリテ―ション医学会編集、義
肢装具のチェックポイント、医学書院、１９８７年、第
５９頁〜第６８頁参照）。

【０００７】比例制御方式は、積分した筋電信号と筋緊
張との間には、ほぼ比例関係が成り立つという神経生理
学的に公知の事実を利用して、義手手指の開閉速度、把
持力の調整を行う方式である。比例制御方式は、パルス
幅変調を利用するもので、筋電信号が弱いと義手開閉動
作用モ―タは僅かな時間オンになり、筋収縮が増すとオ
ンの時間が長く、パルス幅も大きくなり、モ―タ回転数
がより増して義手手指の開閉速度が速くなるものであ
る。

【０００８】このようなオン・オフ制御方式および比例
制御方式は、いずれも整流、平滑化された筋電信号に対
し、しきい値を設定してスイッチングするものであっ
て、装着時にしきい値を設定してしまうと、装着者の体
調や、切断後の時間経過に伴う筋電のレベル変化に対応
できずに、装着者の意図通りに動かないという問題があ
る。

【０００９】通常、筋電義手の装着までの訓練過程にお
いて、幻肢の手関節の屈曲運動を行い、片側切断では、
健常側上肢、切断肢ともに前に出して、上記運動を行わ
せ、筋電検出計を装着予定者に観察させながら、義手の
筋電識別回路の認識するレベルに適合する筋電がでるよ
うに訓練させる。しかしながら、訓練しても屈筋、伸筋
の２チャンネルの筋電が別々に弁別して発生することの
できない装着予定者は、筋電義手を扱う対象とならない
という前腕切断者にとっては死活問題とさえいえる欠点
がある。

【００１０】第２は、検出された筋電から同時に何自由
度制御するかに重点をおく方式であり、肩甲胸郭切断等
の高位切断者を対象とした上腕用義手の制御を目的とす
るものである。

【００１１】多自由度制御のための筋電識別方法の１つ
に、多電極から検出された筋電信号を平滑、整流して、
一定時間毎に時間平均した信号をパ―セプトロンに入力
し、動作を教師信号として与えて学習させる例がある
（鈴木良次、末松辰美、Ｌink−８を用いた筋電流パタ
―ンの学習識別、医用電子と生体工学、第７巻、第１
号、１９６９年、第４７頁〜第４８頁参照）。この例で
は、皮膚表面電極を相違なる３ケ所の筋肉の直上に装着
して、７種類の動作を識別させたが、パ―セプトロンの
線形分離不可能なパタ―ン分離ができない性質により、
電極の装着位置や、動作の種類が増すと実用的に動作識
別ができないという問題がある。

【００１２】多自由度制御のための筋電識別方法の他の
例としては、前記例と同様に、相異なる４ケ所の筋肉の
直上に皮膚表面電極を装着して、整流平滑処理した筋電
に対して、１次の線形識別関数によって肩の５種の動作
識別を試みた例があるが（谷和男、他７名、義手制御の
ための筋電パタ―ン識別学習、バイオメカニズム５、東
京大学出版会、１９８０年、第８８頁〜第９５頁参
照）、学習筋電パタ―ンが多くなると、識別関数の収束
に時間がかかり、線形分離できない場合が多かったり、
学習パタ―ン、認識用パタ―ンともにノイズがはいる
と、学習が収束しなかったり、または動作を認識できな
いというような問題がある。

【００１３】前記２つの多自由度制御の方法では、多動
作識別において多チャンネルの電極の装着を必要とする
問題が共通してある。

【００１４】多自由度制御のための筋電識別方法の第３
番目の従来技術として、同一部位からの筋電が動作によ
り相異なる周波数特性を示す事実を利用して、前腕とう
側手根屈筋から検出した１チャンネルの筋電に帯域フィ
ルタをかけて、１０分割した筋電の周波数スペクトルに
対して１次および２次の線形識別関数によって４種類の
前腕の動作識別を試みた例があるが（榊原久司、他３
名、筋電の周波数情報を用いた多機能前腕義手の制御、
バイオメカニズム４、東京大学出版会、１９７８年、第
１３１頁〜第１３８頁参照）、線形識別関数を使用して
いるために、識別関数の学習用筋電パタ―ンを作成する
にあたって、通常、協調動作で行われている手の動作を
単純な動作に分解して、手の動作を行うように、被験者
が訓練しなければならないという問題がある。但し、本
例では、筋電の周波数特性が筋収縮力の強弱、筋疲労に
よっての変化が小さいという特性を利用しているので、
動作識別における再現性がよいという利点がある。

【００１５】

【発明が解決しようとする課題】以上、手指開閉動作制
御を目的とした１自由度の制御方法および上腕または前
腕の動作を目的とした多自由度の制御方法はともに、従
来の学習能力のない筋電の認識、識別方法によって動作
させる方法であり、装着者自身が認識、識別装置に適合
する筋電が発生できるように自分自身が既に形成したボ
ディイメ―ジ（成長によって獲得された自分の意志に応
じて体の各部位の筋肉の協調動作を無意識的に行う能
力）を再構成しなおさなければならないという問題があ
る。また、筋電を認識、識別して手の動作パタ―ンに変
換する過程に学習機能を持たせた従来の線形識別関数ま
たはパ―セプトロンによる方法では、識別すべき動作パ
タ―ンが多くなると、パタ―ンが線形分離できない確率
が高くなり、動作パタ―ンの既知な筋電信号の学習時
に、学習が収束しない場合が多く、特に筋電デ―タにノ
イズが入ると、学習が永遠に収束しない（谷和男、他７
名、義手制御のための筋電パタ―ン識別学習、バイオメ
カニズム５、東京大学出版会、１９８０年、第８８頁〜
第９５頁参照）ために実用的でない。

【００１６】また、学習が収束しても筋電のア―チファ
クト等、ノイズが混入した場合には、識別が不可能であ
るという問題がある。

【００１７】更に、認識、識別する動作パタ―ンが多く
なると、装着すべき電極が多すぎて実用的でないという
問題もある。

【００１８】また、手指動作の開閉だけでない各指の動
作を分離して認識、識別することは、従来の筋電信号の
識別では不可能であるという問題がある。

【００１９】こうした問題点を解決する手段として、高
速フーリエ変換（ＦＦＴ）処理された筋電パターンをパ
ターンの非線形分離能力を有する神経回路網（バックプ
ロパゲーション）で認識する筋電制御学習型ロボットハ
ンドが、本願出願人から提案されているが（特願平１−
１１４２１５）、その認識は、どの指を曲げたか曲げな
いかの２値の弁別を定常的な状況で各指について行うも
ので、各指の動的かつ連続した動作を、連続した指曲げ
角度の認識として行うものではなかった。

【００２０】この発明は、上記に鑑みてなされたもの
で、その目的とするところは、認識手段として学習性と
雑音に強い神経回路網を導入し、この神経回路網の学習
に用いる教師信号パターンの生成をユーザの手指動作か
ら連続して時系列的に検出して行い、各指の動的かつ連
続した指曲げ動作を、連続した指曲げ角度の認識として
的確に行う学習型筋電パターン認識ロボットハンド制御
装置を提供することにある。

【００２１】

【課題を解決するための手段】前記目的を達成するため
にこの発明は、皮膚表面電極と、この皮膚表面電極から
検出された筋電信号を増幅する増幅器と、この増幅器で
増幅された前記筋電信号の低周波成分および高周波成分
を除去するフィルタ手段と、前記フィルタ手段で低周波
成分および高周波成分を除去された筋電信号を高速フ―
リエ変換して周波数解析する高速フ―リエ変換手段と、
このフ―リエ変換手段で周波数解析された筋電信号のバ
ンド幅別の信号成分レベルを数値マトリックスパタ―ン
に変換するパタ―ン変換手段と、複数のユニットとこの
複数のユニットを結ぶ重み付けのリンクとからなる学習
機能を有する神経回路網で構成され、前記数値マトリッ
クスパタ―ンを入力として、このパタ―ンに対応する指
の曲げ角度デ―タを出力する認識手段と、指曲げ角度教
師値を時系列的に認識する指曲げ角度教師値認識部を備
えてこの指曲げ角度教師値認識部により認識された指曲
げ角度教師値を教師データとして前記認識手段に出力す
る教師信号生成手段と、前記認識手段から出力される指
の曲げ角度デ―タに基づく動作指令信号を出力するロボ
ットハンド制御手段と、このロボットハンド制御手段か
ら出力される動作指令信号に基づいて動作を行うロボッ
トハンドとを有する構成としてある。

【００２２】

【作用】この発明の学習型筋電パターン認識ロボットハ
ンド制御装置では、健常者または前腕切断者が自分自身
の意図する手の運動において生じる筋電を運動に関与す
る筋肉の近傍に装着した皮膚表面電極によって検出し、
この検出した筋電信号を高速フ―リエ変換して、周波数
解析したパタ―ンを、線形分離不可能なパタ―ンを各パ
タ―ンの属性別に分離する能力を有する神経回路網に、
複数回教師あり学習させる。この学習過程において、ユ
ーザの指曲げ角度教師値を連続して時系列的に認識する
指曲げ角度教師値認識部を有し、前記指曲げ角度教師値
を神経回路網に呈示するのに、サンプリングした指曲げ
角度教師値を時間平均してから神経回路網に呈示するの
で、複数の指曲げ角度を筋電パターンから時系列的に連
続して認識でき、対応する指の動作パタ―ンを認識、識
別してロボットハンドを的確に制御する。

【００２３】

【実施例】以下、この発明の実施例を図面に基づき説明
する。

【００２４】図１は、この発明の第１実施例に係わる学
習型筋電パターン認識ロボットハンド制御装置の全体構
成を示すブロック図である。同図において、ロボットハ
ンド操作予定者であるユーザＡは、手首の総指伸筋付近
に皮膚表面電極１，３を、同手首の浅指屈筋付近に皮膚
表面電極５，７をそれぞれ装着するとともに、公知の技
術である指曲げ角度認識センサ付き手袋（例えば、商品
名“データグローブ“、ＶＰＬ社製、手袋表面に装着さ
れた光ファイバに光を通し、ファイバの曲げに伴う光の
減衰から指の関節曲げ角度を認識するもの）８をはめ
る。ここで、健常者の場合には操作する方の手にはめ、
切断者の場合には残存している側の手にはめる。

【００２５】９，１１は、皮膚表面電極１，３、５，７
で検出された筋電信号ａ₁ ，ａ₂ を増幅する増幅器、１
３，１５は増幅器９，１１で増幅された筋電信号ｂから
低周波成分を遮断するロ―カットフィルタ、１７，１９
はロ―カットフィルタ１３，１５で低周波成分を遮断さ
れた筋電信号ｃから高周波成分を遮断するハイカットフ
ィルタ、２１，２３はハイカットフィルタ１７，１９で
高周波成分を遮断された筋電信号ｄを高速フ―リエ変換
して周波数解析し、筋電信号パタ―ンｅに変換する高速
フ―リエ変換部（ＦＦＴ）、２７は高速フ―リエ変換部
２１，２３で周波数解析された筋電信号パタ―ンｅのバ
ンド幅別の信号成分レベルを数値マトリックスパタ―ン
ｆに変換するマトリックスパタ―ン変換部、２９は複数
のユニットとこれらのユニットを結ぶ重み付けのリンク
からなる学習機能を有する神経回路網で構成され、前記
マトリックスパタ―ン変換部２７からの数値マトリック
スパタ―ンｆを入力として、その数値マトリックスパタ
―ンｆに対応する手の動作デ―タｈを出力する認識部、
３１は、ユーザの指曲げ角度教師値を連続して時系列的
に認識する指曲げ角度教師値認識部および、指曲げ角度
教師値認識部で認識したユーザの指曲げ角度教師値を時
間平均して前記神経回路網に呈示するインタフェース部
を備え、前記認識部２９に対し教師データを生成して指
曲げ角度教師信号パターンｇとして出力して指曲げ角度
教師値を連続して時系列的に認識させる指曲げ角度教師
値呈示インタフェース部、２５は、指曲げ角度教師値呈
示インタフェース部３１での指曲げ角度処理を、同期信
号ｊ，ｋ，ｍ，ｎにより筋電信号ｅの処理と同期をとる
ための信号統括部、３３は前記認識部２９からの手指の
曲げ角度動作デ―タｈを入力し、この手指の曲げ角度動
作デ―タｈに対応する動作指令信号ｉを出力するロボッ
トハンド制御部、３５はこのロボットハンド制御部３３
からの動作指令信号ｉに基づいて手指の動作を再現する
ロボットハンドである。

【００２６】図２は、図１の認識部２９の神経回路網３
７による構成を示す図である。同図において、３９は前
記マトリックスパタ―ン変換部２７および指曲げ角度教
師値呈示インタフェース部３１からの各信号ｆ、ｇの入
出力パターンのペアを取り込む入出力パターン記憶部、
４１は入出力パターン記憶部３９から供給される数値マ
トリックスパタ―ンｆである認識用入力信号パタ―ン、
４３は手指の曲げ角度動作デ―タｈとして出力される出
力パタ―ン、４５は前記指曲げ角度教師値呈示インタフ
ェース部３１から供給される曲げ角度教師信号デ―タｇ
である学習用指曲げ角度教師値パタ―ン、４７は神経回
路網３７の入力層ユニット、４９は中間層ユニット、５
１は出力層ユニットであり、これらの層間のリンクによ
る結合の重み付けが出力パタ―ン４３の結果により更新
されるようになっている。

【００２７】図３（ａ）は認識部２９における神経回路
網３７のユニットの入出力関係、図３（ｂ）は神経回路
網３７の神経細胞ユニットの構造をそれぞれ示してお
り、入力層ユニット４７に入力されたバンド幅別レベル
パターンに対して、出力層ユニット５１が発火する。出
力層ユニット５１は、それぞれ各指の第１，第２関節の
指曲げ角度に出力が対応し、５本指各２関節で合計１０
関節である。

【００２８】図４〜図８は、高速フ―リエ変換部２１，
２３から出力される筋電信号パタ―ンｅ、すなわち高速
フ―リエ変換部２１，２３で高速フ―リエ変換され、１
／３オクタ―ブ周波数解析された筋電信号パタ―ンｅを
示す図であり、図４は５本の指すべてを曲げた状態の筋
電信号パタ―ンｅ、図５は人差し指のみを曲げた状態の
筋電信号パタ―ンｅ、図６は中指のみを曲げた状態の筋
電信号パタ―ンｅ、図７は親指のみを曲げた状態の筋電
信号パタ―ンｅ、図８はすべての指を開いた状態の筋電
信号パタ―ンｅを示している。

【００２９】次に、上記のように構成された学習型筋電
パターン認識ロボットハンド制御装置の作用を、認識部
２９の神経回路網３７における学習モードと、発生した
筋電信号から意図する手の動作を認識する認識モードと
の２つに分けて説明する。

【００３０】まず、認識部２９の学習モードについて説
明する。ここでは、２チャンネルの皮膚表面電極１，３
および５，７の筋電信号を検出して、片側の手の指の第
１，第２関節の合計１０関節の指曲げ角度を認識する例
について説明する。ユーザＡは、動作を意図する手の動
作を数分間連続して行う。このとき、健常者の場合には
実際に手を動かし、前腕切断者の場合には、幻肢として
手の動作を頭の中でイメ―ジしてもらうか、または皮膚
表面電極１，３，５，７の装着された反対側の健常腕と
実際には存在しない切断側の手をイメ―ジ上で左右対称
に動かすようにする。この動作の中で、皮膚表面電極
１，３，５，７で検出された筋電信号ａ₁ ，ａ₂ は増幅
器９，１１によって増幅され、時系列筋電信号ｂとして
ロ―カットフィルタ１３，１５およびハイカットフィル
タ１７，１９をそれぞれ通過して低周波成分および高周
波成分が遮断され、時系列筋電信号ｄとなって、高速フ
―リエ変換部２１，２３に供給される。

【００３１】高速フ―リエ変換部２１，２３において
は、各指のそれぞれの動作状態において検出された筋電
信号ｄの１／３オクタ―ブ周波数解析され、前述した図
４〜図８に示すような筋電信号パタ―ンｅに変換され、
マトリックスパタ―ン変換部２７においては、筋電信号
パタ―ンｅは各バンド幅別に、その信号成分レベルが数
値マトリックスパタ―ンｆに変換される。図９はこのよ
うに各バンド幅別に信号成分レベルと手の動作の関係を
示す数値マトリックスパタ―ンｆを示す一例であり、同
図においてinput の次の横１行が１動作のパタ―ンに対
応している。

【００３２】マトリックスパタ―ン変換部２７からの数
値マトリックスパタ―ンｆは、認識部２９の神経回路網
３７に入力される。また、これと同時に認識部２９には
数値マトリックスパタ―ンｆに対応した動作が、指曲げ
角度教師値呈示インタフェース部３１より曲げ角度教師
信号パターンｇとして与えられる。

【００３３】ここで、認識部２９に入力される数値マト
リックスパターンｆと、曲げ角度教師信号パターンｇと
のタイミングの対応について図９〜図１１に基づき説明
する。なお、ここでは高速フーリエ変換部２１，２３
は、時系列筋電信号ｄに対してフレーム長５００msec，
フレーム周期２５０msecで高速フーリエ変換し、一方指
曲げ角度教師値のサンプリングは、毎秒３２点で行うこ
ととする。また、時系列筋電信号は、ハイカット周波数
３０００Ｈｚ、ローカット周波数５０Ｈｚで漉波し、高
速フーリエ変換部２１，２３は１／３オクターブ分析を
１０バンド（中心周波数６３，８０，１００，１２５，
１６０，２００，２５０，３１５，４００，５００Ｈ
ｚ）で解析する。

【００３４】まず、図１０に示すように前述の条件下で
は、認識部２９は毎秒４点のパターンについて認識を行
う。時系列の筋電，教師の各信号ｆ，ｇは、図１０のよ
うに両者の観測窓が一致するように開き、それぞれが認
識部２９に与えられる。時系列筋電信号ｄは、図１０に
示すように、５００msecの観測窓を開いて高速フーリエ
変換部２１，２３に取り込んだものが、図４〜図８に示
されるような筋電信号パターンｅとなる。さらに、これ
をマトリックスパターン変換部２７によって図９のinpu
t 次の横一列の数値パターンに変換する。

【００３５】図１０において、筋電信号ｆがＥＭＧ(1)
のときは、時間的に対応する指曲げ角度教師値信号ｇ
は、Teacher (1) が対応する。ＥＭＧ(2) ，(3) のとき
も同様にTeacher (2) ，(3) がそれぞれ対応する。この
とき、指曲げ角度教師値のサンプリングレートは、認識
部２９のサンプリングレートとは異なるので、両者のサ
ンプリングレートが一致するように、指曲げ角度教師値
を時間平均する。この時間平均処理は、図１１に示すよ
うに、毎秒３２点サンプリングしている指曲げ角度教師
値に対して、高速フーリエ変換処理する時系列筋電信号
と同じ長さの時間窓を開いて１６点の信号を取り込み、
これら１６点の信号の和の１／１６をとって時間平均す
る。こうした、指曲げ角度教師値の処理は、指曲げ角度
教師値呈示インタフェース部３１で信号統括部２５の同
期信号ｊ，ｋ，ｍ，ｎに基づき、筋電信号ｆの処理と図
１０のように同期をとりながら行う。

【００３６】図１１に示す通り、図１０のｔ(1) のとき
の認識部２９に対しては、図１１のｔ(1) のときの指曲
げ教師値を、ｔ(2) のときの認識部２９に対してはこれ
に対応するｔ(2) の指曲げ教師値をそれぞれ与えるもの
とする。図９は、指曲げ角度教師値を指曲げ角度教師値
呈示インタフェース部３１で変換したｇと、対応する高
速フーリエ変換された数値マトリックス筋電パターンｆ
を認識部２９の学習用入出力パターンとして示したもの
であり、teacher の次の行一列が、変換された指曲げ角
度教師値パターンである。ここでの変換は、指曲げ角度
０度から１２０度を、数値−０．５から＋０．５まで比
例的に変換してある。

【００３７】認識部２９における神経回路網３７の学習
は、図１２のフローチャートに基づき行う。まず、認識
部２９の神経回路網３７の各ユニット間の重みと、各ユ
ニットのオフセットを欄数で初期化する（ステップ１１
０）。次に、ユーザは手の動作を数分間繰り返し（ステ
ップ１２０）、前述したようにして処理された筋電信号
ｆと指曲げ角度教師値ｇの入出力パターンのペアを認識
部２９の入出力パターン記憶部３９に取り込む（ステッ
プ１３０）。手の動作が終了すると（ステップ１４
０）、入出力パターン記憶部３９から入出力パターンの
ペアを引き出して、神経回路網３７の学習を例えばバッ
クプロパゲーション法（中野馨監修 “ニューロコンピ
ュータ“ 技術評論社 １９８９年 第４７頁参照）に
より行い（ステップ１５０）、神経回路網３７の各ユニ
ット間の重みの更新と、各ユニットのオフセットの更新
を行う（ステップ１６０）。

【００３８】具体的には、図９に示した、入出力パター
ンのペアを上から下へ順々と神経回路網３７に与えて学
習を行い、最後の入出力ペアに達したら、再度初めのペ
アから学習を繰り返すものとする（ステップ１７０〜１
９０）。繰り返し行われた学習回数が、所定の制限回数
を超えたら（ステップ２００）学習を終了する。

【００３９】次に、認識部２９の認識モード、すなわち
皮膚表面電極１，３，５，７を装着してロボットハンド
を制御するモードを、図１３のフローチャートに基づき
説明する。この認識モードでは、まずユーザＡは指曲げ
角度認識センサ付き手袋８を外す。ユーザが健常者の場
合には、皮膚表面電極１，３，５，７を装着する側の手
を動かし、切断者の場合には、幻肢により頭の中で手を
動かすことをイメージする（ステップ２１０）。

【００４０】この手の動作もしくはイメージ中に皮膚表
面電極１，３，５，７によって検出された筋電信号は、
学習モード時と同様に増幅器９，１１で増幅され、ロ―
カットフィルタ１３，１５およびハイカットフィルタ１
７，１９でそれぞれ低周波成分および高周波成分が遮断
されて、時系列筋電信号ｄとして高速フ―リエ変換部２
１，２３に供給される。この筋電信号ｄは，学習モード
と同じ条件下で時間軸上に開いた高速フ―リエ変換の時
間窓数単位毎に離散化して周波数解析され、マトリック
スパタ―ン変換部２７に筋電信号パタ―ンｅとして供給
される（ステップ２２０）。

【００４１】その後、筋電信号パタ―ンｅはマトリック
スパタ―ン変換部２７において前述した学習モ―ドの場
合と同様に数値マトリックスパタ―ンｆに変換され、認
識部２９の神経回路網３７に入力される（ステップ２３
０）。数値マトリックスパタ―ンｆは学習モ―ドにおい
て既に学習したパタ―ンに基づき、対応する指の曲げ角
度値を指の曲げ角度デ―タｈとして認識し（ステップ２
４０）、ロボットハンド制御部３３に出力する（ステッ
プ２５０）。ロボットハンド制御部３３は、指の曲げ角
度デ―タｈに基づき形成した動作指令信号ｉをロボット
ハンド３５に出力し、ロボットハンド３５は動作指令信
号ｉに基づいて手の動作を再現する（ステップ２６
０）。使用を継続する場合には、ステップ２２０に戻っ
て同様の動作を繰り返し（ステップ２７０）、そうでな
い場合には手の動作を終了する（ステップ２８０）。

【００４２】図１４は、学習済みの認識部２９に対して
未学習の手の指曲げ動作の２チャンネルの筋電パターン
を認識したときの、人差し指第１関節の指曲げ角度の筋
電パターンによる指曲げ認識値と、同時に指曲げ角度認
識センサ付き手袋（データグローブ）８によって測定し
た指曲げ角度の真の値とを時系列的に示した認識の一例
を示す。上記実施例による筋電パターンから認識した指
曲げ角度（実線で示す）と、真の曲げ角度（破線で示
す）と、よく一致しており、この発明の有効性がよく示
されている。

【００４３】図１５は、図１４と同様の条件下での、筋
電パターンによる指曲げ認識値と、指曲げ角度の真の値
との相関関係を示した認識の一例を示している。これに
よれば、両者は相関係数が０．６９１であってほぼ一致
しており、この発明の有効性が示されている。

【００４４】なお、この発明は上記実施例に限定される
ものではなく、例えば以下のような構成としてもよい。

【００４５】皮膚表面電極を２対の２チャンネルより増
加させ、各電極からの信号を高速フーリエ変換処理し
て、バンド幅別レベル数値パターンに変換し、さらに神
経回路網３７の入力層４７のユニット層を増やして多数
対の電極からのパターンを同時に入力するようにする。

【００４６】高速フーリエ変換処理のバンド幅、バンド
数を変更する。

【００４７】手指に代わりに、人体の他の部位の運動に
適用する。

【００４８】バックプロパゲーション型の神経回路網以
外の、線形分離不可能なパターンをパタ―ンの属性別に
分離する能力を有する神経回路網を用いる。

【００４９】あらかじめ不特定多数のユーザに適合した
認識部の神経回路網の重みとオフセットを固定して、学
習モードの機能を省いた装置を用いる。

【００５０】図１６は、この発明の第２実施例に係わる
学習型筋電パターン認識ロボットハンド制御装置の全体
構成を示すブロック図である。この実施例は、前記第１
実施例の指曲げ角度認識センサ付き手袋８の代わりに、
単数または複数の手指画像撮影カメラ（可視光カメラ、
赤外線サーモグラフィカメラなど）５３で、手指の曲げ
角度を画像処理して認識し、この認識信号ｐを指曲げ角
度教師値呈示インタフェース部３１に取り込むようにし
たものである。その他の構成および作用は第１実施例と
同様である。

【００５１】この発明の応用分野としては、前腕切断者
用の筋電義手、他部位切断者用の義手，義足などの動力
義手としての福祉分野への利用、健常者を操縦者とした
宇宙空間，原子力発電所格納容器内，深海，火災現場，
毒性を有する微生物の培養容器内作業などの極限作業用
遠隔制御ロボットのロボットハンドの制御、遠隔手術時
のロボットハンドの医師によるオペレ―ション、血管，
眼球等の微小臓器の手術時のマイクロロボットハンドの
医師によるオペレ―ション、ＬＳＩデバイスなどの微小
デバイスのハンドリングのためのロボットハンドの有人
オペレ―ション、無人電話局，無人電波中継施設，とう
道，無人変電所などの保守管理を要する施設の保守管理
にあたる遠隔操縦型ロボットのロボットハンドの有人オ
ペレ―ション、航空機パイロットの操縦装置への入力デ
バイスなどが考えられる。

【００５２】

【発明の効果】以上説明してきたように、この発明によ
れば、皮膚表面電極からの筋電信号を高速フ―リエ変換
処理したパタ―ンを、線形分離不可能なパタ―ンをパタ
―ンの属性別に識別し学習機能を有する神経回路網によ
って、手の動作種類別に教師あり学習し、学習後に神経
回路網によって皮膚表面電極を装着したロボットハンド
操縦者からの筋電を認識してロボットハンドを制御して
いるので、神経回路網のパタ―ン特徴の自動抽出，類似
パタ―ンの高識別化，高耐性能力から学習モ―ド時に手
の動作に直接関与する筋肉の直上に電極を位置しなくて
も、学習用パタ―ンが多くても、学習用パタ―ンにノイ
ズが混入しても、学習が収束し、また識別モ―ド時に電
極の位置ずれや筋電信号にノイズやア―チファクトが混
入しても、数種の筋群が協調して動作して動く手の動作
時に，手の動作に直接関与する筋肉の直上に電極が位置
しなくても、数種の筋群から発生する筋電位が同時に非
線形に干渉，混合，クロスト―クして皮膚表面に到達す
る皮膚表面筋電から，対応する手の指曲げ角度を認識で
きる。したがって、従来不可能であった皮膚表面筋電か
らの手の指の曲げ角度認識による、ロボットハンドの指
の曲げ角度の制御が可能となる。また、体調の変化や年
齢の変化に伴う発生筋電の変化に対しては、ロボットハ
ンドを使用する前、または使用する最中にときどき使用
を中断して、学習モ―ドを行うことにより、さらに発生
筋電に適合した状態で使用することが可能となる。

【図面の簡単な説明】

【図１】この発明の第１実施例に係わる学習型筋電パタ
ーン認識ロボットハンド制御装置の全体構成を示すブロ
ック図である。

【図２】図１の学習型筋電パターン認識ロボットハンド
制御装置に使用されている認識部の神経回路網の構成図
である。

【図３】図３（ａ）は図２の認識部の神経細胞ユニット
の入出力関係を示す説明図、図３（ｂ）は同神経細胞ユ
ニットの構成図である。

【図４】高速フーリエ変換処理した筋電パターン図であ
る。

【図５】高速フーリエ変換処理した筋電パターン図であ
る。

【図６】高速フーリエ変換処理した筋電パターン図であ
る。

【図７】高速フーリエ変換処理した筋電パターン図であ
る。

【図８】高速フーリエ変換処理した筋電パターン図であ
る。

【図９】周波数分析された筋電信号のバンド幅別の信号
成分レベルである入力パターンと手の指曲げ角度教師値
パターンとからなる認識部の学習パターンの一例を示す
説明図である。

【図１０】認識部の学習モード時の入出力パターンのタ
イミングチャートである。

【図１１】認識部の学習モード時の指曲げ角度教師値の
サンプリングと時間平均の方法との関係を示す説明図で
ある。

【図１２】認識部の学習モード時での制御動作を示すフ
ローチャートである。

【図１３】認識部の認識モード時での制御動作を示すフ
ローチャートである。

【図１４】筋電パターンによる指曲げ認識値と、指曲げ
角度の真の値とを時系列的に示した認識の一例を示す説
明図である。

【図１５】筋電パターンによる指曲げ認識値と、指曲げ
角度の真の値との相関関係を示した認識の一例を示す説
明図である。

【図１６】この発明の第２実施例に係わる学習型筋電パ
ターン認識ロボットハンド制御装置の全体構成を示すブ
ロック図である。

【符号の説明】

１，３，５，７ 皮膚表面電極 ９，１１ 増幅器 １３，１５ ロ―カットフィルタ（フィルタ手段） １７，１９ ハイカットフィルタ（フィルタ手段） ２１，２３ 高速フ―リエ変換部（高速フ―リエ変換手
段） ２７ マトリックスパタ―ン変換部（パターン変換手
段） ２９ 認識部（認識手段） ３１ 指曲げ角度教師値呈示インタフェース部（教師信
号生成手段） ３３ ロボットハンド制御部（ロボットハンド制御手
段） ３５ ロボットハンド

Claims (1)

【特許請求の範囲】
1. 【請求項１】 皮膚表面電極と、この皮膚表面電極から
   検出された筋電信号を増幅する増幅器と、この増幅器で
   増幅された前記筋電信号の低周波成分および高周波成分
   を除去するフィルタ手段と、前記フィルタ手段で低周波
   成分および高周波成分を除去された筋電信号を高速フ―
   リエ変換して周波数解析する高速フ―リエ変換手段と、
   このフ―リエ変換手段で周波数解析された筋電信号のバ
   ンド幅別の信号成分レベルを数値マトリックスパタ―ン
   に変換するパタ―ン変換手段と、複数のユニットとこの
   複数のユニットを結ぶ重み付けのリンクとからなる学習
   機能を有する神経回路網で構成され、前記数値マトリッ
   クスパタ―ンを入力として、このパタ―ンに対応する指
   の曲げ角度デ―タを出力する認識手段と、指曲げ角度教
   師値を時系列的に認識する指曲げ角度教師値認識部を備
   えてこの指曲げ角度教師値認識部により認識された指曲
   げ角度教師値を教師データとして前記認識手段に出力す
   る教師信号生成手段と、前記認識手段から出力される指
   の曲げ角度デ―タに基づく動作指令信号を出力するロボ
   ットハンド制御手段と、このロボットハンド制御手段か
   ら出力される動作指令信号に基づいて動作を行うロボッ
   トハンドとを有することを特徴とする学習型筋電パター
   ン認識ロボットハンド制御装置。