WO2022018938A1 - 運動支援装置、および、運動支援方法 - Google Patents

運動支援装置、および、運動支援方法 Download PDF

Info

Publication number
WO2022018938A1
WO2022018938A1 PCT/JP2021/018238 JP2021018238W WO2022018938A1 WO 2022018938 A1 WO2022018938 A1 WO 2022018938A1 JP 2021018238 W JP2021018238 W JP 2021018238W WO 2022018938 A1 WO2022018938 A1 WO 2022018938A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
determination
user
motion
exercise support
Prior art date
Application number
PCT/JP2021/018238
Other languages
English (en)
French (fr)
Inventor
友祐 吉田
元保 中尾
高栄 木原
Original Assignee
株式会社村田製作所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社村田製作所 filed Critical 株式会社村田製作所
Publication of WO2022018938A1 publication Critical patent/WO2022018938A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B69/00—Training appliances or apparatus for special sports
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities

Definitions

  • the present invention relates to an exercise support technique that detects a user's movement and generates information that supports the user's exercise.
  • Patent Document 1 describes an exercise support system.
  • the exercise support system of Patent Document 1 includes an image pickup device, an electromyogram, and a processing device.
  • the image pickup device captures the state of the user's movement and outputs it to the processing device.
  • the electromyogram measures the myoelectric potential during exercise of the user and outputs it to the processing device.
  • the processing device estimates whether or not a predetermined operation is performed from the captured image, and estimates whether or not the muscle contraction amount has reached the target value from the myoelectric potential.
  • the processing device comprehensively evaluates the user's movement from these.
  • an object of the present invention is to provide an exercise support technique capable of making an effective determination for exercise support.
  • the exercise support device of the present invention includes an operation information calculation unit and an operation determination unit.
  • the operation information calculation unit calculates operation information from sensor data according to the user's operation.
  • the operation determination unit determines the operation using the operation information.
  • the motion information is classified into kinematic information based on the motion of the user, mechanical information based on the force given to the outside by the user, and muscle activity information based on the muscle activity of the user.
  • the operation information calculation unit calculates the classified operation states.
  • the operation determination unit determines the operation using the classified operation states.
  • FIG. 1 is a functional block diagram showing a configuration of an exercise support device according to a first embodiment.
  • FIG. 2 is a table showing the relationship between operation information, measured physical quantities (sensor data), and sensor examples.
  • 3A and 3B are diagrams showing an example of the data structure of the operation model.
  • FIG. 4 is a diagram showing the relationship between motion information, kinematic information, mechanical information, muscle activity information, a camera, and various sensors.
  • 5 (A), 5 (B), 5 (C), and 5 (D) are graphs showing an example of various measured values during walking training of a hemiplegic patient.
  • FIG. 6 is a diagram showing an example of the data structure of the feedback model.
  • FIG. 7 is a flowchart of the operation information calculation process.
  • FIG. 8 is a flowchart of the operation determination process.
  • FIG. 9 is a flowchart of the feedback information generation process.
  • FIG. 10 is a functional block diagram showing the configuration of the exercise support device according to the second embodiment.
  • FIG. 1 is a functional block diagram showing a configuration of an exercise support device according to a first embodiment.
  • the exercise support device and the exercise support method according to the present embodiment are used, for example, for biofeedback in rehabilitation.
  • the exercise support device 10 includes an operation information calculation unit 11, an operation determination unit 12, a feedback information generation unit 13, an operation presentation unit 19, an operation model database 102, and a feedback model database 103.
  • the exercise support device 10 is, for example, an electronic circuit that realizes an operation information calculation unit 11, an operation determination unit 12, a feedback information generation unit 13, and an operation presentation unit 19, an operation information calculation unit 11, an operation determination unit 12, and feedback information.
  • An operation model database 102 such as a storage medium in which a program for realizing the processing of the generation unit 13 and the operation presentation unit 19 is stored, an arithmetic processing unit such as a CPU for executing the program, a display and a speaker for presenting the operation, and the like. , And a storage medium or the like that realizes the feedback model database 103.
  • the physical configuration of the exercise support device 10 is not limited to this.
  • the operation information calculation unit 11 acquires sensor data that detects the operation of the user 90 from the sensor 80.
  • the operation information calculation unit 11 calculates the operation information from the sensor data.
  • Motion information is classified into kinematic information, mechanical information, and muscle activity information.
  • the operation determination unit 12 determines the operation using the operation information and the operation model from the operation model database 102.
  • the motion model used for the determination is an motion model associated with the reference motion presented by the motion presentation unit 19.
  • the feedback information generation unit 13 generates feedback information using the operation determination result and the feedback model from the feedback model database 103.
  • the motion presentation unit 19 presents the reference motion to the user 90 by using an image, a video, a voice, or the like.
  • the reference operation is obtained from the operation model database 102.
  • the user 90 executes the motion (exercise) with reference to the reference motion presented by the motion presentation unit 19.
  • the operation of the user 90 is detected by the sensor 80.
  • the operation information calculation unit 11 calculates the operation information from the sensor data.
  • the motion determination unit 12 determines the motion by using the motion model and the motion information associated with the reference motion.
  • the feedback information generation unit 13 generates feedback information using the operation determination result and the feedback model and presents it to the user 90.
  • the feedback information is the main point information for bringing the operation of the user 90 closer to the reference operation.
  • the user 90 refers to the presented feedback information and performs the operation again. This operation is acquired again as sensor data, and operation information is calculated. The operation of the user 90 is redetermined by the operation information and the operation model. According to this determination result, new feedback information is generated and presented to the user 90.
  • the exercise support device 10 can realize exercise support for bringing the movement of the user 90 closer to the reference movement. That is, the exercise support device 10 can realize biofeedback.
  • the operation information calculation unit 11 is connected to the sensor 80 by wire or wirelessly.
  • the sensor 80 is mounted on the user 90 or arranged at a position where the user's movement can be detected.
  • the sensor 80 generates sensor data according to the operation of the user 90 and outputs the sensor data to the operation information calculation unit 11.
  • the operation information calculation unit 11 acquires sensor data.
  • the operation information calculation unit 11 calculates operation information representing the operation state of the user 90 from the sensor data.
  • the motion information calculation unit 11 calculates motion information necessary for general determination, but even if the motion information to be calculated is determined based on the exerciseable state of the user 90 (for example, the progress state of rehabilitation). good. That is, the motion information to be calculated may be determined according to the part to be trained and the exerciseable state of the part. As a result, the operation information calculation unit 11 can suppress the processing of the sensor data, and by extension, the unnecessary sensor can be omitted.
  • FIG. 2 is a table showing the relationship between the classified operation information, the measured physical quantity (sensor data), and the sensor example.
  • Motion information includes kinematic information, mechanical information, and muscle activity information.
  • the motion information is information for evaluating to what extent the correct motion (target motion) is performed (quality of the motion to be determined).
  • Kinematic information is information based on the user's movements.
  • Mechanical information is information based on the force given to the outside by the user.
  • the muscle activity information is information based on the muscle activity of the user.
  • Kinematic information is information that evaluates the movement itself.
  • the kinematic information includes static posture information and dynamic posture information.
  • the static posture information includes, for example, skeletal coordinates and joint angles.
  • the dynamic posture information includes the rotational speed of the joint and the displacement of the skeletal coordinates.
  • the kinematic information is calculated from, for example, the acceleration, the angular velocity, the amount of rotation, the displacement, the posture displacement, and the like of a predetermined part of the user. Therefore, as the sensor 80 for obtaining kinematic information, for example, an acceleration sensor, an angular velocity sensor, a potentiometer, a camera, a strain sensor, or the like is effective.
  • the posture information of the skeleton around the joint in a stationary state is calculated from the detected value of the acceleration sensor by a predetermined calculation, and the change of the joint angle is calculated from the detected value of the angular velocity sensor. By doing so, it can be calculated in an integrated manner.
  • Mechanical information is information that evaluates the relationship between the motion pattern and the kinetic energy given by the motion.
  • the mechanical information is calculated from, for example, the pressure on the support basal plane for maintaining the posture, the pressure on the external object, the displacement amount of the external object, the deformation amount, and the like. Therefore, as the sensor 80 for obtaining mechanical information, for example, a strain sensor, a pressure sensor, an acceleration sensor, or the like is effective.
  • Muscle activity information is information that evaluates the relationship between the movement pattern and the muscle activity during the movement.
  • the muscle activity information is calculated from, for example, the myoelectric potential of a predetermined part of the user. Therefore, as the sensor 80 for obtaining muscle activity information, for example, a myoelectric sensor is effective.
  • the operation information calculation unit 11 outputs the calculated operation information to the operation determination unit 12. At this time, the motion information is output in a state classified into the above-mentioned kinematic information, mechanical information, and muscle activity information.
  • the operation model is stored in the operation model database 102.
  • the operation model database 102 outputs various information necessary for the determination, which is shown below, to the operation determination unit 12.
  • 3 (A) and 3 (B) are diagrams showing an example of the data structure of the operation model.
  • the motion model stores the motion required to generate exercise support information (feedback information). Then, as shown in FIG. 3A, a reference motion and a task are associated with the motion, a determination condition is associated with the task, and these are stored as an motion model. Further, as shown in FIG. 3B, necessary operation information, a determination method, and a determination criterion are associated with and stored in the determination condition.
  • a predetermined ID is assigned to the operation, the standard operation, the task, and the judgment condition. For example, as shown in FIG. 3A, a reference operation ID 01, a task ID 11, and a task ID 12 associated with the operation ID 01 are assigned to the operation ID 01. A determination condition ID 111, a determination condition ID 112, and a determination condition ID 113 associated with the task ID 11 are assigned to the task ID 11. Judgment condition ID 121 is assigned to the task ID 12. As a result, even if there are a plurality of motions, reference motions, problems, and determination conditions, each of them can be easily identified.
  • the reference motion represents an motion presented to the user (text, image, video, voice, etc.) and is used in the motion presentation unit 19 described later.
  • the problem is, for example, an item required by the operation of the user 90 in order to realize the reference operation.
  • a task is associated with a judgment condition for that task.
  • the determination condition is an item for determining whether or not the associated task has been achieved, how much has been achieved, how much has not been achieved, and the like.
  • Judgment conditions are associated with required operation information, judgment method, and judgment criteria.
  • the required motion information represents motion information (kinematic information, mechanical information, muscle activity information) necessary for making a judgment. For example, if only kinematic information is required for the determination of a task having a determination target motion, kinematic information is set as the required motion information.
  • the judgment method indicates what value in the operation information is used for the judgment.
  • the determination method is set by the difference of the data representing the operation information, the degree of correlation of the data, the change tendency of the data, the temporal position of the displacement point of the data, and the like.
  • Judgment criteria represent reference values, conditions, etc. for making judgments.
  • the determination criteria are set according to the threshold value of the data representing the operation information, the range in which the data value can be taken, and the like.
  • the motion determination unit 12 determines the motion by using the motion information and the motion model. At this time, the motion determination unit 12 uses the information necessary for determination among the kinematic information, the mechanical information, and the muscle activity information in the motion state, that is, the information designated by the determination method of the motion model. , Judge the operation.
  • the operation determination unit 12 determines the operation and calculates the task level as the determination result.
  • the task level is, for example, an index showing how much the task has been achieved or how much the task has not been achieved.
  • the operation determination unit 12 outputs the determination result (problem level) to the feedback information generation unit 13.
  • the motion determination unit 12 makes a determination for each of the plurality of tasks. Then, the operation determination unit 12 calculates a determination result (task level) for each task.
  • FIG. 4 is a diagram showing the relationship between motion information, kinematic information, mechanical information, muscle activity information, a camera, and various sensors. Hereinafter, it will be described with reference to FIG.
  • the motion information includes, for example, static balance, dynamic balance, and motion pattern during walking training.
  • Static balance is an index showing the ability to maintain a stationary posture during walking training.
  • Static balance refers to the skeletal coordinates, joint angles, external pressure of the patient's static posture, and muscle activity of the patient's static posture, which are related to the movement of the knee in the patient's static posture.
  • Skeleton coordinates, joint angles at rest, joint rotation speeds, and displacements of skeletal coordinates belong to kinematic information.
  • the pressure applied to the outside belongs to the mechanical information.
  • Muscle activity belongs to muscle activity information.
  • Dynamic balance is an index showing the ability to maintain a state of not falling while moving (while walking) during walking training.
  • Dynamic balance refers to the rotational speed of joints in various parts of the body related to the movement of the knee during walking of the patient, displacement of the skeletal coordinate system, external pressure during walking of the patient, and muscles during walking of the patient. Based on activity.
  • the rotational speed of joints and the displacement of the skeletal coordinate system belong to kinematic information.
  • the pressure applied to the outside belongs to the mechanical information.
  • Muscle activity belongs to muscle activity information.
  • the motion pattern is an index showing the state of a series of motion chains of dynamic posture, muscle activity, and external pressure during walking training.
  • the movement pattern is based on the rotational speed of the joints of each part of the body related to the movement of the knee during walking training, the displacement of the skeletal coordinate system, the external pressure applied during walking training, and the muscle activity during walking training.
  • the rotational speed of joints and the displacement of the skeletal coordinate system belong to kinematic information.
  • the pressure applied to the outside belongs to the mechanical information.
  • Muscle activity belongs to muscle activity information.
  • Various measurement data belonging to the above-mentioned kinematic information are measured by various sensors attached to the patient and a camera that images the patient.
  • skeletal coordinates are measured by a camera.
  • the joint angle at rest is measured by an accelerometer, a potentiometer, and a camera.
  • the rotation speed of the joint is measured by a gyro sensor (posture sensor), a potentiometer, and a camera.
  • the displacement of the skeletal coordinates is measured by an acceleration sensor and a camera.
  • Various sensors are attached not only to the patient's knees but also to parts of the body related to walking (for example, ankles, hip joints, etc.).
  • the external pressure that belongs to the above-mentioned mechanical information is the floor used during walking training of the patient, various jigs (for example, supporters for heels, shoes for walking training, walking machines for walking training (moving floor)). It is measured by the strain sensor provided in.
  • the muscle activity belonging to the above-mentioned muscle activity information is measured by the myoelectric sensor attached to the patient.
  • the myoelectric sensor is attached to the surface of a body part having, for example, the tibialis anterior muscle and the gastrocnemius muscle.
  • the measured data of the kinematic information measured in this way, the measured data of the mechanical information, and the measured data of the muscle activity information are associated with the motion information (static balance, dynamic balance, and motion pattern). ) Is set.
  • Judgment criteria are set according to the degree of achievement of the operating state. That is, if the measurement data falls within a predetermined range when the operation to be trained is performed, the determination criteria are set so that it can be determined that this operation is achieved. For example, when performing the movement of the training target, the judgment standard is set depending on whether the joint angle of the measurement target is within the predetermined range, and if it is, it is judged that the judgment standard is satisfied and the judgment standard is entered. If not, it is determined that this criterion is not satisfied.
  • the judgment result is considered to be achieved. That is, the criteria are that the skeletal coordinates of the heel are in front of the skeletal coordinates of the knee and that this state is maintained for a specified time.
  • the judgment result is achieved if the joint angle is maintained at 90 degrees or less for a specified time.
  • the judgment criteria are that the joint angle is 90 degrees or less and that this state is maintained for a specified time.
  • the degree of achievement of the judgment result (ratio of judgment results satisfying the judgment criteria, etc.) is detected for each of a plurality of judgment criteria (tasks).
  • the determination of static balance is realized.
  • the determination of static balance is performed in an integrated manner using each measurement data of kinematic information, mechanical information, and muscle activity information.
  • dynamic balance maintenance of a constant walking state
  • determination of dynamic balance corresponds to the determination of dynamic balance for each measurement data of kinematic information, mechanical information, and muscle activity information associated with dynamic balance. Judgment criteria have been set. Then, the determination of the dynamic balance is performed in an integrated manner by using the measurement data of the kinematic information, the mechanical information, and the muscle activity information, as in the above-mentioned static balance determination.
  • the judgment criteria corresponding to the judgment of the movement pattern are set for each measurement data of the kinematic information, the mechanical information, and the muscle activity information associated with the movement pattern. Has been done. Then, the determination of the motion pattern is performed in an integrated manner by using the measurement data of the kinematic information, the mechanical information, and the muscle activity information, as in the above-mentioned determination of the static balance and the dynamic balance.
  • 5 (A), 5 (B), 5 (C), and 5 (D) are graphs showing an example of various measured values during walking training of a hemiplegic patient.
  • 5 (A), 5 (B), 5 (C), and 5 (D) are graphs showing the load response period.
  • 5 (A) shows the joint angle of the hip joint
  • FIG. 5 (B) shows the joint angle of the knee joint
  • FIG. 5 (C) shows the joint angle of the ankle joint (ankle).
  • D) shows the myoelectric potential of the gastrocnemius muscle.
  • the solid line shows the measured value of the walking trainee
  • the broken line shows the measured value of the healthy person.
  • the cause is that the dorsiflexion movement of the ankle joint is not sufficiently performed, and by raising the thigh on the paralyzed side high and stepping on, the movement of the hip joint and knee joint is large. stand out.
  • the ankle joint which is the cause, is not driven to a large extent, and compensatory movements are performed at other parts so as to supplement the ankle joint that is difficult to drive. For example, by lifting the thigh on the paralyzed side high and stepping on the foot so as not to drag the ankle joint, which is difficult to move, the hip and knee joints in the initial state (at the time of touchdown) during the load response period are in the flexed position (Fig. 5). (A), FIG.
  • the configuration and processing of the exercise support device 10 can be applied to training of athletes and the like.
  • the above-mentioned static balance, dynamic balance, and motion pattern may be set according to the exercise (sports) performed by the athlete to be trained.
  • the above-mentioned kinematic information, mechanical information, and muscle activity information are assumed to correspond to the exercise performed by the athlete, and various sensors can be attached to the places corresponding to the exercise of the training target in the athlete's body. good.
  • the training target is gymnastics
  • the static posture, motion posture, and motion pattern during gymnastics floor exercise, horizontal bar, etc.
  • the angle and rotation speed of the joints related to the target gymnastics are measured
  • mechanical information the pressure on the floor and instruments used during the gymnastics is measured
  • muscle activity information Measures the muscle activity of the muscles used during gymnastics (generally the muscles of the whole body).
  • the determination standard is set according to, for example, the score of the target gymnastics.
  • the exercise support device 10 can make an effective determination for exercise support so that the athlete can obtain a high score in the training target item of gymnastics. Then, by using this determination result, the exercise support device 10 can set an effective task for obtaining a high score for the movement of the event to be trained. Then, by applying the feedback described later, the exercise support device 10 can provide effective exercise support so that training for obtaining a high score in the target event can be performed.
  • the exercise support device 10 does not directly use the measurement data of each sensor obtained from the operation of the user 90, and the operation information according to the operation of the support target. (Kinematic information, mechanical information, muscle activity information) is used to determine the movement. Therefore, the exercise support device 10 can make a determination that more accurately reflects the movement of the support target. By using this determination result, the exercise support device 10 can generate effective exercise support information for the user 90.
  • the exercise support device 10 outputs an index (task level) indicating the degree of achievement or non-achievement of the task as a determination result.
  • the exercise support device 10 can output a determination result effective for exercise support as a determination result, rather than simply outputting whether or not the task has been achieved.
  • the exercise support device 10 can generate more effective exercise support information for the user 90.
  • the exercise support device 10 does not use direct determination using sensor data, but converts it into motion information according to motion and makes a determination. Therefore, the exercise support device 10 can more accurately and easily realize the determination using the task level as described above. For example, even in a case where a plurality of sensor data are required, such as a determination of a complicated operation, the exercise support device 10 can make a determination more accurately and more easily.
  • the sensor data when the sensor data is simply used as it is as in the conventional case, the movement of each part of the training target such as the knee can be detected.
  • the movement of each part of the training target such as the knee can be detected.
  • an operator eg, a physiotherapist
  • the determination process for the sensor data becomes more complicated, and it is not easy to obtain an accurate determination result.
  • the determination process can be systematized, the database can be easily created, and the determination process can be facilitated.
  • the determination process becomes easy, and the operation states of the determination targets are accumulated in a systematized state, so that the accuracy of the determination result can be easily improved. Therefore, by using the configuration and processing as in the present invention, it is possible to generate effective exercise support information for the user 90. Further, it is easier to obtain the achievement level and the unachieved level of the task according to the operation as the determination result by using the operation state than by using the sensor data itself, and the determination result becomes more accurate.
  • the configuration and treatment of the present invention have the following effectiveness when the knee flexion movement does not go well.
  • the state of the knee and the part related to the movement of the knee during walking can be obtained as sensor data.
  • the determination for the walking motion is not easy, the processing becomes complicated, and it is difficult to obtain high accuracy in the determination result.
  • the walking motion itself can be the target of determination. Therefore, the determination becomes easier and the accuracy becomes easier to improve.
  • the knee flexion movement also includes judgment conditions for non-knee parts such as ankle rotation, tibialis anterior muscle contraction, and gastrocnemius muscle contraction. It is possible to make an integrated judgment for exercise. For example, it can be determined that the reason why the knee flexion movement is not a predetermined movement is due to the rotational movement of the ankle, or the timing of the contraction of the tibialis anterior muscle or the contraction of the gastrocnemius muscle. Furthermore, by setting the task level for these, the degree of the defect can be determined more accurately.
  • FIG. 6 is a diagram showing an example of the data structure of the feedback model. As shown in FIG. 6, a plurality of task levels are associated with each task (task ID), and feedback information, importance, and complexity are associated with each task level, and these are stored as a feedback model. ..
  • the task level is set by the achievement level (achievement level) or the unachieved level (unachieved level) of the task. For example, when task level 1, task level 2, and task level 3 are set, the degree of non-achievement increases in the order of task level 1, task level 2, and task level 3. In other words, the difficulty of reaching the achievement level increases.
  • Feedback information is realized by text, voice, image, video, etc.
  • the feedback information is the main point information, unlike the reference operation.
  • the point information is information for improving the motion (exercise) of the user 90 so as to approach the reference motion. Therefore, different task levels have different feedback information.
  • the importance is set based on the importance that should be presented in order to bring the movement of the user 90 closer to the standard movement.
  • the complexity is set based on the complexity (difficulty) of the movement presented by the feedback information.
  • the feedback information generation unit 13 generates feedback information using the determination result and the feedback model. More specifically, the feedback information generation unit 13 refers to the task ID and detects the task level corresponding to the determination result. The feedback information generation unit 13 extracts feedback information, importance, and complexity according to the task level.
  • the feedback information generation unit 13 sets the priority of feedback based on the task level, importance, and complexity.
  • the feedback information generation unit 13 sets the priority of feedback for each task (problem ID).
  • the feedback information generation unit 13 determines the feedback information to be presented by using the priority. For example, the feedback information generation unit 13 determines to present the feedback information having the highest priority. Alternatively, the feedback information generation unit 13 selects feedback information in descending order of priority within a range in which the total value of the priorities is within a predetermined threshold value. Then, the feedback information generation unit 13 presents the selected feedback information.
  • the exercise support device 10 can generate appropriate feedback information according to the state of the user 90 (for example, the recovery state) and present it to the user 90. That is, the exercise support device 10 can generate and present more effective exercise support information (feedback information) for the user 90.
  • the state of the user 90 for example, the recovery state
  • the exercise support device 10 can generate and present more effective exercise support information (feedback information) for the user 90.
  • FIG. 7 is a flowchart of the operation information calculation process.
  • FIG. 8 is a flowchart of the operation determination process.
  • FIG. 9 is a flowchart of the feedback information generation process.
  • the arithmetic processing unit acquires sensor data for the user 90 (S11).
  • the arithmetic processing device classifies the sensor data into kinematic information, mechanical information, and muscle activity information, and calculates motion information (S12).
  • the arithmetic processing unit sets the determination target operation (S21).
  • the arithmetic processing unit sets a task for the determination target operation (S22).
  • the arithmetic processing unit sets a determination condition for the problem (S23).
  • the arithmetic processing unit determines the operation using the determination condition and the operation information, and calculates the task level (S24).
  • the arithmetic processing unit does not satisfy the determination end condition (S25: NO)
  • the process after the setting process of the above-mentioned task is repeated, and if the determination end condition is satisfied (S25: YES), the determination is terminated.
  • the determination end condition is set, for example, depending on whether or not the determination for all the tasks set in the determination target operation is completed. If all the tasks are judged, it is judged that the judgment is completed.
  • the arithmetic processing unit acquires the task ID and the task level corresponding to the task ID (S31).
  • the arithmetic processing unit acquires the importance and complexity for the task level (S32).
  • the arithmetic processing unit sets the priority for each task ID (S33).
  • the arithmetic processing unit determines the feedback information using the priority (S34).
  • FIG. 10 is a functional block diagram showing the configuration of the exercise support device according to the second embodiment.
  • the exercise support device 10A according to the second embodiment omits the feedback information generation unit 13 and the feedback model database 103 with respect to the exercise support device 10 according to the first embodiment.
  • the motion presentation unit 19A is provided externally.
  • the operation model database 102 may receive the reference operation ID from the operation presentation unit 19A, and output the operation model of the operation ID associated with the reference operation ID to the operation determination unit 12.
  • the exercise support device 10A presents the task level to the user 90.
  • the user 90 executes the next operation from the task level.
  • feedback information is not output, but the exercise support device 10A can generate effective exercise support information for the user 90 as compared with the conventional configuration and processing.
  • the sensor 80 is not included in the exercise support device, but may be included.
  • the motion model database 102 and the feedback model database 103 may be provided on a network outside the exercise support device.

Abstract

運動支援装置（１０）は、動作情報算出部（１１）、および、動作判定部（１２）を備える。動作情報は、利用者（９０）の動作に基づく運動学的情報と、利用者（９０）が外部に与える力に基づく力学的情報と、利用者（９０）の筋活動に基づく筋活動情報と、に分類される。動作情報算出部（１１）は、分類された動作状態を算出する。動作判定部（１２）は、分類された動作状態を用いて、動作を判定する。

Description

運動支援装置、および、運動支援方法
　本発明は、利用者の動作を検出して、利用者の運動を支援する情報を生成する運動支援技術に関する。
　特許文献１には、運動支援システムが記載されている。特許文献１の運動支援システムは、撮像装置、筋電計、および、処理装置を備える。
　撮像装置は、利用者の運動の様子を撮像し、処理装置に出力する。筋電計は、利用者の運動中の筋電位を計測し、処理装置に出力する。処理装置は、撮像された映像から、所定の動作が行われているかを推定し、筋電位から、筋収縮量が目標値に達しているかを推定する。処理装置は、これらから総合的に、利用者の運動を評価する。
特開２０１６－１９６９５号公報
　しかしながら、特許文献１に示すような従来の構成および方法では、映像や筋電位という計測データそのものを閾値と比較して、評価を行っている。このため、利用者への有効な運動支援情報を生成するための有効な判定を行うことが難かった。
　したがって、本発明の目的は、運動支援のための有効な判定を行うことが可能な運動支援技術を提供することにある。
　この発明の運動支援装置は、動作情報算出部、および、動作判定部を備える。動作情報算出部は、利用者の動作に応じたセンサデータから動作情報を算出する。動作判定部は、動作情報を用いて、動作を判定する。動作情報は、利用者の動作に基づく運動学的情報と、利用者が外部に与える力に基づく力学的情報と、利用者の筋活動に基づく筋活動情報と、に分類される。動作情報算出部は、分類された動作状態を算出する。動作判定部は、分類された動作状態を用いて、動作を判定する。
　この構成では、利用者から得られた直接的なデータから、利用者の動作状態を表すデータが得られ、この動作状態を表すデータを用いて、動作が判定される。したがって、直接的なデータを用いる場合よりも、動作に則した判定が可能になる。そして、このような判定結果を用いることによって、運動支援情報は、利用者の現状をより正確に反映したものとなる。
　この発明によれば、運動支援のための有効な判定を行うことできる。
図１は、第１の実施形態に係る運動支援装置の構成を示す機能ブロック図である。 図２は、動作情報と計測物理量（センサデータ）とセンサ例との関係を示す表である。 図３（Ａ）、図３（Ｂ）は、動作モデルのデータ構成の一例を示す図である。 図４は、動作情報、運動学的情報、力学的情報、筋活動情報、カメラ、各種センサの関係を示す図である。 図５（Ａ）、図５（Ｂ）、図５（Ｃ）、図５（Ｄ）は、半身麻痺の患者の歩行訓練時の各種計測値の一例を示すグラフである。 図６は、フィードバックモデルのデータ構成の一例を示す図である。 図７は、動作情報の算出処理のフローチャートである。 図８は、動作の判定処理のフローチャートである。 図９は、フィードバック情報の生成処理のフローチャートである。 図１０は、第２の実施形態に係る運動支援装置の構成を示す機能ブロック図である。
　（第１の実施形態）
　本発明の第１の実施形態に係る運動支援技術について、図を参照して説明する。図１は、第１の実施形態に係る運動支援装置の構成を示す機能ブロック図である。本実施形態に係る運動支援装置および運動支援方法は、例えば、リハビリテーションにおけるバイオフィードバックに利用される。
　図１に示すように、運動支援装置１０は、動作情報算出部１１、動作判定部１２、フィードバック情報生成部１３、動作提示部１９、動作モデルデータベース１０２、および、フィードバックモデルデータベース１０３を備える。運動支援装置１０は、例えば、動作情報算出部１１、動作判定部１２、フィードバック情報生成部１３、および、動作提示部１９を実現する電子回路、動作情報算出部１１、動作判定部１２、フィードバック情報生成部１３、および、動作提示部１９の処理を実現するプログラムが記憶された記憶媒体と、当該プログラムを実行するＣＰＵ等の演算処理装置、動作を提示する表示器やスピーカ等、動作モデルデータベース１０２、および、フィードバックモデルデータベース１０３を実現する記憶媒体等によって実現される。なお、運動支援装置１０の物理的な構成はこれに限るものではない。
　（概略構成および概略処理）
　動作情報算出部１１は、センサ８０から、利用者９０の動作を検出したセンサデータを取得する。動作情報算出部１１は、センサデータから動作情報を算出する。動作情報は、運動学的情報、力学的情報、および、筋活動情報に分類されている。
　動作判定部１２は、動作情報と、動作モデルデータベース１０２からの動作モデルとを用いて、動作の判定を行う。判定に用いられる動作モデルは、動作提示部１９が提示した基準動作が関連付けられた動作モデルである。
　フィードバック情報生成部１３は、動作の判定結果と、フィードバックモデルデータベース１０３からのフィードバックモデルとを用いて、フィードバック情報を生成する。
　動作提示部１９は、画像、映像、音声等を用いて、基準動作を利用者９０に提示する。基準動作は、動作モデルデータベース１０２から得られる。
　（運動支援の流れ）
　利用者９０は、動作提示部１９によって提示された基準動作を参照して、動作（運動）を実行する。利用者９０の動作は、センサ８０によって検出される。
　動作情報算出部１１は、センサデータから動作情報を算出する。動作判定部１２は、基準動作が関連付けされた動作モデルと動作情報とを用いて、動作を判定する。
　フィードバック情報生成部１３は、動作の判定結果とフィードバックモデルとを用いて、フィードバック情報を生成し、利用者９０に提示する。フィードバック情報は、利用者９０の動作を基準動作に近づけるための要点情報である。
　利用者９０は、提示されたフィードバック情報を参照して、再度、動作を行う。この動作は、再度、センサデータとして取得され、動作情報が算出される。この動作情報と動作モデルとによって、利用者９０の動作は、再判定される。この判定結果に応じて、新たなフィードバック情報が生成されて、利用者９０に提示される。
　そして、上述の処理が繰り返されることによって、運動支援装置１０は、利用者９０の動作を基準動作に近づけるための運動支援を実現できる。すなわち、運動支援装置１０は、バイオフィードバックを実現できる。
　（具体的な構成および具体的な処理）
　（動作情報算出部１１）
　動作情報算出部１１は、有線または無線によってセンサ８０に接続する。センサ８０は、利用者９０に装着または利用者の動作を検出可能な位置に配置される。センサ８０は、利用者９０の動作に応じたセンサデータを生成し、動作情報算出部１１に出力する。
　動作情報算出部１１は、センサデータを取得する。動作情報算出部１１は、センサデータから、利用者９０の動作の状態を表す動作情報を算出する。動作情報算出部１１は、一般的な判定に必要な動作情報を算出するが、利用者９０の運動可能状態（例えば、リハビリテーションの進行状態等）に基づいて、算出する動作情報を決定してもよい。すなわち、訓練対象の部位と、その部位の運動可能状態とに応じて、算出する動作情報を決定してもよい。これにより、動作情報算出部１１は、センサデータの処理を抑制でき、ひいては、不必要なセンサの省略も可能になる。
　図２は、分類された動作情報と計測物理量（センサデータ）とセンサ例との関係を示す表である。動作情報は、運動学的情報、力学的情報、および、筋活動情報を含む。動作情報とは、正しい動作（目標とする動作）をどの程度行えているか（判定対象の動作の質）を評価するための情報である。
　運動学的情報は、利用者の動作に基づく情報である。力学的情報は、利用者が外部に与える力に基づく情報である。筋活動情報は、利用者の筋活動に基づく情報である。
　運動学的情報は、動作そのものを評価する情報である。運動学的情報は、静的姿勢情報と動的姿勢情報とを有する。静的姿勢情報は、例えば、骨格座標や関節角度を含む。動的姿勢情報は、関節の回転速度や骨格座標の変位を含む。運動学的情報は、例えば、利用者の所定部位の加速度、角速度、回転量、変位、姿勢変位等から算出される。このため、運動学的情報を得るためのセンサ８０は、例えば、加速度センサ、角速度センサ、ポテンショメータ、カメラ、歪センサ等が有効である。一例として、関節の動きを示す運動学的情報は、加速度センサの検出値から所定の演算により静止状態の関節周辺の骨格の姿勢情報を算出し、角速度センサの検出値から関節角度の変化を算出することで、統合的に算出できる。
　力学的情報は、動作パターンと、その動作が与える運動エネルギーとの関連を評価する情報である。力学的情報は、例えば、姿勢保持のための支持基底面に係る圧力等、外部対象物に対する圧力、外部対象物の変位量、変形量等から算出される。このため、力学的情報を得るためのセンサ８０は、例えば、歪センサ、圧力センサ、加速度センサ等が有効である。
　筋活動情報は、動作パターンと、その動作時の筋活動との関係を評価する情報である。筋活動情報は、例えば、利用者の所定部位の筋電位等から算出される。このため、筋活動情報を得るためのセンサ８０は、例えば、筋電センサが有効である。
　動作情報算出部１１は、算出した動作情報を、動作判定部１２に出力する。この際、動作情報は、上述の、運動学的情報、力学的情報、および、筋活動情報に分類された状態で出力される。
　（動作モデルデータベース１０２）
　動作モデルデータベース１０２には、動作モデルが記憶されている。動作モデルデータベース１０２は、動作判定部１２が判定を行う際に、次に示す、判定に必要な各種の情報を、動作判定部１２に出力する。
　図３（Ａ）、図３（Ｂ）は、動作モデルのデータ構成の一例を示す図である。動作モデルには、運動支援情報（フィードバック情報）の生成に必要な動作が記憶される。そして、図３（Ａ）に示すように、動作には基準動作および課題が関連付けされ、課題には判定条件が関連付けされて、これらが動作モデルとして記憶される。さらに、図３（Ｂ）に示すように、判定条件には、必要動作情報、判定方法、および、判定基準が関連付けされて、記憶される。
　動作、基準動作、課題、判定条件には、所定のＩＤが割り当てられている。例えば、図３（Ａ）に示すように、動作ＩＤ０１に対しては、これに関連付けされた基準動作ＩＤ０１、課題ＩＤ１１、および、課題ＩＤ１２が割り当てられる。課題ＩＤ１１に対しては、これに関連付けされた判定条件ＩＤ１１１、判定条件ＩＤ１１２、および、判定条件ＩＤ１１３が割り当てられる。課題ＩＤ１２に対して判定条件ＩＤ１２１が割り当てられる。これにより、動作、基準動作、課題、判定条件がそれぞれに複数存在しても、それぞれを容易に識別できる。
　基準動作は、利用者に提示する動作を表すもの（文章、画像、動画、音声等）であり、後述の動作提示部１９において利用される。課題は、例えば、基準動作を実現するために利用者９０の動作が必要とする項目である。
　課題には、その課題に対する判定条件が関連付けされている。判定条件は、関連付けされた課題を達成できているか否か、どの程度達成できているか、どの程度達成できていないか等を判定するための項目である。
　判定条件には、必要動作情報、判定方法、および、判定基準が関連付けされている。
　必要動作情報は、判定を行うために必要な動作情報（運動学的情報、力学的情報、筋活動情報）を表す。例えば、判定対象動作のある課題の判定に対して、運動学的情報のみが必要であれば、必要動作情報としては、運動学的情報が設定される。
　判定方法は、動作情報におけるどのような値を用いて、判定を行うかを表す。例えば、判定方法は、動作情報を表すデータの差分、データの相関度、データの変化傾向、データの変位点の時間的な位置等によって設定される。
　判定基準は、判定を行うための基準値、条件等を表す。例えば、判定基準は、動作情報を表すデータの閾値、データ値の取り得る範囲等によって設定される。
　（動作判定部１２）
　動作判定部１２は、動作情報と動作モデルとを用いて、動作を判定する。この際、動作判定部１２は、動作状態における運動学的情報、力学的情報、および、筋活動情報のうち、判定に必要な情報、すなわち、動作モデルの判定方法によって指定された情報を用いて、動作を判定する。
　動作判定部１２は、動作を判定して、判定結果として、課題レベルを算出する。課題レベルとは、例えば、課題をどの程度達成しているか、または、課題をどの程度達成できていないかを示す指標である。動作判定部１２は、判定結果（課題レベル）を、フィードバック情報生成部１３に出力する。
　動作判定部１２は、動作モデルに対して複数の課題が設定されていれば、これら複数の課題のそれぞれに対して判定を行う。そして、動作判定部１２は、課題毎に、判定結果（課題レベル）を算出する。
　一例として、半身麻痺の患者の歩行訓練において、膝の屈曲運動が上手くいかない患者に対する運動支援について説明する。図４は、動作情報、運動学的情報、力学的情報、筋活動情報、カメラ、各種センサの関係を示す図である。以下、図４を参照して説明する。
　動作情報は、例えば、歩行訓練時の静的バランス、動的バランス、および動作パターンを含む。
　静的バランスは、歩行訓練時の静止姿勢を保持する能力を示す指標である。静的バランスは、患者の静止姿勢時の膝の動作に関連する身体の各部位の骨格座標、関節角度、患者の静止姿勢時の外部に与える圧力、および、患者の静止姿勢時の筋活動に基づく。骨格座標、静止時の関節角度、関節の回転速度、骨格座標の変位は、運動学的情報に属する。外部に与える圧力は、力学的情報に属する。筋活動は、筋活動情報に属する。
　動的バランスは、歩行訓練時の動きながら（歩行しながら）転倒しない状態を保持する能力を示す指標である。動的バランスは、患者の歩行時の膝の動作に関連する身体の各部位の関節の回転速度、骨格座標系の変位、患者の歩行時の外部に与える圧力、および、患者の歩行時の筋活動に基づく。関節の回転速度、骨格座標系の変位は、運動学的情報に属する。外部に与える圧力は、力学的情報に属する。筋活動は、筋活動情報に属する。
　動作パターンは、歩行訓練時の動的姿勢、筋活動、外部圧力の一連の運動連鎖の状態を示す指標である。動作パターンは、歩行訓練時の膝の動作に関連する身体の各部位の関節の回転速度、骨格座標系の変位、歩行訓練時の外部に与える圧力、および、歩行訓練時の筋活動に基づく。関節の回転速度、骨格座標系の変位は、運動学的情報に属する。外部に与える圧力は、力学的情報に属する。筋活動は、筋活動情報に属する。
　上述の運動学的情報に属する各種の計測データは、患者に装着された各種のセンサ、患者を撮像したカメラによって計測される。例えば、骨格座標は、カメラによって計測される。静止時の関節角度は、加速度センサ、ポテンショメータ、カメラによって計測される。関節の回転速度は、ジャイロセンサ（姿勢センサ）、ポテンショメータ、カメラによって計測される。骨格座標の変位は、加速度センサ、カメラによって計測される。各種センサは、患者の膝のみでなく、歩行時に関係する身体の部位（例えば、足首、股関節等）に装着される。
　上述の力学的情報に属する外部に与える圧力は、患者の歩行訓練時に利用する床、各種治具（例えば、踵用のサポータ、歩行訓練用の靴、歩行訓練用のウォーキングマシン（動く床））に備えられた歪みセンサによって計測される。
　上述の筋活動情報に属する筋活動は、患者に装着された筋電センサによって計測される。筋電センサは、例えば、前脛骨筋、腓腹筋を有する身体の部位の表面に装着される。
　このように計測された運動学的情報の計測データ、力学的情報の計測データ、および、筋活動情報の計測データには、対応付けされた動作情報（静的バランス、動的バランス、および動作パターン）に応じた判定基準が設定される。
　判定基準は、動作状態の達成度に応じて設定されている。すなわち、訓練対象の動作を行っている場合に計測データが所定範囲内に入れば、この動作を達成していると判断できるように、判定基準は、設定される。例えば、訓練対象の動作を行っている時に、計測対象の関節角度が所定範囲に入っているか否かによって判定基準は設定され、入っていれば、この判定基準を満たしていると判定され、入っていなければ、この判定基準を満たしていないと判定される。
　そして、静的バランスの判定では、静的バランス（静止姿勢の保持）に対応付けされた運動学的情報、力学的情報、筋活動情報の各計測データに対して、静的バランスの判定に対応した判定基準が設定されている。例えば、静的バランスの判定を行うための複数の判定基準（課題）を設定し、複数の判定基準（課題）毎に、必要となる計測データの判定結果を組み合わせる。
　例えば、複数の判定基準の一つとして骨格座標を用いた判定の場合、踵の骨格座標が膝の骨格座標よりも前にして規定時間維持すれば、判定結果を達成とみなす。すなわち、踵の骨格座標が膝の骨格座標よりも前にあること、この状態を規定時間維持することが、判定基準となる。
　また、例えば、複数の判定基準の一つとして関節角度を用いた判定の場合、関節角度を９０度以下で規定時間維持すれば判定結果を達成とみなす。また、関節角度が９０度以下であること、この状態を規定時間維持することが、判定基準となる。
　次に、複数の判定基準（課題）毎に、判定結果の達成度（判定基準を満たしている判定結果の割合等）を検出する。この判定結果の達成度を用いることで、静的バランスの判定が実現される。この際、単に判定基準を満たしているかどうかの判定だけでなく、どの程度判定基準を満たしているかの判定を用いてもよい。このようにして、静的バランスの判定は、運動学的情報、力学的情報、筋活動情報の各計測データを用いて、統合的に行われる。
　動的バランス（一定の歩行状態の保持）の判定では、動的バランスに対応付けされた運動学的情報、力学的情報、筋活動情報の各計測データに対して、動的バランスの判定に対応した判定基準が設定されている。そして、動的バランスの判定は、上述の静的バランスの判定と同様に、運動学的情報、力学的情報、筋活動情報の各計測データを用いて、統合的に行われる。
　動作パターン（運動の連鎖状態）の判定では、動作パターンに対応付けされた運動学的情報、力学的情報、筋活動情報の各計測データに対して、動作パターンの判定に対応した判定基準が設定されている。そして、動作パターンの判定は、上述の静的バランスおよび動的バランスの判定と同様に、運動学的情報、力学的情報、筋活動情報の各計測データを用いて、統合的に行われる。
　（具体的な動作パターンによる判定の基準を示す一例）
　図５（Ａ）、図５（Ｂ）、図５（Ｃ）、図５（Ｄ）は、半身麻痺の患者の歩行訓練時の各種計測値の一例を示すグラフである。図５（Ａ）、図５（Ｂ）、図５（Ｃ）、図５（Ｄ）は、荷重応答期を示すグラフである。図５（Ａ）は、股関節の関節角度を示し、図５（Ｂ）は、膝関節の関節角度を示し、図５（Ｃ）は、足関節（踝）の関節角度を示し、図５（Ｄ）は、腓腹筋の筋電位を示す。図５（Ａ）、図５（Ｂ）、図５（Ｃ）、図５（Ｄ）において、実線は歩行訓練者の計測値を示し、破線は健常者の計測値を示す。
　半身麻痺の患者の歩行訓練の場合、足関節の背屈動作が十分に行えていないことが原因となり、麻痺側の大腿を高く上げて踏み出すことで、動作としては股関節や膝関節の動きが大きく目立つ。そして、原因である足関節は、大きくは駆動しておらず、駆動しにくい足関節を補うように他の部位で代償動作を行っている。例えば、動作しにくい足関節を引きずらないように、麻痺側の大腿を高く持ち上げて足を踏み出すことで、荷重応答期の初期状態（接地時）の股関節・膝関節が屈曲位となる（図５（Ａ）、図５（Ｂ）、図５（Ｃ）参照）。また、麻痺が原因で筋肉の制御が困難であることから、足関節の背屈を行うための主動作筋である前脛骨筋と同時に拮抗筋である腓腹筋が収縮している（図５（Ｄ）参照）。
　このように、各種の計測値が半身麻痺の患者と健常者とで異なるので、これらの半身麻痺の患者に特徴的な計測値を用いることによって、判定を行うことができる。そして、後述する運動支援では、この計測値が健常者の計測値に近づくようにフィードバックすることで、適切な運動支援を行うことができる。
　なお、上述の説明では歩行訓練の場合を示したが、例えば、アスリートのトレーニング等にも、運動支援装置１０の構成および処理を適用することができる。この場合、上述の静的バランス、動的バランス、動作パターンを、訓練対象のアスリートが行う運動（スポーツ）に応じたものにすればよい。そして、上述の運動学的情報、力学的情報、および、筋活動情報は、アスリートが行う運動に応じたものとし、各種センサは、アスリートの身体における訓練対象の運動に応じた箇所に装着すればよい。
　例えば、訓練対象が器械体操の場合、器械体操（床運動、鉄棒等）時の静止姿勢、動作姿勢、動作パターンをそれぞれ静的バランス、動的バランス、動作パターンに対応させて設定する。そして、運動学的情報として、対象とする器械体操時に関連する関節の角度、回転速度を計測し、力学的情報として、器械体操時に使用する床や器具への圧力を計測し、筋活動情報として、器械体操時に使用する筋肉（略全身の筋肉）の筋活動を計測する。そして、判定基準は、例えば、対象とする器械体操の得点に応じて設定する。
　これにより、運動支援装置１０は、アスリートが器械体操の訓練対象種目において高得点が得られるような運動支援のための有効な判定を行うことができる。そして、運動支援装置１０は、この判定結果を用いることで、訓練対象の種目の動作に対する高得点を得られる有効な課題を設定できる。そして、運動支援装置１０は、後述のフィードバックを適用することで、対象種目において高得点が得られる訓練を行えるように、有効な運動支援を行うことができる。
　以上のように、本実施形態の構成および処理を用いることで、運動支援装置１０は、利用者９０の動作から得られる各センサの計測データを直接用いず、支援対象の動作に応じた動作情報（運動学的情報、力学的情報、筋活動情報）を用いて、動作を判定する。したがって、運動支援装置１０は、支援対象の動作をより正確に反映した判定を行うことができる。この判定結果を用いることによって、運動支援装置１０は、利用者９０にとって有効な運動支援情報を生成できる。
　また、この構成および処理を用いることで、運動支援装置１０は、判定結果として、課題の達成度や未達成度を表す指標（課題レベル）を出力する。これにより、運動支援装置１０は、判定結果として、単純に課題が達成できているか否かを出力するよりも、運動支援に有効な判定結果を出力できる。この判定結果を用いることによって、運動支援装置１０は、利用者９０にとってさらに有効な運動支援情報を生成できる。
　特に、運動支援装置１０では、センサデータを用いた直接的な判定を用いず、動作に則した動作情報に変換して判定を行っている。したがって、運動支援装置１０は、上述のような課題レベルを用いた判定を、より正確に且つより容易に実現できる。例えば、複雑な動作の判定のように、複数のセンサデータを必要とするような場合であっても、運動支援装置１０は、より正確に且つより容易に判定できる。
　より具体的には、従来のように、単純にセンサデータをそのまま用いる場合では、膝等の訓練対象の各部位の動きを検出できるが、このセンサデータから有効な運動支援情報を得るには、例えば、このセンサデータの利用方法に熟知したオペレータ（例えば、理学療法士）による解釈が必要であった。また、オペレータを介さない場合には、このセンサデータから有効な運動支援情報を得るには、センサデータに対する判定処理がより複雑になり、正確な判定結果を得るのは容易ではなかった。
　一方、本願発明のように動作状態を判定に用いることによって、例えば、判定処理を系統化でき、データベース化し易く、判定処理が容易になる。また、判定処理が容易になり、判定対象の動作状態が系統化された状態で蓄積されていくので、判定結果の精度が向上し易い。したがって、本願発明のような構成および処理を用いることによって、利用者９０にとって有効な運動支援情報を生成できる。さらに、判定結果として、動作に則した課題の達成レベル、未達成レベルを得ることは、センサデータそのものを用いるよりも、動作状態を用いる方が容易であり、判定結果は、より正確になる。
　一例として、半身麻痺の患者の歩行訓練において、膝の屈曲運動が上手くいかない場合に、本願発明の構成および処理は、次のような有効性を有する。
　従来の構成では、膝と、歩行における膝の動きに関連する部位の状態とは、センサデータとして得られる。しかしながら、これでは、歩行動作に対する判定は、容易でなく、処理が複雑になり、判定結果も高い精度を得にくい。
　一方、本願発明の構成および処理では、歩行動作そのものを判定の対象にできる。したがって、判定は、より容易になり、精度も高め易くなる。また、歩行動作を判定対象とすることで、膝の屈曲運動に対しても、足首の回転、前脛骨筋の収縮、腓腹筋の収縮等、膝で無い箇所に対する判定条件も含められ、膝の屈曲運動に対して、統合的な判定を行うことができる。例えば、膝の屈曲運動が所定の動作とならない理由が、足首の回転動作によるものであったり、前脛骨筋の収縮や腓腹筋の収縮のタイミングによるものであったりすることを、判定できる。さらに、これらに課題レベルを設定することで、その不具合の度合いを、より正確に判定できる。
　（フィードバックモデルデータベース１０３）
　フィードバックモデルデータベース１０３には、フィードバックモデルが記憶される。図６は、フィードバックモデルのデータ構成の一例を示す図である。図６に示すように、課題（課題ＩＤ）毎に、複数の課題レベルが関連付けされ、各課題レベルには、フィードバック情報、重要度、複雑度が関連付けされ、これらが、フィードバックモデルとして記憶される。
　課題レベルは、課題の達成度（達成レベル）または未達成度（未達成レベル）で設定される。例えば、課題レベル１、課題レベル２、課題レベル３と設定した場合、課題レベル１、課題レベル２、課題レベル３の順に、未達成度が高くなる。言い換えれば、達成レベルに達するまでの困難度が高くなる。
　フィードバック情報は、文章、音声、画像、映像等によって実現される。フィードバック情報は、基準動作とは異なり、要点情報である。要点情報とは、利用者９０の動作（運動）を基準動作に近づけるように改善するための情報である。したがって、課題レベルが異なれば、フィードバック情報も異なる。
　重要度とは、利用者９０の動作を基準動作に近づけるために提示すべき重要さに基づいて設定される。複雑度は、フィードバック情報によって提示する動作の複雑さ（難しさ）に基づいて設定される。
　（フィードバック情報生成部１３）
　フィードバック情報生成部１３は、判定結果とフィードバックモデルとを用いて、フィードバック情報を生成する。より具体的には、フィードバック情報生成部１３は、課題ＩＤを参照して、判定結果に対応する課題レベルを検出する。フィードバック情報生成部１３は、課題レベルに応じたフィードバック情報、重要度、複雑度を抽出する。
　フィードバック情報生成部１３は、課題レベル、重要度、および、複雑度から、フィードバックの優先度を設定する。フィードバック情報生成部１３は、フィードバックの優先度の設定を、課題（課題ＩＤ）毎に設定する。
　フィードバック情報生成部１３は、優先度を用いて、提示するフィードバック情報を決定する。例えば、フィードバック情報生成部１３は、優先度が最も高いフィードバック情報を提示するように決定する。または、フィードバック情報生成部１３は、優先度の合算値が、所定閾値以内となる範囲で、優先度の高い順にフィードバック情報を選択する。そして、フィードバック情報生成部１３は、選択したフィードバック情報を提示する。
　このような構成および処理を行うことによって、運動支援装置１０は、利用者９０の状態（例えば、回復状態）に応じて、適したフィードバック情報を生成し、利用者９０に提示できる。すなわち、運動支援装置１０は、利用者９０にとってより有効な運動支援情報（フィードバック情報）を生成して、提示できる。
　（運動支援方法）
　上述の説明では、運動支援の処理を、複数の機能部によって実現する態様を示した。しかしながら、上述の処理をプログラム化して記憶媒体等に記憶し、演算処理装置がこのプログラムを実行することによって、上述の運動支援の処理を実現することも可能である。この場合、演算処理装置は、例えば、次の図７、図８、図９に示すフローを実行すればよい。なお、各処理の具体的な内容は、上述しており、上述した内容を同様の内容については説明を省略する。
　図７は、動作情報の算出処理のフローチャートである。図８は、動作の判定処理のフローチャートである。図９は、フィードバック情報の生成処理のフローチャートである。
　図７に示すように、動作情報の算出処理として、演算処理装置は、利用者９０に対するセンサデータを取得する（Ｓ１１）。演算処理装置は、センサデータから、運動学的情報、力学的情報、および、筋活動情報に分類して、動作情報を算出する（Ｓ１２）。
　図８に示すように、動作の判定処理として、演算処理装置は、判定対象動作を設定する（Ｓ２１）。演算処理装置は、判定対象動作に対する課題を設定する（Ｓ２２）。演算処理装置は、課題に対する判定条件を設定する（Ｓ２３）。演算処理装置は、判定条件と動作情報とを用いて、動作を判定し、課題レベルを算出する（Ｓ２４）。
　演算処理装置は、判定終了条件を満たしていなければ（Ｓ２５：ＮＯ）、上述の課題の設定処理以降を繰り返し、判定終了条件を満たしていれば（Ｓ２５：ＹＥＳ）、判定を終了する。判定終了条件は、例えば、判定対象動作に設定された全ての課題に対する判定が終了したか否かで設定される。全ての課題が判定されれば、判定終了と判断される。
　図９に示すように、フィードバック情報の生成処理として、演算処理装置は、課題ＩＤとこれに対応する課題レベルを取得する（Ｓ３１）。演算処理装置は、課題レベルに対する重要度と複雑度を取得する（Ｓ３２）。
　演算処理装置は、課題ＩＤ毎に優先度を設定する（Ｓ３３）。演算処理装置は、優先度を用いて、フィードバック情報を決定する（Ｓ３４）。
　（第２の実施形態）
　本発明の第２の実施形態に係る運動支援技術について、図を参照して説明する。図１０は、第２の実施形態に係る運動支援装置の構成を示す機能ブロック図である。
　図１０に示すように、第２の実施形態に係る運動支援装置１０Ａは、第１の実施形態に係る運動支援装置１０に対して、フィードバック情報生成部１３、フィードバックモデルデータベース１０３を省略した点、動作提示部１９Ａを外部に設ける点で異なる。この場合は、例えば、動作モデルデータベース１０２は、動作提示部１９Ａから基準動作ＩＤを受け、この基準動作ＩＤに関連付けられた動作ＩＤの動作モデルを、動作判定部１２に出力すればよい。
　このような構成では、運動支援装置１０Ａは、課題レベルを利用者９０に対して提示する。利用者９０は、課題レベルから次の動作を実行する。このような構成でも、フィードバック情報は出力されないものの、従来構成および処理と比較して、運動支援装置１０Ａは、利用者９０にとって有効な運動支援情報を生成できる。
　なお、上述の構成では、センサ８０は、運動支援装置に含まれていないが、含まれていてもよい。
　また、動作モデルデータベース１０２およびフィードバックモデルデータベース１０３は、運動支援装置外のネットワーク上に備えられていてもよい。
１０、１０Ａ：運動支援装置
１１：動作情報算出部
１２：動作判定部
１３：フィードバック情報生成部
１９、１９Ａ：動作提示部
８０：センサ
９０：利用者
１０２：動作モデルデータベース
１０３：フィードバックモデルデータベース

Claims (6)

  1. 　利用者の動作に応じたセンサデータから動作情報を算出する動作情報算出部と、
    　前記動作情報を用いて、動作を判定する動作判定部と、
    　を備え、
    　前記動作情報は、
    　　前記利用者の動作に基づく運動学的情報と、
    　　前記利用者が外部に与える力に基づく力学的情報と、
    　　前記利用者の筋活動に基づく筋活動情報と、に分類され、
    　前記動作情報算出部は、前記分類された動作状態を算出し、
    　前記動作判定部は、前記分類された動作状態を用いて、動作を判定する、
    　運動支援装置。
  2. 　前記動作情報算出部は、
    　前記利用者の運動可能状態に応じて、前記動作情報を算出する、
    　請求項１に記載の運動支援装置。
  3. 　前記利用者の動作に対する基準動作、前記動作の課題、および、前記課題の判定条件を記憶する動作モデルデータベースを備え、
    　前記動作判定部は、
    　前記基準動作、前記動作の課題、および、前記課題の判定条件と、前記動作情報とを用いて、動作を判定する、
    　請求項１または請求項２に記載の運動支援装置。
  4. 　前記動作判定部は、
    　前記判定の結果として、課題の未達成レベルまたは達成レベルを算出する、
    　請求項１乃至請求項３のいずれかに記載の運動支援装置。
  5. 　前記判定の結果に基づいて、前記利用者の運動の改善のためのフィードバック情報を生成するフィードバック情報生成部を備える、
    　請求項１乃至請求項４のいずれかに記載の運動支援装置。
  6. 　利用者の動作に応じたセンサデータから動作情報を算出する動作情報算出ステップと、
    　前記動作情報を用いて、動作を判定する判定ステップ、
    　を有し、
    　前記動作情報算出ステップは、
    　前記動作情報として、
    　　前記利用者の動作に基づく運動学的情報と、
    　　前記利用者が外部に与える力に基づく力学的情報と、
    　　前記利用者の筋活動に基づく筋活動情報と、に分類して算出し、
    　前記判定ステップは、
    　　前記分類された動作情報を用いて、動作を判定する、
    　運動支援方法。
PCT/JP2021/018238 2020-07-20 2021-05-13 運動支援装置、および、運動支援方法 WO2022018938A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020123389 2020-07-20
JP2020-123389 2020-07-20

Publications (1)

Publication Number Publication Date
WO2022018938A1 true WO2022018938A1 (ja) 2022-01-27

Family

ID=79728623

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/018238 WO2022018938A1 (ja) 2020-07-20 2021-05-13 運動支援装置、および、運動支援方法

Country Status (1)

Country Link
WO (1) WO2022018938A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024085095A1 (ja) * 2022-10-21 2024-04-25 ソニーグループ株式会社 情報処理方法、情報処理装置、及び、コンピュータ読み取り可能な非一時的記憶媒体

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006149468A (ja) * 2004-11-25 2006-06-15 Matsushita Electric Works Ltd 揺動型運動装置
JP2007526030A (ja) * 2004-02-05 2007-09-13 モトリカ インク リハビリテーション並びにトレーニングのための方法及び器械
JP2009106537A (ja) * 2007-10-30 2009-05-21 Panasonic Electric Works Co Ltd 運動補助装置
WO2019008771A1 (ja) * 2017-07-07 2019-01-10 りか 高木 治療及び／又は運動の指導プロセス管理システム、治療及び／又は運動の指導プロセス管理のためのプログラム、コンピュータ装置、並びに方法
CN109731316A (zh) * 2019-03-21 2019-05-10 张皓翔 一种投篮训练系统
JP2019150545A (ja) * 2018-03-06 2019-09-12 株式会社 Ｍｔｇ 運動ブースの設置構造および方法
US20200107754A1 (en) * 2018-10-08 2020-04-09 Institute For Information Industry Cycling-posture analyzing system and method

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007526030A (ja) * 2004-02-05 2007-09-13 モトリカ インク リハビリテーション並びにトレーニングのための方法及び器械
JP2006149468A (ja) * 2004-11-25 2006-06-15 Matsushita Electric Works Ltd 揺動型運動装置
JP2009106537A (ja) * 2007-10-30 2009-05-21 Panasonic Electric Works Co Ltd 運動補助装置
WO2019008771A1 (ja) * 2017-07-07 2019-01-10 りか 高木 治療及び／又は運動の指導プロセス管理システム、治療及び／又は運動の指導プロセス管理のためのプログラム、コンピュータ装置、並びに方法
JP2019150545A (ja) * 2018-03-06 2019-09-12 株式会社 Ｍｔｇ 運動ブースの設置構造および方法
US20200107754A1 (en) * 2018-10-08 2020-04-09 Institute For Information Industry Cycling-posture analyzing system and method
CN109731316A (zh) * 2019-03-21 2019-05-10 张皓翔 一种投篮训练系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024085095A1 (ja) * 2022-10-21 2024-04-25 ソニーグループ株式会社 情報処理方法、情報処理装置、及び、コンピュータ読み取り可能な非一時的記憶媒体

Similar Documents

Publication Publication Date Title
JP5314224B1 (ja) ランニングフォーム診断システムおよびランニングフォームを得点化する方法
US20060004299A1 (en) Motion measurement method, motion measurement system, and motion measurement program
JP4915263B2 (ja) 歩行能力からの運動機能向上メニュー提案システム及び歩行能力からの運動機能向上メニュー提案方法
US11458362B1 (en) Swing analysis system
US20110105962A1 (en) Method and system of simulation and measurement related to optimum operating condition for support base of passive exercise machine
JP2017086871A (ja) 起立補助方法及び装置
JP2016140591A (ja) 動作解析評価装置、動作解析評価方法、及びプログラム
JP2007125368A (ja) 歩行解析装置及び歩行解析方法
JP2017086184A (ja) 筋活動可視化システムと筋活動可視化方法
JP2003116822A (ja) 筋活動解析装置およびトレーニング装置
JP4390129B2 (ja) 足底圧を用いた下肢関節モーメント及び下肢筋張力の推定システム
Varela et al. A kinematic characterization of human walking by using CaTraSys
EP3604097A1 (en) Steering input information acquisition device
JP2019154489A (ja) 運動能力評価システム
WO2022018938A1 (ja) 運動支援装置、および、運動支援方法
JP2019084130A (ja) 歩行動作評価装置、歩行動作評価方法及びプログラム
CN113940667B (zh) 基于助行器的防摔倒助行方法、系统和终端设备
JP2005013442A (ja) 歩行訓練装置及び歩行訓練装置の制御方法
US20200405189A1 (en) Learning system, walking training system, method, program, and trained model
US10722149B2 (en) Real-time biofeedback rehabilitation tool guiding and illustrating foot placement for gait training
KR20200092213A (ko) 인체 운동의 역학 정보 추정 방법 및 그 장치
JP2016073525A (ja) 動的バランス能力評価装置及びそれを用いた歩行訓練システム
JP6079585B2 (ja) 歩容のバランス評価装置
KR100639530B1 (ko) 하지 재활훈련 장치 및 훈련방법.
Felton et al. Are planar simulation models affected by the assumption of coincident joint centers at the hip and shoulder?

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21847392

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21847392

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP