障害のある歩行に対するパーソナライズド・エクソスケルトン制御方策の学習のための筋骨格運動模倣

Abstract

下肢エクソスケルトンのための汎用性のある制御ポリシーの設計は、網羅的なデータ収集または反復的な最適化手順に根本的に制約されており、臨床集団へのアクセスを制限しています。この課題に対処するために、我々は生理学的に妥当な筋骨格シミュレーションと強化学習を組み合わせたデバイス非依存の枠組みを導入し、健常者および臨床集団の両方に対してスケーラブルなパーソナライズド・エクソスケルトン支援を可能にします。提案する制御ポリシーは、生理学的に妥当な歩行の運動力学を生成するだけでなく、標的とした筋の欠損において臨床的に観察される代償戦略も捉えます。これにより、健康な歩行と病的な歩行の両方を統一的に記述する計算モデルが実現されます。タスク固有の調整なしに、得られたエクソスケルトン制御ポリシーは、ヒト実験で検証された最先端のプロファイルと整合する股関節および足関節の支援トルク・プロファイルを生成し、歩行速度にわたり代謝コストを一貫して低減します。模擬された障害歩行モデルでは、学習された制御ポリシーは非対称で、欠損に特有なエクソスケルトン支援をもたらし、目標とする歩行パターンを明示的に指定することなく、エネルギー効率と両側の運動学的対称性の両方を改善します。これらの結果は、強化学習による生理学的に妥当な筋骨格シミュレーションが、健常者および臨床集団の両方にわたるパーソナライズド・エクソスケルトン制御のためのスケーラブルな基盤として機能し、広範な身体試験を不要にし得ることを示しています。