選択的相関に基づく知識蒸留による地面反力推定

Abstract

ウェアラブルセンサーに基づく人間の歩行解析は、ヘルスケア、リハビリテーション、臨床診断およびモニタリング、ならびにスポーツ活動において大きな可能性を秘めています。具体的には、地面反力（GRF）は、運動中に身体が地面と相互作用する様子について本質的な洞察を与え、通常はフォースプレートを備えた計測用トレッドミルによって測定されます。しかし、この種の装置は高価であり、研究室環境に限られます。より携帯性の高い解決策を可能にするために、ウェアラブル中敷（インソール）センサーを用いてGRFを測定する手法が用いられてきました。ただし、これらのセンサーはノイズや外部からの干渉を受けやすく、測定精度が低下します。これらの問題に対処するために深層学習の手法を採用することは可能ですが、高い精度を達成するにはしばしば大きな計算資源が必要であり、携帯端末上でのリアルタイム解析への適用が制限されます。こうした制約を克服するために、本研究では中敷センサーによって収集されたデータからGRFを推定するための選択的相関に基づく知識蒸留（SCKD）を提案します。提案手法は、知識転移のための相関マップ抽出プロセスにおいて時間的特性を考慮して選択した特徴量を利用することで、解釈可能性を高め、高次元データ処理に伴う問題を軽減します。蒸留フレームワークによって生成されるコンパクトなモデルの有効性を、既存手法との比較によって示します。教師—生徒アーキテクチャのさまざまな構成と、複数の評価基準に基づく学習アプローチを、異なる歩行速度および異なるウィンドウサイズで収集したデータを用いて検討します。実験結果は、提案手法がウェアラブル中敷センサーのデータからGRFを推定する点で、既存手法よりも優れていることを確認しています。したがって、本提案手法は、人間の歩行解析に対して信頼性が高く、かつ資源効率のよい解決策を提供します。