ロボット工学：シミュレーション学習による、実験を用いない外骨格支援

外骨格は、ヒトの移動運動能力を改善する非常に大きな可能性を持っている。しかし、そうした外骨格を開発し広範に普及させるには、長期にわたるヒト試験や手作業による制御法則が要求されることから、制限がある。今回我々は、汎用的な制御方針をシミュレーションで学習する、実験を用いない方法を提示する。我々のシミュレーション学習構想（learning-in-simulation framework）は、ダイナミクス認識型の筋骨格モデルおよび外骨格モデルと、データ駆動型強化学習を利用して、ヒトでの実験なしでシミュレーションと現実のギャップを埋めるものである。さまざまな活動を自動的に支援する特注の腰部外骨格に、学習させたコントローラーを取り付けたところ、歩行、走行、階段の上りについてそれぞれ24.3％、13.1％、15.4％の代謝率減少が見られた。今回の構想は、健常者と運動障害者の双方向けに、さまざまな支援ロボットを速やかに開発し広範に採用するための一般化可能かつスケーラブルな戦略をもたらす可能性がある。

目次へ戻る