[論文レビュー] Beyond Motion Imitation: Is Human Motion Data Alone Sufficient to Explain Gait Control and Biomechanics?

Xinyi Liu, Jangwhan Ahn+3 more|arXiv (Cornell University)|Mar 12, 2026

Prosthetics and Rehabilitation Robotics被引用数 0

ひとこと要約

本研究はMotion-only imitation learning（MOIL）が歩行の運動学を再現する一方で生体力学的に妥当な関節モーメントを生み出せないことを示す；足接地相互作用の報酬（GRFとCoP）を追加すると運動学的リアリズムを損なうことなく力学的現実味が向上する。

ABSTRACT

With the growing interest in motion imitation learning (IL) for human biomechanics and wearable robotics, this study investigates how additional foot-ground interaction measures, used as reward terms, affect human gait kinematics and kinetics estimation within a reinforcement learning-based IL framework. Results indicate that accurate reproduction of forward kinematics alone does not ensure biomechanically plausible joint kinetics. Adding foot-ground contacts and contact forces to the IL reward terms enables the prediction of joint moments in forward walking simulation, which are significantly closer to those computed by inverse dynamics. This finding highlights a fundamental limitation of motion-only IL approaches, which may prioritize kinematics matching over physical consistency. Incorporating kinetic constraints, particularly ground reaction force and center of pressure information, significantly enhances the realism of internal and external kinetics. These findings suggest that, when imitation learning is applied to human-related research domains such as biomechanics and wearable robot co-design, kinetics-based reward shaping is necessary to achieve physically consistent gait representations.

研究の動機と目的

• motion-only imitation learning (MOIL) が生体力学的に妥当な歩行の運動学を生み出せるかを評価する。
• 報酬として足–地面相互作用の指標を含めることが歩行の運動学と力学推定に与える影響を評価する。
• GRFとCoPの指針が関節モーメントと地面反力を、逆運Dynamicsのベンチマークと比較してどう影響するかを定量化する。

提案手法

• 浮動基板の多節人体ダイナミクス系をモデリングし、MuJoCoで前方動力学をシミュレートする。
• 報酬を運動学的模倣と力学的ペナルティの組み合わせとした強化学習問題（PPO）として模倣学習を定式化する。
• MOILをGRFとCoPベースの報酬を追加した力学認識型模倣学習（KAIL）に拡張する。
• GRFおよびCoP項の影響を孤立させるため、4つの報酬設定でアブレーション研究を実施する。
• 前方シミュレーションでのGRFと関節モーメントを、測定値/逆運Dynamics参照と比較する。

実験結果

リサーチクエスチョン

• RQ1 MOIL単独で歩行時に生体力学的に妥当な関節モーメントを生み出すか。
• RQ2 GRFとCoP報酬は運動学的忠実度を犠牲にせず外部・内部の力学を改善するか。
• RQ3 力学認識報酬は関節モーメントのRMSEと逆運Dynamicsへの相関にどのように影響するか。
• RQ4 MOILおよびKAILにおける力学推定の限界と誤差源は何か。

主な発見

Condition	RMSE (% FL)	Reduction (%)	p-value
R^k only	38.3 ± 2.7	—	—
R^k+R^grf	32.8 ± 2.4	14.5	9.20×10^{-8}
R^k+R^cop	21.8 ± 2.4	43.2	2.75×10^{-12}
ALL	21.4 ± 2.3	44.3	4.78×10^{-12}

• MOILは運動学的模倣を達成するが、生体力学的に妥当な関節モーメントとGRFを生み出せない。
• GRF報酬の追加によりGRFの大きさと位相が測定データと有意に一致するよう改善される。
• CoP報酬の組み込みはCoP RMSEを大幅に減らし、力学的妥当性を向上させる。
• ALL条件（GRFとCoP報酬の両方）は、外部・内部の力学が逆運Dynamicsと整合する点で最大の改善を示す。
• KAILは関節モーメントの相関を高め、MOILと比較して股・膝・足首のRMSEを低減する。
• 力学的誤差はモデルの簡略化と接触ダイナミクスに起因するままのため、より現実的なダイナミクスモデリングの余地がある。