[論文レビュー] Controlling wheelchairs by body motions: A learning framework for the adaptive remapping of space

Tauseef Gulrez, Alessandro Tognetti+5 more|arXiv (Cornell University)|Jul 27, 2011

Virtual Reality Applications and Impacts被引用数 8

ひとこと要約

本論文では、上肢の運動をセンサー付きシャツで捉え、適応的リマップを通じてナビゲーションコマンドに変換することで、脊髄損傷を負った人々が電動車いすを制御できる学習フレームワークを提示している。本システムは、安全で反復可能な訓練を可能にする3次元バーチャルリアリティ環境を用い、試行を重ねるごとに軌道誤差が著しく減少することを示しており、ユーザーの適応によって身体運動に基づく制御が実現可能であることを確認している。

ABSTRACT

Learning to operate a vehicle is generally accomplished by forming a new cognitive map between the body motions and extrapersonal space. Here, we consider the challenge of remapping movement-to-space representations in survivors of spinal cord injury, for the control of powered wheelchairs. Our goal is to facilitate this remapping by developing interfaces between residual body motions and navigational commands that exploit the degrees of freedom that disabled individuals are most capable to coordinate. We present a new framework for allowing spinal cord injured persons to control powered wheelchairs through signals derived from their residual mobility. The main novelty of this approach lies in substituting the more common joystick controllers of powered wheelchairs with a sensor shirt. This allows the whole upper body of the user to operate as an adaptive joystick. Considerations about learning and risks have lead us to develop a safe testing environment in 3D Virtual Reality. A Personal Augmented Reality Immersive System (PARIS) allows us to analyse learning skills and provide users with an adequate training to control a simulated wheelchair through the signals generated by body motions in a safe environment. We provide a description of the basic theory, of the development phases and of the operation of the complete system. We also present preliminary results illustrating the processing of the data and supporting of the feasibility of this approach.

研究の動機と目的

• 従来のジョイスティックを用いた電動車いすの制御が、脊髄損傷を負った人々にとって学習が難しいという問題に取り組むこと。
• 残存する上肢の可動域を活用した直感的な車いす制御を実現する身体機械インターフェースの開発。
• モーターラーニングと認知地図形成を促進するため、3次元バーチャルリアリティを用いた安全で没入型の訓練環境の構築。
• ユーザーの能力とパフォーマンスに応じて進化する、身体運動から車いすコマンドへの適応的リマップの実現。
• 運動機能に制限のあるユーザーに対する訓練のリスク低減と使いやすさの向上。

提案手法

• ウェアラブルセンサーを内蔵したシャツが、上肢の運動（例：肩や腕の動き）をリアルタイムで捉える。
• 身体運動の信号は、動的かつ適応的な変換により、車いすの制御コマンド（前進、後退、左、右）に処理・マッピングされる。
• 個人用拡張現実没入型システム（PARIS）が、安全で繰り返し可能な訓練を可能にする3次元バーチャルリアリティ環境を提供する。
• システムは、ユーザーのパフォーマンスと学習の進行状況に応じて、制御マッピングを継続的に適応させる。
• 軌道の正確さは、走行距離（Dist）と所定の経路と実際の経路の間の誤差領域（Ediff）という2つの指標で評価される。
• ユーザーの訓練は段階的に行われる：制御戦略の初期習得、その後にバーチャル空間内での経路追従タスク。

実験結果

リサーチクエスチョン

• RQ1 脊髄損傷を負った人々は、残存する上肢の運動のみを用いて電動車いすを制御できるようになるのか？
• RQ2 バーチャルリアリティ訓練におけるパフォーマンスは、シミュレートされた環境内での経路追従の正確さとどのように相関するか？
• RQ3 適応的で学習ベースのインターフェースは、繰り返しの試行を経て制御の正確さを向上させられるか？
• RQ4 運動からコントロールへのマッピングを段階的に適応させることで、ユーザーの誤差はどの程度低減されるか？
• RQ5 バーチャルリアリティの使用は、現実世界の訓練と比較して学習の安全性と効果を顕著に向上させるか？

主な発見

• 被験者は繰り返しの試行を経るごとに軌道誤差が単調に減少しており、制御インターフェースへの段階的学習と適応が確認された。
• 最初の試行から第2回目、第3回目にかけて、走行距離誤差と誤差領域（Ediff）が著しく減少し、初期段階での急速な学習が顕著に現れた。
• 肩と腕の動きのみを用いて正確な経路追従が実現可能であり、試行を重ねるごとにEdiffとDistの値が減少することで裏付けられた。
• バーチャルリアリティ環境は、身体運動と空間ナビゲーションの間の新しい認知地図の形成を効果的に支援した。
• 適応的リマップフレームワークにより、ユーザーごとの運動能力に応じたシステムの適合が可能となり、時間経過に伴い制御効率が向上した。
• 予備的な結果から、センサーシャツを用いた車いす制御の実現可能性と、VRベースの訓練がモーターラーニングに有効であることが確認された。