[論文レビュー] Lower-limb kinematics and kinetics during continuously varying human locomotion

Emma Reznick, Kyle Embry+4 more|arXiv (Cornell University)|Aug 27, 2021

Prosthetics and Rehabilitation Robotics参考文献 36被引用数 142

ひとこと要約

本論文では、10名の健常者参加者が、複数速度および勾配での歩行、走行、階段上り、および活動間の遷移を含む連続的に変化する歩行行動を実行した際の下肢運動学的・運動力学的情報を包括的に収集したデータセットを提示する。このデータは、Viconモーショングレートキャプチャおよびインストゥルメンテッドトレイッドミルを用いて収集され、ロボット義足や外骨格の制御を向上させるために、連続的な歩行のモデリングを可能にする。

ABSTRACT

Human locomotion involves continuously variable activities including walking, running, and stair climbing over a range of speeds and inclinations as well as sit-stand, walk-run, and walk-stairs transitions. Understanding the kinematics and kinetics of the lower limbs during continuously varying locomotion is fundamental to developing robotic prostheses and exoskeletons that assist in community ambulation. However, available datasets on human locomotion neglect transitions between activities and/or continuous variations in speed and inclination during these activities. This data paper reports a new dataset that includes the lower-limb kinematics and kinetics of ten able-bodied participants walking at multiple inclines ($\pm$ 0, 5, 10 $^{\circ}$) and speeds (0.8, 1, 1.2 m/s), running at multiple speeds (1.8, 2, 2.2, 2.4 m/s), walking and running with constant acceleration ($\pm$ 0.2, 0.5 $ ext{m/s^2}$), and stair ascent/descent with multiple stair inclines (20, 25, 30, 35 $^{\circ}$). This dataset also includes sit-stand transitions, walk-run transitions, and walk-stairs transitions. Data were recorded by a Vicon motion capture system and, for applicable tasks, a Bertec instrumented treadmill.

研究の動機と目的

• 歩行、走行、階段上り、座り立ちの間の遷移を含む、包括的かつ連続的な人間の歩行データの不足を解消すること。
• 定常状態のタスクに限定され、離散的な速度および勾配条件にのみ焦点を当てた既存のデータセットの限界を克服すること。
• 多様な歩行モードにわたる関節運動学的および運動力学的情報の連続的モデリングを支援する統一的かつ高精度のデータセットを提供すること。
• 現実世界の非定常状態の歩行に対応できる、適応的制御システムの開発を可能にすること。
• 標準化された時間正規化ストライドデータを通じて、参加者間のモデリングおよび制御戦略の個別化を促進すること。

提案手法

• プラグインゲートおよびカスタムマーカー設定を用いて、Viconシステムによる3次元モーショングレートキャプチャデータを収集し、骨格セグメントの追跡を安定化させる。
• トレイッドミル上のタスク中に、力板およびトレイッドミルデータを記録し、逆動力学法を用いて関節運動力学を算出する。
• 独自開発のMATLABパイプラインを実装し、試行を個々のストライドに分割し、力板（トレイッドミル）または手動ラベル（階段）を用いてつま先着地を検出するとともに、ストライドを150点に時間正規化する。
• ノイズ低減のため、4次バターワースローパスフィルタ（6 Hzカットオフ周波数）とウォルトリングスムージング（スムージングパラメータ20）を適用し、ダイナミクスを保持する。
• マーカーキャリブレーション段階で対称性および可動域チェックを実施し、データ品質を確保するとともに、歩行の非対称性を最小限に抑える。
• 外れ値検出（3×中央絶対偏差）、周期性の欠如、またはデータ欠損に基づき、トレイッドミルストライドの8.3%および階段ストライドの7.2%を除外して、データ整合性を確保する。

実験結果

リサーチクエスチョン

• RQ1 歩行速度（0.8–1.2 m/s）、勾配（±10°）、および走行速度（1.8–2.4 m/s）の連続的変化に伴い、下肢関節の運動学的および運動力学的情報はどのように変化するか？
• RQ2 歩行→走行、歩行→階段上り、座り→立ち上がりなどの歩行モード間の遷移において、関節運動および力の特徴的なパターンは何か？
• RQ3 このデータセットで訓練された連続的運動学的モデルは、離散的な歩行タスクの間をどれほど正確に補間できるか？
• RQ4 一定加速度／減速歩行および走行中に、関節モーメントおよび骨盤の傾きはどのように変化するか？
• RQ5 このデータセットは、現実世界の多様な歩行条件に一般化可能な、適応的制御システムの開発を支援できるか？

主な発見

• 全参加者において、全歩行モードで平均2006ストライドのデータが含まれており、データ品質上の問題によりトレイッドミルストライドの8.3%および階段ストライドの7.2%が除外された。
• 速度（0.8–2.4 m/s）、勾配（±10°）、および階段勾配（20°–35°）の連続的変化に加え、遷移を含む、関節運動学的および運動力学的情報が正常に記録された。
• 骨盤の傾き、股関節、膝関節、足首関節の角度が高時間分解能で記録され、歩行ダイナミクスの詳細な分析が可能になった。
• 逆動力学法と力板データを用いて、トレイッドミル上のタスクにおける関節モーメントが算出され、完全な運動力学的プロファイルが得られた。
• フーリエ変換ベースまたは基本関数による補間を用いることで、このデータセットは連続的歩行モデリングを可能にし、有限状態機械アプローチよりも滑らかな遷移を実現した。
• 独自開発のMATLABパイプラインにより、150点に時間正規化されたストライドの自動解析、正規化、品質管理が可能となり、参加者およびタスク間での一貫性が確保された。