[論文レビュー] Real-Time Gait Phase and Task Estimation for Controlling a Powered Ankle Exoskeleton on Extremely Uneven Terrain

Roberto Leo Medrano, Gray C. Thomas+3 more|arXiv (Cornell University)|Apr 30, 2022

Stroke Rehabilitation and Recovery被引用数 4

ひとこと要約

本論文は、動的で不整地の歩行中に、歩行周期、周期速度、歩幅、地面の勾配を継続的に推定する拡張カルマンフィルタ（EKF）を用いたリアルタイム制御器を提示する。この制御器は、これらの推定値に基づき、トルク支援をリアルタイムで適応させる。これにより、トレッドミル上（RMSE: 4.8 ± 2.4%）および不整地面上（RMSE: 4.8 ± 2.7%）で、最先端の周期推定精度を達成するとともに、勾配や歩幅といったタスク変数の推定も高精度で行っている。

ABSTRACT

Positive biomechanical outcomes have been reported with lower-limb exoskeletons in laboratory settings, but these devices have difficulty delivering appropriate assistance in synchrony with human gait as the task or rate of phase progression change in real-world environments. This paper presents a controller for an ankle exoskeleton that uses a data-driven kinematic model to continuously estimate the phase, phase rate, stride length, and ground incline states during locomotion, which enables the real-time adaptation of torque assistance to match human torques observed in a multi-activity database of 10 able-bodied subjects. We demonstrate in live experiments with a new cohort of 10 able-bodied participants that the controller yields phase estimates comparable to the state of the art, while also estimating task variables with similar accuracy to recent machine learning approaches. The implemented controller successfully adapts its assistance in response to changing phase and task variables, both during controlled treadmill trials (N=10, phase RMSE: 4.8 +- 2.4\%) and a real-world stress test with extremely uneven terrain (N=1, phase RMSE: 4.8 +- 2.7\%).

研究の動機と目的

• 実世界の環境における非定常状態の歩行に適応するリアルタイム制御戦略を、装着型下肢外骨格に開発すること。
• 動的歩行中に、歩行周期、周期速度、歩幅、地面の勾配を同時にかつ継続的に推定すること。
• タイミングベースの制御器の改善を図り、変化する歩行状態やタスクに応じてトルクプロファイルをリアルタイムで適応可能にすること。
• 変動性の高い実環境の外階段走行を含む、制御器の性能を、制御されたトレッドミル試験および挑戦的な屋外地形で検証すること。

提案手法

• 制御器は、10名の健常者による複数活動データベースから得られた、人間の歩行のデータ駆動型運動学的モデルを用いる。
• 拡張カルマンフィルタ（EKF）は、外骨格に搭載されたセンサの測定値（例：足の角度、すねの角度）を用いて、状態ベクトル（周期、周期速度、歩幅、地面の勾配）を推定する。
• EKFは、測定値の信号の情報量に応じて、測定の共分散を調整することで、センサ測定値への信頼度を動的に変更する。
• 非線形動的モデルを用いて状態の進化を予測し、非線形測定モデルを用いて予測状態をセンサ観測にマッピングする。
• 推定された周期およびタスク変数に基づき、リアルタイムでトルク支援をチューニングすることで、個別化された適応的支援を実現する。
• EKFは、定常状態の歩行データで訓練された歩行モデルで初期化されるが、遷移や非定常状態に対応できるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 EKFに基づくリアルタイムの歩行周期およびタスク推定システムは、不整地面上の非定常状態の歩行においても高い精度を達成できるか？
• RQ2 EKFベースの制御器は、最先端のタイミングベースおよび機械学習ベースの手法と比較して、歩行周期およびタスク変数の推定においてどの程度優れているか？
• RQ3 制御器は、周期速度、歩幅、地面の勾配の変化に応じて、トルク支援をどの程度リアルタイムで適応できるか？
• RQ4 外骨格の支援がセンサ測定値および推定精度に及ぼす影響、特に初期ステージにおける影響は何か？
• RQ5 ユーザーが外骨格支援に応じて歩行パターンを変化させた場合、EKFはその影響を受けても安定した性能を維持できるか？

主な発見

• EKFベースの制御器は、制御されたトレッドミル試験で、周期推定の平均二乗誤差（RMSE）が4.8 ± 2.4%を達成し、最先端のタイミングベース手法を上回った。
• 極めて不整な地形を想定した実環境ストレス試験では、周期のRMSEが4.8 ± 2.7%を維持し、動的かつ予測不能な環境下でも高いロバストネスを示した。
• システムはリアルタイムで歩幅および地面の勾配を推定でき、最近の機械学習手法と同等の推定精度を達成した。
• 推定された周期およびタスク変数に基づき、トルク支援をリアルタイムで適応させ、遷移段階や変動する地形でも個別化された支援を可能にした。
• 外骨格支援への個々の歩行適応（例：早期のつま先離脱）は、特に勾配推定においてバイアスを引き起こし、1名の被験者で最大7.3°の負のバイアスが観察された。
• EKFの性能は、外骨格に起因する歩行パターンの変化に敏感であることが判明し、今後のバージョンでは個別化された歩行モデルの導入で精度向上が期待される。