[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP2011121152A - Motion assisting device - Google Patents

Motion assisting device Download PDF

Info

Publication number
JP2011121152A
JP2011121152A JP2009282076A JP2009282076A JP2011121152A JP 2011121152 A JP2011121152 A JP 2011121152A JP 2009282076 A JP2009282076 A JP 2009282076A JP 2009282076 A JP2009282076 A JP 2009282076A JP 2011121152 A JP2011121152 A JP 2011121152A
Authority
JP
Japan
Prior art keywords
series data
time
joint
trajectory
time series
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2009282076A
Other languages
Japanese (ja)
Other versions
JP5400595B2 (en
Inventor
Tadashi Odajima
正 小田島
Goro Ohigata
五郎 大日方
Kazunori Hase
和徳 長谷
Young Woo Kim
泳佑 金
Riki Nagai
力 長井
Masayuki Tomeoki
昌幸 留置
Yosuke Hirate
庸介 平手
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nagoya University NUC
Toyota Motor Corp
Original Assignee
Nagoya University NUC
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nagoya University NUC, Toyota Motor Corp filed Critical Nagoya University NUC
Priority to JP2009282076A priority Critical patent/JP5400595B2/en
Publication of JP2011121152A publication Critical patent/JP2011121152A/en
Application granted granted Critical
Publication of JP5400595B2 publication Critical patent/JP5400595B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Manipulator (AREA)
  • Rehabilitation Tools (AREA)
  • Prostheses (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a motion assisting device for assisting motion by applying appropriate torque to a joint of a human body. <P>SOLUTION: The motion assisting device includes a memory module, a sensor for measuring an angle of the joint of the human body, a brace having a motor applying the torque to a specified joint, and a controller. The memory module stores a known trajectory group of n numbers of the joint angles from a first point in time to a second point in time, and known s-dimensional time-series data corresponding to respective known trajectories. The controller obtains a measured n-dimensional trajectory on time-series data of the n numbers of the measured joint angles, and calculates measured s-dimensional time-series data corresponding to the measured trajectories, where n>s. The controller compares the respective known time-series data till a middle point in time with the measured time-series data and identifies the known time-series data nearest to the measured time-series data to control the motor to allow the angle of the specified joint to follow the trajectory of the specified joint in the known trajectory corresponding to the identified known time-series data after a point in time set after the middle point in time. <P>COPYRIGHT: (C)2011,JPO&INPIT

Description

本発明は、人の関節にトルクを加えて人の動作を補助する動作補助装置に関する。   The present invention relates to a motion assisting device that assists human motion by applying torque to a human joint.

人の関節にトルクを加えて人の動作を補助する動作補助装置が研究されている。特許文献1に、そのような動作補助装置の一つが開示されている。特許文献1の動作補助装置は、人の関節にトルクを加えるアクチュエータを有する装具と、人の動作パターンを構成する複数の最小単位(フェーズ)を、予め定められた基準パラメータで分類したデータベースを備えている。基準パラメータには、例えば関節角が選ばれる。その動作補助装置は、基準パラメータに相当する物理量を計測し、計測結果を基準パラメータと比較することによって現在人が行っている動作のフェーズを推定する。即ち、動作補助装置は、計測結果に最も近い基準パラメータを有するフェーズを、人が行っている動作パターンの推定値として決定する。そして動作補助装置は、推定されたフェーズを実現するように人の関節にトルクを付与し、人の動作を補助する。   Research has been made on motion assist devices that apply torque to human joints to assist human motion. Patent Document 1 discloses one such operation assisting device. The motion assisting device of Patent Document 1 includes a device having an actuator that applies torque to a human joint, and a database in which a plurality of minimum units (phases) constituting a human motion pattern are classified according to predetermined reference parameters. ing. For example, a joint angle is selected as the reference parameter. The motion assisting device measures a physical quantity corresponding to the reference parameter and compares the measurement result with the reference parameter to estimate the phase of the motion currently being performed by the person. That is, the motion assisting device determines the phase having the reference parameter closest to the measurement result as the estimated value of the motion pattern performed by the person. The motion assisting device assists human motion by applying torque to the human joint so as to realize the estimated phase.

特開2005−95561号公報JP 2005-95561 A

人の動作を補助する動作補助装置には、動作パターンごとに適切なトルクを人の関節に加えることが求められる。なお、特許文献1における「フェーズ」は、動作パターンを換言したものと考えられる。人の動作を適切に補助するためには、人が行っている動作のパターンを適切に推定することが必要である。本発明は、人が行っている動作のパターンを適切に推定し、推定した動作パターンに基づいて人の関節に適切なトルクを付与することのできる動作補助装置を提供する。   A motion assisting device that assists human motion is required to apply an appropriate torque to a human joint for each motion pattern. The “phase” in Patent Document 1 is considered to be an operation pattern. In order to appropriately assist human movements, it is necessary to appropriately estimate the patterns of movements performed by humans. The present invention provides a motion assisting device that can appropriately estimate a motion pattern performed by a person and apply an appropriate torque to a human joint based on the estimated motion pattern.

人の動作パターンは、関節の角度の軌道で定まる。ここで、「軌道」は、「時系列データ」或いは「経時的変化」と換言してもよい。従って、人の動作パターンを推定する方法として次の手順が考えられる。まず、人の予め定められた動作に伴って実現されるn個の関節の角度の軌道データ(既知軌道)を相互に異なる複数の動作について記憶しておく。次に、人が何等かの動作を行っている最中の関節角度をリアルタイムに計測する。計測された関節角度の軌道データ(計測軌道)に最も近い既知軌道を記憶されている既知軌道群から選択する。選択された既知軌道が表す動作パターンが、人が現在行っている動作パターンの推定値として決定される。   The human movement pattern is determined by the joint angle trajectory. Here, “trajectory” may be rephrased as “time-series data” or “change over time”. Therefore, the following procedure can be considered as a method of estimating a human motion pattern. First, n-joint angle trajectory data (known trajectory) realized in accordance with a predetermined motion of a person is stored for a plurality of different motions. Next, the joint angle during which a person is performing some motion is measured in real time. The known trajectory closest to the measured joint angle trajectory data (measured trajectory) is selected from the stored known trajectory group. The motion pattern represented by the selected known trajectory is determined as an estimated value of the motion pattern currently being performed by the person.

しかしながら上記の方法では必ずしも正確に動作パターンを推定できない。その主な要因は2つある。第1の要因は、動作補助装置が、自力では目的の動作パターンを完全には実現できない人が対象であることに起因する。補助を要する関節は、補助なしでは目的とする関節角軌道に沿って動かないことが起こり得る。即ち、センサによって検出した関節角群の軌道データ(計測軌道)は、本来一致すべき既知軌道に必ずしも一致するとは限らない。第2の要因は、人が行っている動作が繰り返す毎に微妙に異なることに起因する。例えば歩行動作では、関節の角度が描く軌道は歩行周期毎に僅かに異なる。歩行動作に限らず、同じ動作でも繰り返し毎に関節の角度の軌道が僅かに変動することはしばしば発生する。そのため、例えば、n個の関節の角度の軌道で構成されるn次元の計測軌道を、予め記憶されている複数のn次元の既知軌道の夫々と比較する場合、繰り返し毎の計測軌道の変動に起因して適切でない既知軌道が選択されてしまう虞がある。   However, the above method cannot always estimate the motion pattern accurately. There are two main factors. The first factor is due to the fact that the motion assisting device is intended for a person who cannot completely achieve the target motion pattern by himself. A joint that requires assistance may not move along the intended joint angular trajectory without assistance. That is, the trajectory data (measurement trajectory) of the joint angle group detected by the sensor does not necessarily coincide with the known trajectory that should be consistent. The second factor is due to the fact that each time an action performed by a person is repeated slightly changes. For example, in a walking motion, the trajectory drawn by the joint angle is slightly different for each walking cycle. Not only the walking motion but also the same motion often occurs that the trajectory of the joint angle slightly varies with each repetition. Therefore, for example, when an n-dimensional measurement trajectory composed of n joint angle trajectories is compared with each of a plurality of previously stored n-dimensional known trajectories, the measurement trajectory varies every repetition. Due to this, there is a possibility that a known known trajectory may be selected.

本明細書が開示する新規な技術は、動作パターンの適切な推定を阻害する上記2つの要因の影響を低減する。そのための技術の一つは、補助を要しない先行タイムスパンと補助を要する後続タイムスパンの2つのタイムスパンを含む既知軌道で一連の動作パターンを表し、先行タイムスパンの間で計測軌道に最も近い既知軌道を特定する。補助を要しない先行タイムスパンでは、計測軌道は、人が意図した動作パターンに対応する既知軌道に近くなるはずである。本明細書が開示する技術の一つは、補助を要しない先行タイムスパンにおいて計測軌道と既知軌道を比較することによって、適切な既知軌道を特定できる可能性を高める。即ち、そのような技術によって、前述した第1の要因の影響を低減する。   The novel technique disclosed in this specification reduces the influence of the above two factors that hinder proper estimation of motion patterns. One technique for this is to represent a series of motion patterns in a known trajectory that includes two time spans, a preceding time span that does not require assistance and a subsequent time span that requires assistance, and is closest to the measurement trajectory between the preceding time spans. Identify known trajectories. In a preceding time span that does not require assistance, the measured trajectory should be close to the known trajectory corresponding to the motion pattern intended by the person. One of the techniques disclosed in this specification increases the possibility of identifying an appropriate known trajectory by comparing a measured trajectory with a known trajectory in a preceding time span that does not require assistance. That is, the influence of the first factor described above is reduced by such a technique.

本明細書が開示する新規な技術の他の一つは、n次元の計測軌道に最も近い既知軌道を特定する際、主成分分析によってn次元よりも縮約(低次元化)した変数を採用する。主成分分析は、多変量解析ではよく知られた手法であり、n次元の説明変数によって表される特徴をできるだけ継承しながらnより小さいs次元の目的変数に変換する変換関数を与える。主成分分析による低次元化は、n次元の説明変数の局所的な変動の影響を抑制し、大局的な振舞いを良く表すs次元の目的変数ベクトルを与える。本明細書が開示する技術の一つは、そのような主成分分析の手法を動作補助装置に応用する。   Another one of the new technologies disclosed in this specification adopts a variable reduced (reduced in dimension) from n dimensions by principal component analysis when identifying a known orbit closest to an n-dimensional measurement orbit. To do. Principal component analysis is a well-known technique in multivariate analysis, and provides a conversion function that converts an s-dimensional objective variable smaller than n while inheriting features represented by n-dimensional explanatory variables as much as possible. The reduction in dimensions by principal component analysis suppresses the influence of local fluctuations in n-dimensional explanatory variables, and gives an s-dimensional objective variable vector that well represents the global behavior. One of the techniques disclosed in this specification applies such a principal component analysis technique to an operation assisting device.

本明細書が開示する動作補助装置の一実施形態は、記憶モジュール、センサ、装具、及びコントローラを備える。記憶モジュールは、人の予め定められた動作に伴って実現されるn個の人の関節の角度の第1タイミングから第2タイミングまでの既知軌道を複数の相互に異なる動作群の夫々について記憶している。さらに記憶モジュールは、後述する変換関数に、n次元の各既知軌道の各時刻における値を入力して得られるs次元の目的変数ベクトルの既知時系列データ群を記憶している。ここで、変換関数は、n個の関節の角度を説明変数として入力するとnより小さいs次元の目的変数ベクトルを出力する主成分分析に基づく関数である。変換関数は、実験や解析などによって予め決定されている。   One embodiment of the motion assist device disclosed in the present specification includes a storage module, a sensor, a brace, and a controller. The storage module stores the known trajectories from the first timing to the second timing of the angles of the n human joints realized in accordance with a predetermined motion of the human for each of a plurality of different motion groups. ing. Further, the storage module stores a known time-series data group of s-dimensional objective variable vectors obtained by inputting values at each time of n-dimensional known trajectories into a conversion function described later. Here, the conversion function is a function based on principal component analysis that outputs an s-dimensional objective variable vector smaller than n when n joint angles are input as explanatory variables. The conversion function is determined in advance by experiments or analysis.

センサは、n個の人の関節の角度を計測する。装具は、n個の人の関節の中の特定関節にトルクを加えるアクチュエータを有する。コントローラは、アクチュエータを制御する。そのコントローラは、計測軌道取得処理、計測時系列データ算出処理、最近既知時系列データ特定処理、追従制御処理を実行する。計測軌道取得処理ではコントローラは、先行タイムスパンの間に、特定関節にトルクを加えないようにアクチュエータを制御しながら、センサによって計測されるn個の関節の角度の時系列データによって構成されるn次元の計測軌道を取得する。ここで、先行タイムスパンは、第1タイミングと、第1タイミング以降であり第2タイミングよりも早いタイミングに設定されている中間タイミングとの間の期間を意味する。   The sensor measures the angle of n human joints. The brace has an actuator that applies torque to a specific joint among n human joints. The controller controls the actuator. The controller executes measurement trajectory acquisition processing, measurement time series data calculation processing, recently known time series data identification processing, and tracking control processing. In the measurement trajectory acquisition process, the controller controls n actuators so as not to apply torque to the specific joint during the preceding time span, and includes n-series angle time series data measured by the sensor. Get the measurement trajectory of a dimension. Here, the preceding time span means a period between the first timing and an intermediate timing set after the first timing and at a timing earlier than the second timing.

計測時系列データ算出処理ではコントローラは、変換関数に、n次元の計測軌道の各時刻における値を入力して得られる先行タイムスパンにおけるs次元の目的変数ベクトルの計測時系列データを算出する。最近既知時系列データ特定処理ではコントローラは、各既知時系列データの先行タイムスパンにおけるデータを計測時系列データと比較し、比較結果に基づいて計測時系列データに最も近い既知時系列データを特定する。追従制御処理ではコントローラは、中間タイミング以後に設定されている補助開始タイミング以降に、特定された既知時系列データに対応する既知軌道に含まれている特定関節の軌道に、特定関節の計測角度が追従するようにアクチュエータを追従制御する。なお、追従制御は、古典制御理論による制御則を採用してもよいし、現代制御理論による制御則を採用してもよい。ここで、補助開始タイミングは、中間タイミングにほぼ等しいことが好ましい。   In the measurement time series data calculation process, the controller calculates the measurement time series data of the s-dimensional objective variable vector in the preceding time span obtained by inputting the value at each time of the n-dimensional measurement trajectory to the conversion function. In the recently known time series data specifying process, the controller compares the data in the preceding time span of each known time series data with the measured time series data, and specifies the known time series data closest to the measured time series data based on the comparison result. . In the follow-up control process, after the auxiliary start timing set after the intermediate timing, the controller determines that the measurement angle of the specific joint is in the specific joint trajectory included in the known trajectory corresponding to the specified known time series data. The actuator is controlled so as to follow. The follow-up control may employ a control law based on classical control theory or a control law based on modern control theory. Here, the auxiliary start timing is preferably substantially equal to the intermediate timing.

本明細書が開示する新規な動作補助装置は、先行タイムスパンを予め設定し、その先行タイムスパンの間に人の関節にトルクを加えずにセンサによってn個の関節の角度の時系列データによって構成されるn次元計測軌道を取得する。計測軌道を取得している期間は、人の特定関節にトルクが加えられない。逆に言えば、先行タイムスパンは、人が装置の補助なしに目的の動作を継続することができる期間に予め設定される。そのため、先行タイムスパンの間は、動作補助がなくとも人はスムーズに動作を行うことができる。そのような構成によって、上記第1の要因を抑制する。   The novel motion assisting device disclosed in the present specification sets a preceding time span in advance, and by applying time series data of n joint angles by a sensor without applying torque to a human joint during the preceding time span. Obtain a configured n-dimensional measurement trajectory. During the period when the measurement trajectory is acquired, no torque is applied to the specific joint of the person. In other words, the preceding time span is set in advance to a period in which a person can continue the intended operation without assistance from the device. Therefore, during the preceding time span, a person can operate smoothly without assistance. With such a configuration, the first factor is suppressed.

さらに本明細書が開示する動作補助装置は、複数のn次元既知軌道ベクトルの中から計測軌道に最も近い既知軌道を特定する。特定の際、コントローラは、n次元の既知軌道とn次元の計測軌道を直接に比較するのではなく、既知軌道と計測軌道の夫々をn次元を低次元化したs(n>s)次元の目的変数ベクトルの時系列データ同士で比較する。   Furthermore, the motion assisting device disclosed in this specification specifies a known trajectory closest to the measurement trajectory from among a plurality of n-dimensional known trajectory vectors. At the time of identification, the controller does not directly compare the n-dimensional known trajectory and the n-dimensional measurement trajectory, but instead of each of the known trajectory and the measurement trajectory, the s (n> s) dimension obtained by reducing the n-dimensionality Compare the time series data of the objective variable vectors.

記憶された既知時系列データや計測時系列データは、動作パターンを表す関節の数nよりも低次元でありながら、n個の関節の全体の動きを反映している。従って、動作パターンの相違に応じて夫々の既知時系列データが描く軌跡が異なる。ここで、「既知時系列データが描く軌跡」とは、s次元空間においてs次元目的変数ベクトルの既知時系列データが時間の経過とともに描く軌跡である。   The stored known time-series data and measured time-series data reflect the overall movement of the n joints while having a lower dimension than the number n of joints representing the motion pattern. Therefore, the locus drawn by each known time-series data differs depending on the difference in operation pattern. Here, the “trajectory drawn by the known time series data” is a trajectory drawn by the known time series data of the s-dimensional objective variable vector over time in the s-dimensional space.

上記の動作補助装置によれば、低次元化された変数を用いて比較が行われるので、n個の関節の角度の時系列データの局所的な変動が比較結果に与える影響を抑制することができ、大局的な振る舞いが計測軌道に最も似ている既知軌道が選択される。そのような構成は、n次元の個々の関節角を比較する必要がなく、前述した第2の要因の影響を抑制することができる。   According to the motion assisting device described above, since the comparison is performed using the reduced-order variable, it is possible to suppress the influence of the local variation of the time series data of the n joint angles on the comparison result. A known trajectory is selected that has a global behavior that most closely resembles the measurement trajectory. In such a configuration, it is not necessary to compare individual joint angles of n dimensions, and the influence of the second factor described above can be suppressed.

コントローラは、計測時系列データと特定された既知時系列データとの差が閾値よりも大きい場合に、追従制御をキャンセルすることが好ましい。計測時系列データと特定された既知時系列データとの差が閾値よりも大きい場合とは、同じタイミングにおける既知軌道上の値と計測軌道上の値との差が大きいことを意味する。即ち、そのような構成は、特定関節の計測角度と既知軌道に含まれる特定関節の目標値が大きく異なる場合に特定関節が大きく動かされてしまうことを防止する。なお、計測角度とは、センサによって計測された関節角度を意味する。   The controller preferably cancels the follow-up control when the difference between the measured time series data and the identified known time series data is greater than a threshold value. The case where the difference between the measured time series data and the identified known time series data is larger than the threshold value means that the difference between the value on the known trajectory and the value on the measurement trajectory at the same timing is large. That is, such a configuration prevents the specific joint from being largely moved when the measurement angle of the specific joint and the target value of the specific joint included in the known trajectory are greatly different. The measurement angle means a joint angle measured by a sensor.

本発明によれば、人が行っている動作のパターンを適切に推定し、推定した動作パターンに基づいて人の関節に適切なトルクを付与することのできる動作補助装置を実現することができる。   ADVANTAGE OF THE INVENTION According to this invention, the operation | movement assistance apparatus which can estimate appropriately the pattern of the operation | movement which the person is performing, and can provide an appropriate torque to a human joint based on the estimated operation pattern is realizable.

実施例の動作補助装置の模式図を示す。The schematic diagram of the operation | movement assistance apparatus of an Example is shown. 動作補助装置のコントローラのブロック図を示す。The block diagram of the controller of a movement assistance apparatus is shown. 関節角の軌道の模式的グラフを示す。A schematic graph of the joint angle trajectory is shown. コントローラが実行する処理のフローチャート図を示す。The flowchart figure of the process which a controller performs is shown.

図面を参照して実施例の動作補助装置100を説明する。本実施例では、ユーザは左膝関節を自由に動かすことができないと仮定する。本実施例の動作補助装置100は、ユーザの左膝関節に適切なトルクを加えてユーザの歩行動作を補助する装置である。以下では、動作補助装置100が補助の対象とする左膝関節を特定関節と称することがある。図1に、ユーザが装着した状態の動作補助装置100の模式図を示す。図1(A)は正面図を示し、図1(B)は側面図を示す。   An operation assisting device 100 according to an embodiment will be described with reference to the drawings. In this embodiment, it is assumed that the user cannot move the left knee joint freely. The motion assisting device 100 according to the present embodiment is a device that assists the user's walking motion by applying an appropriate torque to the user's left knee joint. Hereinafter, the left knee joint that the motion assisting device 100 assists may be referred to as a specific joint. FIG. 1 shows a schematic diagram of the motion assisting device 100 in a state worn by the user. 1A shows a front view, and FIG. 1B shows a side view.

動作補助装置100は、ユーザの左脚に沿って装着される脚装具12と、コントローラ40を備えている。脚装具12は、支持リンク30によってユーザの腰に固定されている。   The motion assisting device 100 includes a leg brace 12 that is worn along the left leg of the user, and a controller 40. The leg brace 12 is fixed to the user's waist by a support link 30.

脚装具12を詳しく説明する。脚装具12は、ユーザの大腿部から下腿部に沿って左脚の外側に装着される。脚装具12は、上部リンク14L、下部リンク16L、及び足底リンク18Lを有する多リンク機構を有する。上部リンク14Lの上端が腰ジョイント20aLを介して支持リンク30に揺動可能に連結されている。下部リンク16Lは、膝の外側に位置する膝ジョイント20bLによって、上部リンク14Lに揺動可能に連結されている。足底リンク18Lは、ユーザの足首の外側に位置する足首ジョイント20cLによって、下部リンク16Lに揺動可能に連結されている。上部リンク14Lは、ベルトでユーザの大腿部に固定される。下部リンク16Lは、ベルトでユーザの下腿部に固定される。足底リンク18Lは、ベルトでユーザの足底に固定される。足底リンク18Lを固定するベルトは、図示を省略している。支持リンク30は、ユーザの体幹(腰)に固定される。   The leg brace 12 will be described in detail. The leg brace 12 is attached to the outside of the left leg from the user's thigh to the lower leg. The leg orthosis 12 has a multi-link mechanism having an upper link 14L, a lower link 16L, and a sole link 18L. The upper end of the upper link 14L is swingably connected to the support link 30 via the waist joint 20aL. The lower link 16L is swingably connected to the upper link 14L by a knee joint 20bL located outside the knee. The sole link 18L is swingably coupled to the lower link 16L by an ankle joint 20cL located outside the user's ankle. The upper link 14L is fixed to the user's thigh with a belt. The lower link 16L is fixed to the user's lower leg with a belt. The sole link 18L is fixed to the user's sole with a belt. The belt for fixing the sole link 18L is not shown. The support link 30 is fixed to the trunk (waist) of the user.

ユーザが脚装具12を装着すると、腰ジョイント20aL、膝ジョイント20bL、及び、足首ジョイント20cLは夫々、ユーザの股関節のピッチ軸、膝関節のピッチ軸、及び、足首関節のピッチ軸と同軸に位置する。脚装具12Lの各リンクは、ユーザの左脚の動きに応じて揺動することができる。各ジョイントには、ジョイントの角度(リンク間の角度)を計測するためのエンコーダ21が取り付けられている。腰ジョイント20aLのエンコーダ21は、ユーザの左脚股関節の角度を計測する。膝ジョイント20bLのエンコーダ21は、ユーザの左膝関節の角度を計測する。足首ジョイント20cLのエンコーダ21は、ユーザの左足首関節の角度を計測する。以下では、各ジョイントに取り付けられているエンコーダ群21を脚センサ21と総称することがある。脚装具12が有する脚センサ21は、ユーザの関節の角度を計測するセンサに相当する。   When the user wears the leg brace 12, the waist joint 20aL, the knee joint 20bL, and the ankle joint 20cL are positioned coaxially with the pitch axis of the user's hip joint, the pitch axis of the knee joint, and the pitch axis of the ankle joint, respectively. . Each link of the leg brace 12L can swing according to the movement of the user's left leg. Each joint is attached with an encoder 21 for measuring a joint angle (an angle between links). The encoder 21 of the waist joint 20aL measures the angle of the user's left leg hip joint. The encoder 21 of the knee joint 20bL measures the angle of the user's left knee joint. The encoder 21 of the ankle joint 20cL measures the angle of the user's left ankle joint. Hereinafter, the encoder group 21 attached to each joint may be collectively referred to as a leg sensor 21. The leg sensor 21 included in the leg brace 12 corresponds to a sensor that measures the angle of the user's joint.

膝ジョイント20bLには、モータ32(アクチュエータ)が取り付けられている。モータ32は、ユーザの膝関節の外側に位置する。モータ32は、上部リンク14Lと下部リンク16Lを相対的に揺動させることができる。即ちモータ32は、ユーザの左膝関節にトルクを加えることができる。また、モータ32はクラッチ33を備えている。クラッチ33を解放すると、モータ32から左膝関節へのトルク伝達経路が遮断される。別言すると、クラッチ33を解放すると、膝ジョイント20bLは揺動自在となる。クラッチ33を解放すると、ユーザは左膝関節を自由に揺動させることができる。   A motor 32 (actuator) is attached to the knee joint 20bL. The motor 32 is located outside the user's knee joint. The motor 32 can relatively swing the upper link 14L and the lower link 16L. That is, the motor 32 can apply torque to the user's left knee joint. The motor 32 includes a clutch 33. When the clutch 33 is released, the torque transmission path from the motor 32 to the left knee joint is interrupted. In other words, when the clutch 33 is released, the knee joint 20bL can swing. When the clutch 33 is released, the user can freely swing the left knee joint.

符号40は、モータ32を制御するコントローラを示している。図2にコントローラ40のブロック図を示す。コントローラ40の構造を概説する。コントローラ40は、記憶モジュール52を内蔵しており、そこに種々のデータを記憶している。コントローラ40は、推定モジュール54とサーボコントローラ56を備えている。コントローラ40はハードウエアとしてCPUを備えており、推定モジュール54とサーボコントローラ56の機能はソフトウエアとCPUで実現される。   Reference numeral 40 denotes a controller that controls the motor 32. FIG. 2 shows a block diagram of the controller 40. The structure of the controller 40 will be outlined. The controller 40 incorporates a storage module 52 and stores various data therein. The controller 40 includes an estimation module 54 and a servo controller 56. The controller 40 includes a CPU as hardware, and the functions of the estimation module 54 and the servo controller 56 are realized by software and a CPU.

記憶モジュール52には、相互に異なる複数の既知軌道が記憶されている。既知軌道は、人の予め定められた動作に伴って実現されるn個の人の関節の角度の時系列データの集合である。記憶モジュール52は、さらに、各既知軌道のデータを変換関数にて変換した目的変数ベクトルの時系列データ(既知時系列データ)を夫々の既知軌道に対応付けて記憶している。既知軌道と、既知時系列データについては後に詳しく説明する。   The storage module 52 stores a plurality of different known trajectories. The known trajectory is a set of time-series data of the angles of the n human joints realized in accordance with a predetermined motion of the human. The storage module 52 further stores time series data (known time series data) of objective variable vectors obtained by converting the data of each known trajectory with a conversion function in association with each known trajectory. The known trajectory and the known time series data will be described in detail later.

推定モジュール54は、エンコーダ21(脚センサ)によって計測された関節角度の時系列データ(計測軌道)を、記憶モジュール52に記憶された既知軌道群の夫々と比較し、計測軌道に最も近い既知軌道を選択する。なお、選択の具体的な方法については後述する。選択された既知軌道はサーボコントローラ56へ出力される。サーボコントローラ56は、ユーザの左膝関節の計測角度が、既知軌道に含まれている膝関節の軌道に追従するようにモータ32を制御する。推定モジュール54によって、ユーザが行っている動作が推定され、推定された動作を実現するための既知軌道が選択される。サーボコントローラ56によって、ユーザの膝関節の計測角度が推定された動作(推定された既知軌道)に追従するようにモータ32が制御される。こうして、動作補助装置100は、ユーザが行っている動作を推定し、推定された動作を補助するように膝関節にトルクを加える。   The estimation module 54 compares the time series data (measurement trajectory) of the joint angles measured by the encoder 21 (leg sensor) with each of the known trajectory groups stored in the storage module 52, and the known trajectory closest to the measurement trajectory. Select. A specific method of selection will be described later. The selected known trajectory is output to the servo controller 56. The servo controller 56 controls the motor 32 so that the measurement angle of the user's left knee joint follows the knee joint trajectory included in the known trajectory. The estimation module 54 estimates the action being performed by the user and selects a known trajectory for realizing the estimated action. The servo controller 56 controls the motor 32 so as to follow the operation (estimated known trajectory) in which the measurement angle of the user's knee joint is estimated. In this way, the motion assisting device 100 estimates the motion being performed by the user, and applies torque to the knee joint so as to assist the estimated motion.

記憶モジュール52に記憶されている既知軌道について説明する。既知軌道は、人の予め定められた歩行動作に伴って実現される3個の人の関節(股関節、膝関節、及び足首関節)の角度の時系列データの集合である。図3に、一つの既知軌道の例を示す。本実施例の既知軌道は、歩行の一周期のタイムスパンTSにわたる左脚の股関節、膝関節、及び足首関節の時系列データで構成されている。タイムスパンTSの始点をタイミングtAで表し、タイムスパンTSの終点をタイミングtCで表す。   The known trajectory stored in the storage module 52 will be described. The known trajectory is a set of time-series data of angles of three human joints (hip joint, knee joint, and ankle joint) realized in accordance with a predetermined walking motion of the person. FIG. 3 shows an example of one known trajectory. The known trajectory of the present embodiment is composed of time series data of the hip joint, knee joint, and ankle joint of the left leg over a time span TS of one cycle of walking. The start point of the time span TS is represented by timing tA, and the end point of the time span TS is represented by timing tC.

図3中の符号θhrは、既知軌道に含まれる股関節の時系列データを示す。符号θkrは、既知軌道に含まれる膝関節の時系列データを示す。符号θarは、既知軌道に含まれる足首関節の時系列データを示す。図3のグラフはそれぞれの関節角θhr、θkr、及びθarの経時変化を模式的に示しおり、関節角の現実のグラフとは異なる。タイミングtAは、歩行の1周期の始点に相当し、タイミングtCは、歩行の1周期の終点に相当する。即ち、各既知軌道は、歩行の1周期の開始タイミングtAから終了タイミングtCまでのタイムスパンTSにわたるデータを含んでいる。   A symbol θhr in FIG. 3 indicates time series data of the hip joint included in the known trajectory. A symbol θkr indicates time series data of the knee joint included in the known trajectory. The symbol θar indicates time series data of the ankle joint included in the known trajectory. The graph of FIG. 3 schematically shows changes with time of the joint angles θhr, θkr, and θar, and is different from the actual graph of the joint angles. Timing tA corresponds to the start point of one cycle of walking, and timing tC corresponds to the end point of one cycle of walking. That is, each known trajectory includes data over a time span TS from the start timing tA to the end timing tC of one cycle of walking.

記憶モジュール52は、相互に異なる複数の動作群の夫々についての既知軌道を記憶している。例えば、一つの既知軌道は、図3の既知軌道よりも歩幅の大きな歩行動作に伴って実現される関節角の時系列データ群を表し、他の一つの既知軌道は、図3の既知軌道よりも歩幅の小さな歩行動作に伴って実現される関節角の時系列データ群を表す。既知軌道は、予め用意されている。本実施例の説明では3種の既知軌道を例示したが、既知軌道の数はいくつでもよい。   The storage module 52 stores a known trajectory for each of a plurality of different operation groups. For example, one known trajectory represents a time-series data group of joint angles realized with a walking motion having a larger step than the known trajectory in FIG. 3, and the other known trajectory is more than the known trajectory in FIG. Represents a time-series data group of joint angles realized with a walking motion with a small stride. The known trajectory is prepared in advance. In the description of the present embodiment, three types of known trajectories are illustrated, but the number of known trajectories may be any number.

記憶モジュール52は、各既知軌道のデータを変換関数にて変換した目的変数ベクトルの時系列データ(既知時系列データ)を既知軌道に対応付けて記憶している。変換関数について説明する。本実施例で用いる変換関数は、n個の関節の角度を説明変数として入力するとnより小さいs次元の目的変数ベクトルを出力する関数である。本実施例では、n=3であり、s=2である。夫々の既知軌道のデータは、左脚の股関節、膝関節、及び足首関節の3個の関節の角度の時系列データ(θhr(t)、θkr(t)、及びθar(t))で構成されている。変換関数は、それら3個の時系列データの各タイミングにおける値を説明変数として入力すると、2次元の目的変数ベクトルの既知時系列データ(Ar(t)、Br(t))を出力する関数である。本実施例で用いる変換関数を(数1)に示す。   The storage module 52 stores time series data (known time series data) of objective variable vectors obtained by converting the data of each known trajectory with a conversion function in association with the known trajectory. The conversion function will be described. The conversion function used in the present embodiment is a function that outputs an s-dimensional objective variable vector smaller than n when the angles of n joints are input as explanatory variables. In this embodiment, n = 3 and s = 2. Each known trajectory data is composed of time series data (θhr (t), θkr (t), and θar (t)) of the angles of the three joints of the left leg hip joint, knee joint, and ankle joint. ing. The conversion function is a function that outputs known time-series data (Ar (t), Br (t)) of a two-dimensional objective variable vector when values at the respective timings of these three time-series data are input as explanatory variables. is there. The conversion function used in this embodiment is shown in (Equation 1).

Figure 2011121152
Figure 2011121152

(数1)は、3個の関節の角度の時系列データ(θhr(t)、θkr(t)、及びθar(t))から、主成分分析法によって2個の主成分の時系列データ(Ar(t)、Br(t))を得る式である。即ち、(数1)の目的変数ベクトルの既知時系列データAr(t)、Br(t)が主成分に相当する。(数1)において、a1、a2、a3、b1、b2、及び、b3は、主成分に対する各関節の重み係数であり、予め与えられる係数である。この変換関数によって得られる2次元の目的変数ベクトルの既知時系列データ(Ar(t)、Br(t))は、2次元でありながら、3個の説明変数、即ち、既知軌道の時系列データ(θhr(t)、θkr(t)、及びθar(t))の全体が示す特徴をよく反映している。記憶モジュール52は、既知軌道毎に上記(数1)で得られる目的変数ベクトルの既知時系列データを記憶している。   (Equation 1) is obtained from the time series data (θhr (t), θkr (t), and θar (t)) of the angles of the three joints using the principal component analysis method. Ar (t), Br (t)) is obtained. That is, the known time series data Ar (t) and Br (t) of the objective variable vector of (Equation 1) correspond to the main components. In (Equation 1), a1, a2, a3, b1, b2, and b3 are weight coefficients of each joint with respect to the principal component, and are coefficients given in advance. The known time-series data (Ar (t), Br (t)) of the two-dimensional objective variable vector obtained by this conversion function is two-dimensional, but three explanatory variables, that is, time-series data of known trajectories. The characteristics indicated by the whole of (θhr (t), θkr (t), and θar (t)) are well reflected. The storage module 52 stores the known time series data of the objective variable vector obtained by the above (Equation 1) for each known trajectory.

図4にコントローラ40が実行する処理のフローチャートを示す。コントローラ40は、歩行の1周期が始まる毎に図4のフローチャートの処理を開始する。即ち、コントローラ40は、歩行1周期の既知軌道の開始タイミングtAと終了タイミングtCを記憶しているとともに、経過時間を計測するタイマを有している。また、コントローラ40は、予め設定されている中間タイミングtBも記憶している。中間タイミングtBは、開始タイミングtAと終了タイミングtCの間に設定されている。別言すれば、中間タイミングtBは、終了タイミングtCよりも早いタイミングに設定されている。中間タイミングtBの用法は後に説明する。なお、開始タイミングtAが第1タイミングに相当し、終了タイミングtCが第2タイミングに相当する。また、以下では、開始タイミングtAから中間タイミングtBまでのタイムスパンTAを先行タイムスパンTAと称し、中間タイミングtBから終了タイミングtCまでのタイムスパンTBを後続タイムスパンTBと称する。   FIG. 4 shows a flowchart of processing executed by the controller 40. The controller 40 starts the process of the flowchart of FIG. 4 every time one cycle of walking starts. That is, the controller 40 stores a start timing tA and an end timing tC of a known trajectory for one walking cycle, and has a timer for measuring elapsed time. The controller 40 also stores a preset intermediate timing tB. The intermediate timing tB is set between the start timing tA and the end timing tC. In other words, the intermediate timing tB is set to a timing earlier than the end timing tC. The usage of the intermediate timing tB will be described later. The start timing tA corresponds to the first timing, and the end timing tC corresponds to the second timing. Hereinafter, the time span TA from the start timing tA to the intermediate timing tB is referred to as a preceding time span TA, and the time span TB from the intermediate timing tB to the end timing tC is referred to as a subsequent time span TB.

コントローラ40は、開始タイミングtAで図4の処理を開始すると、まずクラッチ33を解放し、モータ32と膝ジョイント20bLの間の動力伝達経路を遮断する(S2)。クラッチ33を解放することで、膝ジョイント20bLは回転自在となる。コントローラ40は開始時刻tAから中間タイミングtBまでの先行タイムスパンTAの間、クラッチ33の開放を維持する。このクラッチ33を解放する処理は、別言すれば、コントローラ40が、先行タイムスパンTAの間、左膝関節(特定関節)にトルクを加えないようにモータ32を制御することに相当する。   When the process of FIG. 4 is started at the start timing tA, the controller 40 first releases the clutch 33 and shuts off the power transmission path between the motor 32 and the knee joint 20bL (S2). By releasing the clutch 33, the knee joint 20bL becomes rotatable. The controller 40 maintains the release of the clutch 33 during the preceding time span TA from the start time tA to the intermediate timing tB. In other words, the process of releasing the clutch 33 corresponds to the controller 40 controlling the motor 32 so as not to apply torque to the left knee joint (specific joint) during the preceding time span TA.

コントローラ40は、処理開始とともにタイマをスタートさせ、開始タイミングtAからの経過時間が先行タイムスパンTAに到達するまで、エンコーダ21が計測する各関節の角度を取得する(S4、S6:YES)。以下、股関節の計測角度を符号θhs(t)で表す。同様に、膝関節の計測角度を符号θks(t)で表し、足首関節の計測角度を符号θas(t)で表す。股関節、膝関節、及び足首関節の計測角θhs(t)、θks(t)、及び、θas(t)の時系列データが計測軌道に相当する。   The controller 40 starts the timer as the process starts, and acquires the angle of each joint measured by the encoder 21 until the elapsed time from the start timing tA reaches the preceding time span TA (S4, S6: YES). Hereinafter, the measurement angle of the hip joint is represented by the symbol θhs (t). Similarly, the measurement angle of the knee joint is represented by the symbol θks (t), and the measurement angle of the ankle joint is represented by the symbol θas (t). The time series data of the measurement angles θhs (t), θks (t), and θas (t) of the hip joint, knee joint, and ankle joint correspond to the measurement trajectory.

開始タイミングtAからの経過時間が先行タイムスパンTAに到達すると(S6:NO)、コントローラ40は、(数1)に示した変換関数に計測角度θhs(t)、θks(t)、及びθas(t)を入力して2次元の目的変数ベクトルの時系列データを算出する(S8)。計測角度θhs(t)、θks(t)、及びθas(t)を代入した変換関数を(数2)に示す。   When the elapsed time from the start timing tA reaches the preceding time span TA (S6: NO), the controller 40 adds the measured angles θhs (t), θks (t), and θas ( t) is input to calculate time-series data of a two-dimensional objective variable vector (S8). A conversion function in which the measurement angles θhs (t), θks (t), and θas (t) are substituted is shown in (Expression 2).

Figure 2011121152
Figure 2011121152

(数2)は(数1)と同様に、3個の関節の計測角度の時系列データ(θhs(t)、θks(t)、及びθas(t))から、主成分分析法によって2次元の主成分の時系列データ(As(t)、Bs(t))を得る式である。(数2)で得られる主成分の時系列データ(As(t)、Bs(t))が計測時系列データに相当する。即ち、コントローラ40は、変換関数を用いて計測軌道のデータから計測時系列データを算出する。なお、前述したように、コントローラ40は、先行タイムスパンTAの間、ユーザの膝関節(特定関節)にトルクを加えないようにアクチュエータ(クラッチ)を制御しながら、エンコーダ21によって計測される股関節、膝関節、及び足首関節の角度の時系列データによって構成される3次元の計測軌道を取得する。   Similar to (Equation 1), (Equation 2) is two-dimensional by principal component analysis from time series data (θhs (t), θks (t), and θas (t)) of measurement angles of three joints. This is an equation for obtaining time series data (As (t), Bs (t)) of the main components. The time series data (As (t), Bs (t)) of the main component obtained by (Equation 2) corresponds to the measurement time series data. That is, the controller 40 calculates the measurement time series data from the data of the measurement trajectory using the conversion function. As described above, the controller 40 controls the actuator (clutch) so as not to apply torque to the user's knee joint (specific joint) during the preceding time span TA, while measuring the hip joint measured by the encoder 21. A three-dimensional measurement trajectory constituted by time-series data of knee joint and ankle joint angles is acquired.

次にコントローラ40は、先行タイムスパンTAの期間に亘って、既知時系列データと計測時系列データの差分Dを算出する(S10)。差分Dの算出式を(数3)に示す。   Next, the controller 40 calculates the difference D between the known time series data and the measured time series data over the period of the preceding time span TA (S10). A formula for calculating the difference D is shown in (Expression 3).

Figure 2011121152
Figure 2011121152

(数3)で表される差分Dは、既知時系列データと計測時系列データの平均自乗誤差に相当する。コントローラ40は、記憶されている複数の既知時系列データのそれぞれについて、差分Dを算出する。次いでコントローラ40は、複数の差分Dの中から最小の差分Dを特定する。コントローラ40は、最小差分Dminの大きさを予め定められた閾値と比較する(S12)。閾値は実験などによって予め定められている。最小差分Dminが閾値よりも小さい場合(ステップS12:YES)、コントローラ40は、最小差分Dminに対応する既知時系列データ(最近既知時系列データ)を特定し、その最近時系列データに対応する既知軌道(最近既知軌道)を特定する(S14)。ステップS4〜S14の処理は、推定モジュール54が実行する。推定モジュール54は、選択した最近既知軌道を、サーボコントローラ56へ出力する。最近既知時系列データは、記憶されている複数の既知時系列データのうち、計測時系列データに最も近い既知時系列データに相当する。最近既知軌道は、記憶されている既知軌道のうち、計測軌道に最も近い既知軌道に相当する。最近既知軌道に記述されている後続タイムスパンTB以降の各関節角軌道が、中間タイミングtB以後のユーザの歩行パターンの推定値に相当する。   The difference D represented by (Expression 3) corresponds to the mean square error between the known time series data and the measured time series data. The controller 40 calculates the difference D for each of a plurality of stored known time series data. Next, the controller 40 specifies the minimum difference D from the plurality of differences D. The controller 40 compares the magnitude of the minimum difference Dmin with a predetermined threshold value (S12). The threshold value is determined in advance by experiments or the like. When the minimum difference Dmin is smaller than the threshold (step S12: YES), the controller 40 specifies known time series data (recent known time series data) corresponding to the minimum difference Dmin, and is known corresponding to the latest time series data. A trajectory (recently known trajectory) is specified (S14). The estimation module 54 executes the processes in steps S4 to S14. The estimation module 54 outputs the selected recently known trajectory to the servo controller 56. Recently known time-series data corresponds to known time-series data closest to the measured time-series data among a plurality of stored known time-series data. The recently known trajectory corresponds to the known trajectory closest to the measurement trajectory among the stored known trajectories. Each joint angle trajectory after the subsequent time span TB described in the recently known trajectory corresponds to an estimated value of the user's walking pattern after the intermediate timing tB.

ここで、既知時系列データ(Ar(t)、Br(t))は、1歩行周期分のタイムスパンTSに亘るデータであるが、差分Dを算出するには開始タイミングtAから中間タイミングtBまでの先行タイムスパンTAの間の既知時系列データのみを用いていることに留意されたい。即ち、コントローラ40は、記憶されている各既知時系列データの先行タイムスパンにおけるデータを計測時系列データと比較し、計測時系列データに最も近い最近既知時系列データを特定する。   Here, the known time-series data (Ar (t), Br (t)) is data over the time span TS for one walking cycle. To calculate the difference D, from the start timing tA to the intermediate timing tB. Note that only known time series data during the previous time span TA is used. That is, the controller 40 compares the data in the preceding time span of each stored known time series data with the measured time series data, and specifies the latest known time series data closest to the measured time series data.

推定モジュール54は、中間タイミングtBで最近既知軌道を出力する。推定モジュール54が出力した最近既知軌道は、一歩行周期のタイムスパンTAの終端時刻tBまでの時系列データを含んでいる。出力された最近既知軌道における中間タイミングtBから終了タイミングtCまでの後続タイムスパンTBにおける各関節角の時系列データが、これからユーザが実行しようとしている動作の推定値に相当する。   The estimation module 54 outputs a recently known trajectory at an intermediate timing tB. The recently known trajectory output by the estimation module 54 includes time-series data up to the end time tB of the time span TA of one walking cycle. The output time series data of each joint angle in the subsequent time span TB from the intermediate timing tB to the end timing tC in the recently known trajectory corresponds to the estimated value of the operation to be performed by the user.

最近既知軌道を受けたサーボコントローラ56は、追従制御を開始する。なお、追従制御を開始するタイミングは、中間タイミングtB以降となる。最も好ましいのは、中間タイミングで追従制御を開始することである。   The servo controller 56 that recently received the known trajectory starts the follow-up control. Note that the timing for starting the follow-up control is after the intermediate timing tB. Most preferably, the follow-up control is started at an intermediate timing.

サーボコントローラ56は、追従制御の開始をユーザに知らせるメッセージを出力する。メッセージとは、音(ブザー音)でよいし、或いはユーザが視認できる範囲に設けられたライトを点灯すること(即ち光)であってもよい。メッセージを出力することによって、制御開始をユーザに知らせることができる。   The servo controller 56 outputs a message notifying the user of the start of follow-up control. The message may be a sound (buzzer sound), or may be a lighting of a light provided in a range visible to the user (that is, light). By outputting a message, the user can be notified of the start of control.

追従制御の開始に際してサーボコントローラ56はまず、クラッチ33を係合し、モータトルクがユーザの膝関節に伝達できるよう準備する(S16)。次いでサーボコントローラ56は、膝関節の計測角θks(t)が、推定モジュール54が出力した最近既知軌道に含まれている膝関節(特定関節)の角度の軌道(時系列データ)θkr(t)に追従するようにモータ32を追従制御する(S20)。より詳しくは、サーボコントローラ56は、膝関節の計測角θks(t)が、最近既知軌道の後続タイムスパンTBにおける膝関節角の時系列データθkr(t)に追従するように、モータ32を追従制御する。サーボコントローラ56が出力するモータ指令トルクT(t)の算出式を(数4)に示す。   At the start of the follow-up control, the servo controller 56 first engages the clutch 33 and prepares the motor torque to be transmitted to the user's knee joint (S16). Next, the servo controller 56 determines that the knee joint measurement angle θks (t) is the knee joint (specific joint) angle trajectory (time-series data) θkr (t) included in the recently known trajectory output by the estimation module 54. The motor 32 is controlled so as to follow (S20). More specifically, the servo controller 56 follows the motor 32 so that the measurement angle θks (t) of the knee joint follows the time-series data θkr (t) of the knee joint angle in the succeeding time span TB of the recently known trajectory. Control. A formula for calculating the motor command torque T (t) output from the servo controller 56 is shown in (Equation 4).

Figure 2011121152
Figure 2011121152

(数4)において、係数Pは比例ゲインを表している。モータ指令トルクT(t)によってモータ32が駆動されると、膝関節の計測角θks(t)が目標値θkr(t)に追従するようにユーザの膝関節にトルクが加えられる。なお、(数4)は極めてシンプルな制御則を表している。(数4)に代えて、PD制御、PID制御、或いは、他のいかなるフィードバック追従制御則を採用してもよい。   In (Equation 4), the coefficient P represents a proportional gain. When the motor 32 is driven by the motor command torque T (t), torque is applied to the user's knee joint so that the knee joint measurement angle θks (t) follows the target value θkr (t). (Equation 4) represents a very simple control law. Instead of (Equation 4), PD control, PID control, or any other feedback follow-up control law may be employed.

サーボコントローラ56は、後続タイムスパンTBの間、追従制御を継続する(S22:YES、S20)。終了タイミングtCに到達すると、即ち、制御開始からの経過時間が後続タイムスパンTBに到達すると(S22:NO)、コントローラ40は、次の歩行周期のための補助に備え、図4のフローチャートの処理を再び開始する。   The servo controller 56 continues the follow-up control during the subsequent time span TB (S22: YES, S20). When the end timing tC is reached, that is, when the elapsed time from the start of control reaches the subsequent time span TB (S22: NO), the controller 40 prepares for assistance for the next walking cycle and performs the processing of the flowchart of FIG. Start again.

他方、ステップS12において最小差分Dminが閾値よりも大きい場合(ステップS12:NO)、サーボコントローラ56は追従制御をキャンセルする(S24)。このとき、コントローラ40は、モータ32のクラッチ33を解放し、ユーザの膝関節を自由にする。   On the other hand, when the minimum difference Dmin is larger than the threshold value in step S12 (step S12: NO), the servo controller 56 cancels the follow-up control (S24). At this time, the controller 40 releases the clutch 33 of the motor 32 and frees the user's knee joint.

動作補助装置100の利点と留意点を説明する。動作補助装置100は、一歩行周期TSの先行タイムスパンTAにおける計測時系列データを、記憶している既知時系列データ群の夫々と比較し、現在のユーザの動作に最も近い最近既知時系列データを特定する。特定された最近時系列データに対応する既知軌道が、ユーザが行なっている動作の推定値に相当する。本実施例の場合、先行タイムスパンTAは、補助対象の脚が浮いている遊脚期間に設定されている。遊脚期間では負荷が小さいので、補助トルクを膝関節に加える必要がない。動作補助装置100は、補助トルクを加えない先行タイムスパンTAにおいて、ユーザの動作パターンを推定する。   The advantages and points to be noted of the motion assisting device 100 will be described. The motion assisting device 100 compares the measured time series data in the preceding time span TA of one walking cycle TS with each of the stored known time series data groups, and recently known time series data closest to the current user's action. Is identified. The known trajectory corresponding to the identified recent time series data corresponds to the estimated value of the action performed by the user. In the case of the present embodiment, the preceding time span TA is set to the free leg period in which the leg to be assisted is floating. Since the load is small during the swing leg period, it is not necessary to apply auxiliary torque to the knee joint. The motion assisting device 100 estimates the user's motion pattern in the preceding time span TA where no assist torque is applied.

計測軌道に最も近い既知軌道を選定する際、実施例の動作補助装置は、n個(3個)の関節の角度時系列データ群の代わりに主成分分析に基づいてnより小さいs(2)次元に低次元化した目的変数ベクトルの時系列データを用いる。目的変数ベクトルは、元の軌道の次元よりも低次元化しているが、元の軌道の大局的な振る舞いを良く表している。そのような低次元化された時系列データを用いることによって、n次元の生の軌道(関節角の軌道)を用いる際に生じる局所的な計測角度データの変動の影響を抑制し、計測時系列データに近い既知時系列データを複数の既知時系列データの中から適切に特定することができる。   When selecting the known trajectory closest to the measurement trajectory, the motion assisting device of the embodiment uses s (2) smaller than n based on principal component analysis instead of the angle time-series data group of n (three) joints. Use time-series data of objective variable vectors with reduced dimensions. The objective variable vector has a lower dimension than that of the original trajectory, but well represents the global behavior of the original trajectory. By using such reduced time series data, the influence of local measurement angle data fluctuations when using an n-dimensional raw orbit (joint angle orbit) is suppressed, and the measurement time series is reduced. Known time series data close to the data can be appropriately identified from a plurality of known time series data.

サーボコントローラ56は、人の膝関節(特定関節)の計測角度が、選択された既知時系列データに対応する既知軌道に含まれる特定関節の角度の経時的変化に追従するようにモータ32を制御する。前述したように、計測角度のタイミングと記憶されている角度時系列データ上のタイミングの位置関係が特定されているので、各制御タイミングにおける特定関節の目標値も特定される。   The servo controller 56 controls the motor 32 so that the measurement angle of the human knee joint (specific joint) follows the change over time of the angle of the specific joint included in the known trajectory corresponding to the selected known time series data. To do. As described above, since the positional relationship between the timing of the measurement angle and the timing on the stored angle time-series data is specified, the target value of the specific joint at each control timing is also specified.

実施例の動作補助装置は、ユーザの歩行動作を補助する装置である。本明細書が開示する新規な技術は、歩行動作を補助する装置だけでなく、腕の動作を補助する動作補助装置に適用することも可能である。例えば、本明細書が開示する技術は、工場の作業員が行う繰り返し作業を補助する動作補助装置に適用することも好適である。   The motion assisting device of the embodiment is a device that assists the user's walking motion. The novel technique disclosed in the present specification can be applied not only to a device that assists walking, but also to a motion assist device that assists the movement of an arm. For example, the technology disclosed in the present specification is also preferably applied to an operation assisting device that assists repetitive work performed by factory workers.

以上、本発明の具体例を詳細に説明したが、これらは例示に過ぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。本明細書または図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成し得るものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。   Specific examples of the present invention have been described in detail above, but these are merely examples and do not limit the scope of the claims. The technology described in the claims includes various modifications and changes of the specific examples illustrated above. The technical elements described in this specification or the drawings exhibit technical usefulness alone or in various combinations, and are not limited to the combinations described in the claims at the time of filing. In addition, the technology exemplified in this specification or the drawings can achieve a plurality of objects at the same time, and has technical usefulness by achieving one of the objects.

12、12L、12R:脚装具
21:エンコーダ(脚センサ)
32:モータ(アクチュエータ)
33:クラッチ
40:コントローラ
52:記憶モジュール
54:推定モジュール
56:サーボコントローラ
100:動作補助装置
12, 12L, 12R: Leg brace 21: Encoder (leg sensor)
32: Motor (actuator)
33: Clutch 40: Controller 52: Storage module 54: Estimation module 56: Servo controller 100: Operation assist device

Claims (2)

人の関節にトルクを加えて人の動作を補助する動作補助装置であり、
人の予め定められた動作に伴って実現されるn個の関節の角度の第1タイミングから第2タイミングまでの既知軌道を複数の相互に異なる動作群の夫々について記憶しているとともに、n個の関節の角度を説明変数として入力するとnより小さいs次元の目的変数ベクトルを出力する主成分分析に基づく変換関数に、n次元の既知軌道の各時刻における値を入力して得られるs次元の目的変数ベクトルの既知時系列データ群を記憶している記憶モジュールと、
n個の人の関節の角度を計測するセンサと、
n個の人の関節のうちの特定関節にトルクを加えるアクチュエータを有する装具と、
アクチュエータを制御するコントローラと、を備えており、
コントローラが、
第1タイミングと、第2タイミングよりも早いタイミングに設定されている中間タイミングとの間の先行タイムスパンに、特定関節にトルクを加えないようにアクチュエータを制御しながら、センサによって計測されるn個の関節の角度の時系列データによって構成されるn次元の計測軌道を取得し、
前記変換関数に、n次元の計測軌道の各時刻における値を入力して得られるs次元の目的変数ベクトルの計測時系列データを算出し、
各既知時系列データの先行タイムスパンにおけるデータを計測時系列データと比較し、計測時系列データに最も近い既知時系列データを特定し、
中間タイミング以後に設定されている補助開始タイミング以降に、特定された既知時系列データに対応する既知軌道に含まれている特定関節の軌道に、特定関節の計測角度が追従するようにアクチュエータを追従制御することを特徴とする動作補助装置。
It is a movement assist device that assists human movement by applying torque to human joints,
The known trajectories from the first timing to the second timing of the n joint angles realized in accordance with a predetermined motion of a person are stored for each of a plurality of mutually different motion groups, and n When the angle of the joint is input as an explanatory variable, a transformation function based on principal component analysis that outputs an s-dimensional objective variable vector smaller than n is input to a value at each time of an n-dimensional known trajectory. A storage module storing a known time series data group of objective variable vectors;
a sensor for measuring the angle of n human joints;
a brace having an actuator for applying torque to a specific joint of n human joints;
A controller for controlling the actuator,
The controller
N measured by the sensor while controlling the actuator so that torque is not applied to the specific joint in the preceding time span between the first timing and the intermediate timing set earlier than the second timing To obtain an n-dimensional measurement trajectory composed of time-series data of the joint angles of
Calculating measurement time series data of an s-dimensional objective variable vector obtained by inputting a value at each time of an n-dimensional measurement trajectory into the conversion function;
Compare the data in the previous time span of each known time series data with the measured time series data, identify the known time series data closest to the measured time series data,
After the auxiliary start timing set after the intermediate timing, the actuator follows the specific joint trajectory included in the known trajectory corresponding to the specified known time-series data so that the measurement angle of the specific joint follows. A motion assisting device characterized by controlling.
コントローラは、計測時系列データと特定された既知時系列データとの差が閾値よりも大きい場合に、追従制御をキャンセルすることを特徴とする請求項1に記載の動作補助装置。   The motion assisting device according to claim 1, wherein the controller cancels the tracking control when a difference between the measured time series data and the identified known time series data is larger than a threshold value.
JP2009282076A 2009-12-11 2009-12-11 Operation assistance device Expired - Fee Related JP5400595B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009282076A JP5400595B2 (en) 2009-12-11 2009-12-11 Operation assistance device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009282076A JP5400595B2 (en) 2009-12-11 2009-12-11 Operation assistance device

Publications (2)

Publication Number Publication Date
JP2011121152A true JP2011121152A (en) 2011-06-23
JP5400595B2 JP5400595B2 (en) 2014-01-29

Family

ID=44285583

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009282076A Expired - Fee Related JP5400595B2 (en) 2009-12-11 2009-12-11 Operation assistance device

Country Status (1)

Country Link
JP (1) JP5400595B2 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011120786A (en) * 2009-12-11 2011-06-23 Toyota Motor Corp Action estimating unit and action assisting device
JP2013111379A (en) * 2011-11-30 2013-06-10 Dainippon Printing Co Ltd Motion-assist device and program for motion assist control
JP2013111378A (en) * 2011-11-30 2013-06-10 Dainippon Printing Co Ltd Motion-assist device and program for motion assist control
CN116922396A (en) * 2023-09-07 2023-10-24 贵州航天控制技术有限公司 Assistance control method for exoskeleton system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005111654A (en) * 2003-09-19 2005-04-28 Sony Corp Robot device and walking control method for robot device
WO2005046942A1 (en) * 2003-11-13 2005-05-26 Japan Science And Technology Agency Robot drive method
JP2011078611A (en) * 2009-10-08 2011-04-21 Toyota Motor Corp Movement assisting device

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005111654A (en) * 2003-09-19 2005-04-28 Sony Corp Robot device and walking control method for robot device
WO2005046942A1 (en) * 2003-11-13 2005-05-26 Japan Science And Technology Agency Robot drive method
JP2011078611A (en) * 2009-10-08 2011-04-21 Toyota Motor Corp Movement assisting device

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011120786A (en) * 2009-12-11 2011-06-23 Toyota Motor Corp Action estimating unit and action assisting device
JP2013111379A (en) * 2011-11-30 2013-06-10 Dainippon Printing Co Ltd Motion-assist device and program for motion assist control
JP2013111378A (en) * 2011-11-30 2013-06-10 Dainippon Printing Co Ltd Motion-assist device and program for motion assist control
CN116922396A (en) * 2023-09-07 2023-10-24 贵州航天控制技术有限公司 Assistance control method for exoskeleton system
CN116922396B (en) * 2023-09-07 2023-11-17 贵州航天控制技术有限公司 Assistance control method for exoskeleton system

Also Published As

Publication number Publication date
JP5400595B2 (en) 2014-01-29

Similar Documents

Publication Publication Date Title
Han et al. Time-delay estimation based computed torque control with robust adaptive RBF neural network compensator for a rehabilitation exoskeleton
Liu et al. Impedance-controlled variable stiffness actuator for lower limb robot applications
Haidegger et al. Cascade control for telerobotic systems serving space medicine
US20130158712A1 (en) Walking robot and control method thereof
JP5330138B2 (en) Reinforcement learning system
WO2013094747A1 (en) Movement assistance device, and synchrony based control method for movement assistance device
JP5400595B2 (en) Operation assistance device
Kamioka et al. Simultaneous optimization of ZMP and footsteps based on the analytical solution of divergent component of motion
Tu et al. A data-driven reinforcement learning solution framework for optimal and adaptive personalization of a hip exoskeleton
JP6947613B2 (en) Power assist device
JP7054130B2 (en) Motor learning support device and motor learning support method
JP5479875B2 (en) Operation assistance device
Galinski et al. Optimal design of an alignment-free two-DOF rehabilitation robot for the shoulder complex
JP2017102624A (en) Control device
JP5267413B2 (en) Operation assistance device
Asl et al. Neural network-based bounded control of robotic exoskeletons without velocity measurements
JP2024502726A (en) How to move an exoskeleton
Jimenez-Fabian et al. Online reconfiguration of a variable-stiffness actuator
Schäffer et al. Soft wrist exosuit actuated by fabric pneumatic artificial muscles
Al-Shuka et al. On low-level control strategies of lower extremity exoskeletons with power augmentation
Agarwal et al. Study of toe joints to enhance locomotion of humanoid robots
JP2017046977A (en) Synchronization control method of robotic wear using neural oscillator, computer program for synchronization control, and robotic wear
US20220305640A1 (en) Motion data generation system, motion data generation method, and motion data generation program of robot
Hengst runswift walk2014 report robocup standard platform league
Orhan et al. ExoRecovery: Push recovery with a lower-limb exoskeleton based on stepping strategy

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20121206

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20131003

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20131008

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20131025

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees