論文の概要: Personalized Gait Patterns During Exoskeleton-Aided Training May Have Minimal Effect on User Experience. Insights from a Pilot Study

• arxiv url: http://arxiv.org/abs/2512.17425v1
• Date: Fri, 19 Dec 2025 10:23:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.424022
• Title: Personalized Gait Patterns During Exoskeleton-Aided Training May Have Minimal Effect on User Experience. Insights from a Pilot Study
• Title（参考訳）: エクソスケルトン支援訓練における歩行パターンの個人化がユーザ体験に及ぼす影響について : パイロットスタディからの考察
• Authors: Beatrice Luciani, Katherine Lin Poggensee, Heike Vallery, Alex van den Berg, Severin David Woernle, Mostafa Mogharabi, Stefano Dalla Gasperina, Laura Marchal-Crespo,
• Abstract要約: ほとんどの外骨格は、矢状面に拘束された、予め記録された、個人化されていない歩行軌跡に依存している。 マルチ平面運動をサポートする外骨格のためのデータ駆動歩行パーソナライズフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.8572409162523734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robot-aided gait rehabilitation facilitates high-intensity and repeatable therapy. However, most exoskeletons rely on pre-recorded, non-personalized gait trajectories constrained to the sagittal plane, potentially limiting movement naturalness and user comfort. We present a data-driven gait personalization framework for an exoskeleton that supports multi-planar motion, including hip abduction/adduction and pelvic translation and rotation. Personalized trajectories to individual participants were generated using regression models trained on anthropometric, demographic, and walking speed data from a normative database. In a within-subject experiment involving ten unimpaired participants, these personalized trajectories were evaluated in regard to comfort, naturalness, and overall experience and compared against two standard patterns from the same database: one averaging all the trajectories, and one randomly selected. We did not find relevant differences across pattern conditions, despite all trajectories being executed with high accuracy thanks to a stiff position-derivative controller. We found, however, that pattern conditions in later trials were rated as more comfortable and natural than those in the first trial, suggesting that participants might have adapted to walking within the exoskeleton, regardless of the enforced gait pattern. Our findings highlight the importance of integrating subjective feedback when designing personalized gait controllers and accounting for user adaptation during experimentation.
• Abstract（参考訳）: ロボット支援歩行リハビリテーションは、高強度で反復的な治療を促進する。 しかし、ほとんどの外骨格は、運動の自然さとユーザーの快適さを制限し、矢状面に拘束された、予め記録された、個人化されていない歩行軌跡に依存している。 本稿では, 股関節脱臼, 骨盤翻訳, 回転を含む多平面運動をサポートする外骨格のためのデータ駆動歩行パーソナライズフレームワークを提案する。 基準データベースから人文・人口統計・歩行速度データに基づいて学習した回帰モデルを用いて,個人に対する個人的軌跡を作成した。 10人の未経験者を対象とした実験において、これらのパーソナライズされた軌跡は、快適さ、自然さ、総合的な経験について評価され、同じデータベースから2つの標準パターン、すなわち、すべての軌跡を平均化し、1つのランダムに選択したパターンと比較された。 厳密な位置微分制御により,全ての軌道が高精度に実行されるにもかかわらず,パターン条件の相違は見つからなかった。 しかし, その後の試験のパターン条件は, 最初の試験よりも快適で自然なものと評価され, 強制歩行パターンによらず, 参加者は外骨格内を歩くことに適応していた可能性が示唆された。 本研究は、パーソナライズされた歩行制御を設計する際の主観的フィードバックの統合の重要性と、実験中のユーザ適応を考慮したことの重要性を強調した。

関連論文リスト

• A data-physics hybrid generative model for patient-specific post-stroke motor rehabilitation using wearable sensor data [17.28369129744061]
  我々は,脳卒中生存者の神経筋制御を再構築するデータ物理ハイブリッド生成フレームワークを開発した。 11名の脳卒中生存者において, パーソナライズされたコントローラは, 関節角と終端の忠実さを改善しつつ, 慣性歩行パターンを保存した。
  論文  参考訳（メタデータ） (2025-12-16T11:55:11Z)
• Training Machine Learning Models on Human Spatio-temporal Mobility Data: An Experimental Study [Experiment Paper] [0.5382679710017696]
  個人レベルの人体移動予測は、感染症のモニタリング、子供、高齢者のケアへの応用に関する重要な研究のトピックとして浮上している。 機械学習モデルをトレーニングするためのベストプラクティスを決定すること。 意味情報を明示的に含めることで、モデルが生活の個々のパターンをよりよく理解し、予測を改善することができることを示す。
  論文  参考訳（メタデータ） (2025-08-18T17:49:10Z)
• ExoGait-MS: Learning Periodic Dynamics with Multi-Scale Graph Network for Exoskeleton Gait Recognition [20.076175885171413]
  現在の外骨格制御法は、パーソナライズされた治療を提供する際の課題に直面していることが多い。 個人の歩行は、個々のユーザーの適応性、快適性、リハビリの成果に直接影響を与えるため、外骨格ロボットの有効性に不可欠である。 本稿では,空間領域におけるマルチスケールグローバルセンスグラフ畳み込みネットワーク(GCN)を用いて,潜在関節のシナジーパターンを同定する手法を提案する。 実験の結果,本手法の精度は94.34%であり,現在のSOTA(State-of-the-art)を3.77%上回る結果となった。
  論文  参考訳（メタデータ） (2025-05-23T15:24:25Z)
• Adaptive Experimentation When You Can't Experiment [55.86593195947978]
  本稿では,Emphcon founded the pure exploration transductive linear bandit (textttCPET-LB) problem。 オンラインサービスは、ユーザーを特定の治療にインセンティブを与える、適切にランダム化された励ましを利用することができる。
  論文  参考訳（メタデータ） (2024-06-15T20:54:48Z)
• Forecasting Human Trajectory from Scene History [51.72069374835107]
  我々は,暗黙の場面の規則性から学習することで,将来の軌跡を予測することを提案する。 本研究では,シーン履歴情報を歴史的グループ軌跡と個々人のインタラクションの2つのタイプに分類する。 本稿では,シーン履歴をシンプルかつ効果的なアプローチで活用する,SHENet(Scene History Excavating Network)を提案する。
  論文  参考訳（メタデータ） (2022-10-17T03:56:02Z)
• STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
  本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。 実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
  論文  参考訳（メタデータ） (2021-07-15T02:53:11Z)
• Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
  ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。 具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T16:36:50Z)
• ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton Gait Preference Landscapes [64.87637128500889]
  興味あるアクティブラーニング(ROIAL)フレームワークの領域は、関心のある領域を通じて、各ユーザの基盤となるユーティリティ関数を積極的に学習する。 ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。 以上の結果から,限られた人為的試行から歩行実用景観を回復できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-09T22:45:58Z)
• Fine-Tuning Pretrained Language Models: Weight Initializations, Data Orders, and Early Stopping [62.78338049381917]
  教師付き下流タスクのための微調整済み文脈単語埋め込みモデルは、自然言語処理において一般的なものとなっている。 GLUEベンチマークから得られた4つのデータセットを実験し、無作為な種だけを変えながら、それぞれに数百回微調整されたBERTを実験した。 これまでに報告した結果と比較すると,性能が大幅に向上し,微調整試行回数の関数としてベストファウンドモデルの性能がどう変化するかが定量化される。
  論文  参考訳（メタデータ） (2020-02-15T02:40:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。