論文の概要: Gait Asymmetry from Unilateral Weakness and Improvement With Ankle Assistance: a Reinforcement Learning based Simulation Study

• arxiv url: http://arxiv.org/abs/2602.18862v1
• Date: Sat, 21 Feb 2026 15:04:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.617731
• Title: Gait Asymmetry from Unilateral Weakness and Improvement With Ankle Assistance: a Reinforcement Learning based Simulation Study
• Title（参考訳）: 片側的弱さからの歩行非対称性と足首補助による改善:強化学習に基づくシミュレーション研究
• Authors: Yifei Yuan, Ghaith Androwis, Xianlian Zhou,
• Abstract要約: 片側筋の弱さは、しばしば非対称歩行につながり、中間調整と姿勢のタイミングを乱す。 本研究の目的は、進行性片側筋力低下が歩行対称性に与える影響を定量化し、足関節外骨格補助が歩行対称性を改善するかどうかを評価することである。
• 参考スコア（独自算出の注目度）: 1.7061322026474812
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unilateral muscle weakness often leads to asymmetric gait, disrupting interlimb coordination and stance timing. This study presents a reinforcement learning (RL) based musculoskeletal simulation framework to (1) quantify how progressive unilateral muscle weakness affects gait symmetry and (2) evaluate whether ankle exoskeleton assistance can improve gait symmetry under impaired conditions. The overarching goal is to establish a simulation- and learning-based workflow that supports early controller development prior to patient experiments. Asymmetric gait was induced by reducing right-leg muscle strength to 75%, 50%, and 25% of baseline. Gait asymmetry was quantified using toe-off timing, peak contact forces, and joint-level symmetry metrics. Increasing weakness produced progressively larger temporal and kinematic asymmetry, most pronounced at the ankle. Ankle range of motion symmetry degraded from near-symmetric behavior at 100% strength (symmetry index, SI = +6.4%; correlation r=0.974) to severe asymmetry at 25% strength (SI = -47.1%, r=0.889), accompanied by a load shift toward the unimpaired limb. At 50% strength, ankle exoskeleton assistance improved kinematic symmetry relative to the unassisted impaired condition, reducing the magnitude of ankle SI from 25.8% to 18.5% and increasing ankle correlation from r=0.948 to 0.966, although peak loading remained biased toward the unimpaired side. Overall, this framework supports controlled evaluation of impairment severity and assistive strategies, and provides a basis for future validation in human experiments.
• Abstract（参考訳）: 片側筋の弱さは、しばしば非対称歩行につながり、中間調整と姿勢のタイミングを乱す。 本研究は, 筋骨格筋の進行が歩行対称性に及ぼす影響を定量的に評価するために, 筋骨格筋の強化学習(RL)に基づく筋骨格シミュレーションフレームワークを提案する。 総合的な目標は、患者実験に先立って早期のコントローラ開発をサポートするシミュレーションと学習ベースのワークフローを確立することである。 非対称歩行は, 右脚筋強度を75%, 50%, 25%に低下させることで誘発された。 歩行非対称性は, トウオフタイミング, ピーク接触力, 関節レベル対称性測定値を用いて定量化した。 弱さの増大により、時間的および運動的非対称性が徐々に大きくなり、ほとんどは足首で発音された。 運動対称性のアンクル範囲は、100%強度(対称性指数: SI = +6.4%; 相関r=0.974; 相関r=0.974; 25%強度(SI = -47.1%, r=0.889)でほぼ対称な行動から低下し、未損傷肢への荷重シフトが伴った。 50%の強度で、足首外骨格の補助により、損傷のない状態に対する運動対称性が向上し、足首SIの大きさが25.8%から18.5%に減少し、足首相関がr=0.948から0.966に増加した。 全体として、このフレームワークは、障害重症度と補助戦略の制御された評価をサポートし、人間の実験における将来の検証の基盤を提供する。

関連論文リスト

• Muscle Synergy Priors Enhance Biomechanical Fidelity in Predictive Musculoskeletal Locomotion Simulation [0.0]
  ヒトの移動は高次元の神経筋制御から始まり、予測的な筋骨格シミュレーションを困難にしている。 筋シナジーを用いた制御を制約する生理インフォームド強化学習フレームワークを提案する。 これらの結果から, 強化学習に神経生理学的構造を組み込むことで, 限られた実験データを用いた予測的移動シミュレーションにおいて, 生体力学的忠実度と一般化が向上することが示唆された。
  論文  参考訳（メタデータ） (2026-03-11T06:48:15Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Universality classes split by strong and weak symmetries [0.0]
  散逸相転移は、リウヴィリアンの対称性によって強く形作られる。 単光子と2光子損失を持つ圧縮光子モデルについて検討し、最も単純な条件下で弱い対称性と強い対称性を実現する。
  論文  参考訳（メタデータ） (2026-02-09T19:00:00Z)
• Adaptive Torque Control of Exoskeletons under Spasticity Conditions via Reinforcement Learning [0.0]
  膝外骨格に対する深部強化学習(RL)による新しい適応型トルク制御器について述べる。 模擬膝伸展運動の結果から, 味覚レベルが異なる個人に対して, エージェントが外骨格を制御できることが判明した。
  論文  参考訳（メタデータ） (2025-03-14T14:22:09Z)
• Learning Layer-wise Equivariances Automatically using Gradients [66.81218780702125]
  畳み込みは等価対称性をニューラルネットワークにエンコードし、より優れた一般化性能をもたらす。 対称性は、ネットワークが表現できる機能、事前に指定する必要、適応できない機能に対して、固定されたハード制約を提供する。 私たちのゴールは、勾配を使ってデータから自動的に学習できるフレキシブル対称性の制約を可能にすることです。
  論文  参考訳（メタデータ） (2023-10-09T20:22:43Z)
• Characterization of Human Balance through a Reinforcement Learning-based Muscle Controller [1.5469452301122177]
  身体リハビリテーション中のバランスアセスメントは、しばしば患者の身体能力を評価するためにルーリック指向のバッテリーテストに依存し、主観性につながる。 本研究は, 重心状態空間(COM)の利用について検討し, ヒトのバランス能力を監視するための有望な道を示す。
  論文  参考訳（メタデータ） (2023-08-08T01:53:26Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Tactile Grasp Refinement using Deep Reinforcement Learning and Analytic Grasp Stability Metrics [70.65363356763598]
  解析的把握安定性指標が強化学習アルゴリズムの強力な最適化目標であることを示す。 幾何的および力量に依存しないグリップ安定性の指標を組み合わせることで、カブイドの平均成功率は95.4%となることを示す。 第2の実験では,触覚情報を持たないベースラインよりも,接触フィードバックで訓練したグリップリファインメントアルゴリズムが最大6.6%向上することを示した。
  論文  参考訳（メタデータ） (2021-09-23T09:20:19Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)
• Exploring Partial Intrinsic and Extrinsic Symmetry in 3D Medical Imaging [39.5958976939981]
  ヒト解剖学のCTにおける不完全な左右対称を検出するための新しい手法を提案する。 骨盤骨の構造的に対称な性質を探求し、外傷性外傷患者の片側骨折に対する介入画像増強法として用いられる。
  論文  参考訳（メタデータ） (2020-03-04T19:08:55Z)

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。