論文の概要: Exoskeleton Control through Learning to Reduce Biological Joint Moments in Simulations

• arxiv url: http://arxiv.org/abs/2603.07629v1
• Date: Sun, 08 Mar 2026 13:31:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.990561
• Title: Exoskeleton Control through Learning to Reduce Biological Joint Moments in Simulations
• Title（参考訳）: シミュレーションにおける生体関節モーメント低減学習による外骨格制御
• Authors: Zihang You, Xianlian Zhou,
• Abstract要約: データ駆動型ジョイントモーメント予測器は、推定と外骨格制御のために実験室ベースの逆力学パイプラインに代わるスケーラブルな代替手段を提供する。 物理に基づく強化学習は、シミュレーション訓練されたコントローラが動的に認識される支援戦略を学習することを可能にする。 本稿では,(1)生体関節のモーメントを低減するための外骨格補助政策を学習するためのRLフレームワーク,(2)訓練された制御ネットワークを検証する検証パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data-driven joint-moment predictors offer a scalable alternative to laboratory-based inverse-dynamics pipelines for biomechanics estimation and exoskeleton control. Meanwhile, physics-based reinforcement learning (RL) enables simulation-trained controllers to learn dynamics-aware assistance strategies without extensive human experimentation. However, quantitative verification of simulation-trained exoskeleton torque predictors, and their impact on human joint power injection, remains limited. This paper presents (1) an RL framework to learn exoskeleton assistance policies that reduce biological joint moments, and (2) a validation pipeline that verifies the trained control networks using an open-source gait dataset through inference and comparison with biological joint moments. Simulation-trained multilayer perceptron (MLP) controllers are developed for level-ground and ramp walking, mapping short-horizon histories of bilateral hip and knee kinematics to normalized assistance torques. Results show that predicted assistance preserves task-intensity trends across speeds and inclines. Agreement is particularly strong at the hip, with cross-correlation coefficients reaching 0.94 at 1.8 m/s and 0.98 during 5° decline walking, demonstrating near-matched temporal structure. Discrepancies increase at higher speeds and steeper inclines, especially at the knee, and are more pronounced in joint power comparisons. Delay tuning biases assistance toward greater positive power injection; modest timing shifts increase positive power and improve agreement in specific gait intervals. Together, these results establish a quantitative validation framework for simulation-trained exoskeleton controllers, demonstrate strong sim-to-data consistency at the torque level, and highlight both the promise and the remaining challenges for sim-to-real transfer.
• Abstract（参考訳）: データ駆動型ジョイントモーメント予測器は、バイオメカニクス推定と外骨格制御のための実験室ベースの逆力学パイプラインに代わるスケーラブルな代替手段を提供する。 一方、物理学に基づく強化学習(RL)では、シミュレーション訓練されたコントローラは、広範囲な人体実験をせずに動的に認識される支援戦略を学習することができる。 しかし,シミュレーション訓練した外骨格トルク予測器の定量的検証とヒト関節力注入への影響は限定的である。 本稿では,(1)生体関節モーメントを減らすための外骨格補助政策を学習するためのRLフレームワーク,(2)オープンソースの歩行データセットを用いてトレーニングされた制御ネットワークを検証する検証パイプラインについて述べる。 シミュレーション学習型多層パーセプトロン (MLP) コントローラは, 平地歩行, 傾斜歩行, 両側股関節, 膝関節運動の短水平履歴を正常化補助トルクにマッピングする。 その結果、予測支援は、速度と傾斜をまたいだタスクインテンシティの傾向を保ちます。 特に股関節で強い相関係数は1.8m/sで0.94、5°下降時に0.98に達し、ほぼ一致した時間構造を示す。 相違は、特に膝部において、より高速で急激な傾きが増加し、関節力比較においてより顕著である。 遅延チューニングバイアスは、より大きな正のパワーインジェクションに対する補助となる; 適度なタイミングシフトは、正のパワーを高め、特定の歩数間隔での一致を改善する。 これらの結果は,シミュレーション学習したエクソスケルトンコントローラの定量的検証フレームワークを確立し,トルクレベルでの強いsim-to-data整合性を実証し,sim-to-realトランスファーの約束と残りの課題を強調した。

関連論文リスト

• SMAT: Staged Multi-Agent Training for Co-Adaptive Exoskeleton Control [1.7061322026474812]
  本研究では,ユーザがウェアラブルデバイスに自然に順応する方法を反映した4段階のカリキュラムを提案する。 筋無力症シミュレーション環境において,26筋下肢モデルと腰部外骨格を併用したSMATを実装した。 筋骨格シミュレーションにより、学習した外骨格の制御は、無力状態と比較して平均10.1%の股関節筋活性化を減少させることが示された。
  論文  参考訳（メタデータ） (2026-03-08T13:06:36Z)
• Learning Hip Exoskeleton Control Policy via Predictive Neuromusculoskeletal Simulation [0.0]
  本稿では,ヒップ・エキソスケルトン制御ポリシをシミュレーションで完全に訓練する物理に基づく神経筋骨格学習フレームワークを提案する。 強化学習教師の政策は、幅広い歩行速度と斜面に先立って筋神経活動を用いて訓練される。 シミュレーションでは、エキソスケルトンアシストにより、平均筋活動量が3.4%まで減少し、平均正のジョイントパワーが7.0%まで上昇する。
  論文  参考訳（メタデータ） (2026-03-04T15:23:50Z)
• Multi-Joint Physics-Informed Deep Learning Framework for Time-Efficient Inverse Dynamics [14.935995015069487]
  多関節系における筋活動と筋力の時間効率評価は臨床評価と補助装置制御において重要である。 筋肉の活性化と力を直接運動学から推定する物理インフォームド・ディープラーニング・フレームワークを提案する。 PI-MJCA-BiGRUは,基本トラストラベルを必要とせず,従来の教師付き手法に匹敵する性能が得られることを示す。
  論文  参考訳（メタデータ） (2025-11-14T01:15:10Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Predictability Shapes Adaptation: An Evolutionary Perspective on Modes of Learning in Transformers [51.992454203752686]
  トランスフォーマーモデルは、IWL(In-weights Learning)とICL(In-context Learning)の2つの異なるモードで学習する。 我々は進化生物学の類似した適応戦略である遺伝的エンコーディングと表現型可塑性からインスピレーションを得ている。 我々はこれらの予測可能性の次元を実験的に運用し、トランスフォーマーのICL/IWLバランスへの影響について検討する。
  論文  参考訳（メタデータ） (2025-05-14T23:31:17Z)
• 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)
• sEMG-Driven Physics-Informed Gated Recurrent Networks for Modeling Upper Limb Multi-Joint Movement Dynamics [5.524068837259551]
  外骨格とリハビリテーションシステムは、適応的なヒューマン・マシン・インタフェースを用いて、人間の強さと回復を改善する可能性がある。 本稿では,SEMGデータから多関節運動のダイナミクスを予測する新しいモデルPiGRNを提案する。 PiGRN は Gated Recurrent Unit (GRU) を使用して時系列のsEMG入力を処理し、マルチジョイントキネマティクスと外部負荷を推定し、トレーニング中に物理ベースの制約を取り入れながら関節トルクを予測する。
  論文  参考訳（メタデータ） (2024-08-29T15:09:04Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• AdaSAM: Boosting Sharpness-Aware Minimization with Adaptive Learning Rate and Momentum for Training Deep Neural Networks [76.90477930208982]
  シャープネス認識(SAM)は、ディープニューラルネットワークのトレーニングにおいて、より一般的なものにするため、広範囲に研究されている。 AdaSAMと呼ばれる適応的な学習摂動と運動量加速度をSAMに統合することはすでに検討されている。 いくつかのNLPタスクにおいて,SGD,AMS,SAMsGradと比較して,AdaSAMが優れた性能を発揮することを示す実験を行った。
  論文  参考訳（メタデータ） (2023-03-01T15:12:42Z)

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。