論文の概要: Musculoskeletal Motion Imitation for Learning Personalized Exoskeleton Control Policy in Impaired Gait

• arxiv url: http://arxiv.org/abs/2604.09431v1
• Date: Fri, 10 Apr 2026 15:49:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.942657
• Title: Musculoskeletal Motion Imitation for Learning Personalized Exoskeleton Control Policy in Impaired Gait
• Title（参考訳）: 歩行障害者における個人化外骨格制御の学習のための筋骨格運動模倣
• Authors: Itak Choi, Ilseung Park, Eni Halilaj, Inseung Kang,
• Abstract要約: 身体と臨床の両方において、スケーラブルな個人化された外骨格支援を実現するためのデバイス非依存の枠組みを導入する。 制御方針は, 生理学的に妥当な運動動態を生じさせ, 臨床に観察された筋力障害に対する補充戦略を捉えている。 タスク固有のチューニングがなければ、結果として生じる外骨格制御ポリシーは、人間の実験で検証された最先端のプロファイルと一致する、股関節と足首の補助トルクプロファイルを生成する。
• 参考スコア（独自算出の注目度）: 1.224954637705144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing generalizable control policies for lower-limb exoskeletons remains fundamentally constrained by exhaustive data collection or iterative optimization procedures, which limit accessibility to clinical populations. To address this challenge, we introduce a device-agnostic framework that combines physiologically plausible musculoskeletal simulation with reinforcement learning to enable scalable personalized exoskeleton assistance for both able-bodied and clinical populations. Our control policies not only generate physiologically plausible locomotion dynamics but also capture clinically observed compensatory strategies under targeted muscular deficits, providing a unified computational model of both healthy and pathological gait. Without task-specific tuning, the resulting exoskeleton control policies produce assistive torque profiles at the hip and ankle that align with state-of-the-art profiles validated in human experiments, while consistently reducing metabolic cost across walking speeds. For simulated impaired-gait models, the learned control policies yield asymmetric, deficit-specific exoskeleton assistance that improves both energetic efficiency and bilateral kinematic symmetry without explicit prescription of the target gait pattern. These results demonstrate that physiologically plausible musculoskeletal simulation via reinforcement learning can serve as a scalable foundation for personalized exoskeleton control across both able-bodied and clinical populations, eliminating the need for extensive physical trials.
• Abstract（参考訳）: 下肢外骨格に対する汎用的な制御ポリシーの設計は、臨床集団へのアクセシビリティを制限する徹底的なデータ収集や反復最適化の手順によって、基本的に制限されている。 この課題に対処するために, 生理学的に妥当な筋骨格シミュレーションと強化学習を組み合わせたデバイス非依存の枠組みを導入し, 有能・臨床両方の患者に対して, スケーラブルなパーソナライズされた外骨格支援を実現する。 我々の制御方針は, 生理的確固とした運動動態を発生させるだけでなく, 目的とする筋力障害に対する補償戦略を臨床的に把握し, 健康歩行と病理歩行の両方の統一的な計算モデルを提供する。 タスク固有のチューニングがなければ、結果として生じるエクソスケルトンコントロールポリシは、人間の実験で検証された最先端のプロファイルと整合した、股関節と足首の補助トルクプロファイルを生成すると同時に、歩行速度における代謝コストを一貫して低減する。 模擬外気流モデルでは、学習された制御ポリシは非対称な欠陥特異的な外骨格補助を与え、目標歩行パターンの明示的な処方を伴わずにエネルギー効率と両側運動対称性の両方を改善する。 以上の結果から, 筋骨格シミュレーションは, 身体と臨床の両方において, 個人化された外骨格制御のためのスケーラブルな基盤として機能し, 広範囲な理学療法の必要性を排除できることが示唆された。

関連論文リスト

• Towards Embodied AI with MuscleMimic: Unlocking full-body musculoskeletal motor learning at scale [38.15316304510102]
  muscleMimicは、生理学的に現実的な筋肉駆動モデルを用いたモーション模倣学習のためのオープンソースのフレームワークである。 筋骨格シミュレーションに計算障壁とデータバリアを下げることにより、マッスルミミックは様々な動的運動にまたがる系統的なモデル検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-26T15:18:37Z)
• 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)
• 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)
• Reinforcement-Learning-Based Assistance Reduces Squat Effort with a Modular Hip--Knee Exoskeleton [0.0]
  スクワット作業を支援するために設計されたモジュール型Hip-Kneeexoskeletonに対するニューラルネットワークコントローラの有効性を評価した。 このコントローラは、最近の関節角度と速度履歴に基づいて、リアルタイムの股関節と膝のアシストトルクを生成した。 その結果,RLをベースとした制御器は,各被験者の運動量やタイミングに合わせてトルクプロファイルを生成することで個人に適応することがわかった。
  論文  参考訳（メタデータ） (2026-02-19T19:51:38Z)
• Toward Humanoid Brain-Body Co-design: Joint Optimization of Control and Morphology for Fall Recovery [55.951691393378354]
  フォールリカバリのためのスケーラブルなヒューマノイド共同設計フレームワークであるRoboCraftを提案する。 複数の設計にまたがって事前訓練された共有ポリシーは、ハイパフォーマンスな形態に対して徐々に微調整される。 実験の結果、RoboCraftは7つの公用ヒューマノイドロボットで平均44.55%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2025-10-25T15:40:18Z)
• Reinforcement learning-based motion imitation for physiologically plausible musculoskeletal motor control [47.423243831156285]
  筋運動制御の理解を深めるために,モデルフリー運動模倣フレームワーク(KINESIS)を提案する。 我々は,KINESISが1.9時間のモーションキャプチャデータに対して強い模倣性能を達成できることを実証した。 キネシスはヒトの筋活動とよく相関する筋活動パターンを生成する。
  論文  参考訳（メタデータ） (2025-03-18T18:37:49Z)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• On Pathologies in KL-Regularized Reinforcement Learning from Expert Demonstrations [79.49929463310588]
  我々は,KL-正規化強化学習と行動基準ポリシを併用することで,病理訓練のダイナミクスに悩まされることを示した。 非パラメトリックな行動参照ポリシーで治療できることを示す。
  論文  参考訳（メタデータ） (2022-12-28T16:29:09Z)
• Reinforcement Learning of Musculoskeletal Control from Functional Simulations [3.94716580540538]
  本研究は、深部強化学習(DRL)に基づく逆動力学制御器を用いて、人間の肩の生体力学的モデルによる筋活動の制御を訓練する。 その結果,無作為に発生する角軌道に追従する作業に対して,肩下降の単一軸運動制御を行うことができた。
  論文  参考訳（メタデータ） (2020-07-13T20:20:01Z)
• 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)

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。