論文の概要: End-to-End Control of a Powered Knee-Ankle Prosthesis Towards Unified, Tuning-Free Assistance

• arxiv url: http://arxiv.org/abs/2606.07902v1
• Date: Fri, 05 Jun 2026 23:24:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.524787
• Title: End-to-End Control of a Powered Knee-Ankle Prosthesis Towards Unified, Tuning-Free Assistance
• Title（参考訳）: パワー付き膝足関節補綴の終端制御 : 統一・調整不要支援に向けて
• Authors: John Shim, Christoph Nuesslein, Sixu Zhou, Hanjun kim, Kinsey Herrin, Aaron Young,
• Abstract要約: そこで本研究では,車載センサからの連続アクチュエータ信号を推定するエンド・ツー・エンド・プロテーゼ・コントローラのリアルタイム展開について述べる。 テンポラル・コンボリューショナル・ネットワークは、大腿切断を行った18人の個人によるマルチテランのデータセットで訓練された。
• 参考スコア（独自算出の注目度）: 1.7837718124568467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Powered prostheses conventionally rely on impedance controllers that require extensive manual tuning and explicit mode classification. In this work, we present real-time deployment of an end-to-end prosthesis controller that estimates continuous actuator signals from onboard sensors, eliminating the need for intent classifiers and subject-specific tuning. Temporal Convolutional Networks were trained on a multi-terrain dataset from 18 individuals with transfemoral amputation and deployed in real time across five locomotion modes. Four participants (three able-bodied, one with transfemoral amputation) ambulated across level ground, ramp ascent and descent, and stair ascent and descent. During level walking, the deployed controller reproduced the training-data scaling of peak ankle torque with walking speed (deployed 0.85 Nm/kg per m/s, p = 0.001; training 0.96 Nm/kg per m/s, 95% CI [0.42, 1.50], p = 0.002), after excluding one outlier traced to atypical prosthesis loading. During ramp ascent, the controller scaled knee pre-flexion with grade (deployed 2.92 deg/deg, p = 0.027; training 3.30 deg/deg, 95% CI [1.83, 4.77], p < 0.001). During ramp descent, the controller increased resistive knee torque relative to level walking (deployed +0.16 Nm/kg, p < 0.001; training +0.16 Nm/kg, p = 0.008). Seamless stair transitions were generated for both intact- and prosthetic-side-leading sequences in ascent and descent, despite the training data containing only one limb-leading sequence. These results provide initial evidence towards end-to-end control that can provide unified, mode-adaptive prosthetic assistance without subject-specific tuning.
• Abstract（参考訳）: パワード・プロテーゼは従来、広範囲な手動チューニングと明示的なモード分類を必要とするインピーダンスコントローラに依存していた。 本研究では,車載センサからの連続アクチュエータ信号を推定し,インテント分類器や主観的チューニングの必要性を解消するエンド・ツー・エンド・エンド・プロテーゼ・コントローラのリアルタイム展開を提案する。 時間的畳み込みネットワークは、大腿骨を切断した18人の個人によるマルチテランのデータセットで訓練され、5つの移動モードでリアルタイムで展開された。 4名(有能3名, 経大腿骨切断1名)が地上, 傾斜上昇, 降下, 階段上昇, 降下した。 レベルウォーキング中、配置されたコントローラは、歩行速度(m/sあたり 0.85 Nm/kg、p = 0.001; トレーニング 0.96 Nm/kg、95% CI [0.42, 1.50], p = 0.002)でピーク足首トルクのトレーニングデータスケーリングを再現した。 傾斜上昇中、操縦士は膝前屈曲を2.92 deg/deg, p = 0.027;トレーニング3.30 deg/deg, 95% CI [1.83, 4.77], p < 0.001)に拡大した。 傾斜降下中は、レベルウォーキング (deployed +0.16 Nm/kg, p < 0.001; training +0.16 Nm/kg, p = 0.008) と比較して抵抗性膝関節トルクが増加した。 1つの手足のリード配列を含むトレーニングデータにもかかわらず、無傷および義足側リードシーケンスの上昇および降下において、シームレスステア遷移が生成した。 これらの結果は、主観的なチューニングを伴わずに、統一されたモード適応型補綴器を提供するエンド・ツー・エンド制御に対する最初の証拠を提供する。

関連論文リスト

• $h$-control: Training-Free Camera Control via Block-Conditional Gibbs Refinement [47.751369359301236]
  textbf$h$-controlは、トレーニングフリーでトレーニングベースの7つの競合相手に対して最高のFVDを達成する。 RealEstate10KとDAVISでは、textbf$h$-controlは7つのトレーニングフリーおよびトレーニングベース競合相手に対して最高のFVDを達成している。
  論文  参考訳（メタデータ） (2026-05-12T09:51:04Z)
• Exoskeleton Control through Learning to Reduce Biological Joint Moments in Simulations [0.0]
  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。
  論文  参考訳（メタデータ） (2026-03-08T13:31:06Z)
• 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)
• Generating Natural-Language Surgical Feedback: From Structured Representation to Domain-Grounded Evaluation [66.7752700084159]
  外科的トレーナーからの高品質なフィードバックは,訓練者のパフォーマンス向上と長期的スキル獲得に不可欠である。 本稿では,実際の訓練者-訓練者間の文書から外科的行動オントロジーを学習する構造対応パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-11-19T06:19:34Z)
• RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
  RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。 複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
  論文  参考訳（メタデータ） (2025-09-25T03:30:34Z)
• 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)
• Deep-Learning Control of Lower-Limb Exoskeletons via simplified Therapist Input [0.0]
  部分補助性外骨格は歩行回復に有意な可能性を秘めている。 外骨格における相互作用トルクの制御は階層的な制御構造に依存している。 この研究は、外骨格における階層制御の限界に対処する3段階のデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-10T22:52:44Z)
• Tangent Model Composition for Ensembling and Continual Fine-tuning [69.92177580782929]
  タンジェントモデル合成(Tangent Model composition, TMC)は、事前訓練された点を中心に微調整されたコンポーネントモデルを独立に結合する手法である。 TMCの精度は4.2%向上し、非線形微調整モデルの精度は4.2%向上した。
  論文  参考訳（メタデータ） (2023-07-16T17:45:33Z)
• Real-Time Model-Free Deep Reinforcement Learning for Force Control of a Series Elastic Actuator [56.11574814802912]
  最先端のロボットアプリケーションは、歩行、揚力、操作などの複雑なタスクを達成するために、閉ループ力制御を備えた連続弾性アクチュエータ(SEAs)を使用する。 モデルフリーPID制御法はSEAの非線形性により不安定になりやすい。 深層強化学習は連続制御タスクに有効なモデルレス手法であることが証明されている。
  論文  参考訳（メタデータ） (2023-04-11T00:51:47Z)

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。