論文の概要: Design and Validation of a Robotic Knee Exoskeleton with Musculoskeletal Simulation-Derived Biological Torque Control

• arxiv url: http://arxiv.org/abs/2610.41981v1
• Date: Fri, 30 Oct 2026 16:29:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.809459
• Title: Design and Validation of a Robotic Knee Exoskeleton with Musculoskeletal Simulation-Derived Biological Torque Control
• Title（参考訳）: 筋骨格シミュレーションを用いたロボット膝外骨格の設計と評価
• Abstract要約: 主な例として生物学的トルク制御があり、オンボードセンサーからユーザーの関節モーメントを推定する。 既存のオープンソースの取り組みはハードウェア、ソフトウェア、コントローラを別々にリリースしているため、このデータ収集は組み立てたデバイス上で繰り返す必要がある。 ここでは、既製の部品と広く利用可能な加工ツールから構築されたオープンソースの膝外骨格について紹介する。
• 参考スコア（独自算出の注目度）: 0.71497210289629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data-driven controllers have enabled lower-limb robotic exoskeletons to adapt assistance to the user across many tasks. A leading example is biological torque control, which estimates the user's own joint moment from onboard sensors and assists in proportion to that estimate. However, its estimators are trained on data recorded with the target device, so deploying the controller on new hardware requires collecting new data. Existing open-source efforts release hardware, software, or controllers separately, so this data collection must still be repeated on the assembled device. Here, we present an open-source knee exoskeleton, built from off-the-shelf components and widely available fabrication tools, with a biological torque controller derived entirely from simulation. A muscle-driven imitation policy reproduces squatting motions from an open biomechanics dataset, and the resulting knee moments are distilled into an estimator that uses only onboard sensors, so no training data are recorded on the device. In seven able-bodied participants, assistance reduced peak biological knee extension moment by 21.5% and peak vastus medialis activation by 26.7% during squatting, relative to squatting without the exoskeleton (p<0.05). Our results demonstrate that a biological torque controller derived from simulation can transfer to physical hardware without device-specific data collection. Because the hardware and training pipeline are released together, research groups can train and compare knee exoskeleton controllers on shared hardware without additional data collection overhead.
• Abstract（参考訳）: データ駆動型コントローラは、ローレベルなロボティック・エクソスケトンを、多くのタスクにまたがってユーザへの支援を適応できるようにしている。 主な例として生物学的トルク制御があり、これはユーザーの関節モーメントをオンボードセンサーから推定し、その推定に比例してアシストする。 しかし、その推定器はターゲットデバイスで記録されたデータに基づいて訓練されているため、新しいハードウェアにコントローラを配置するには、新しいデータを集める必要がある。 既存のオープンソースの取り組みはハードウェア、ソフトウェア、コントローラを別々にリリースしているため、このデータ収集は組み立てたデバイス上で繰り返す必要がある。 そこで本研究では,既製の部品と広く利用可能な製作ツールから構築したオープンソースの膝外骨格について述べる。 筋肉駆動の模倣ポリシーは、オープンバイオメカニクスデータセットからのしゃがみ動作を再現し、その結果生じる膝モーメントを、オンボードセンサーのみを使用する推定器に蒸留するので、デバイスにトレーニングデータを記録することはない。 有能な7人の被験者では、補助により生体内膝伸展モーメントのピークが21.5%減少し、しゃがみ込みのピークが26.7%減少する。 シミュレーションから得られた生体トルクコントローラは,デバイス固有のデータ収集を必要とせずに物理ハードウェアに転送可能であることを示す。 ハードウェアとトレーニングパイプラインが一緒にリリースされるため、研究グループは、データ収集のオーバーヘッドを伴わずに、共有ハードウェア上で膝外骨格コントローラーをトレーニングし、比較することができる。

関連論文リスト

• KODA: Kinematics--Observation Data Alignment for Humanoid Learning from Human Egocentric Demonstration [73.0540153209998]
  ヒューマノイド全体視覚アクション(VLA)の訓練には、ロボットビューとコントローラー互換の全身状態動作ラベルを備えた高価なロボットデモが必要である。 我々は,エゴセントリックなRGBデモを,再利用可能な標準軌跡を用いて,全身のVLAトレーニングデータに変換するKODAを提案する。 我々は,4つのユニツリーG1ロコ操作タスクにおいて,SONICとHEFTの2つのボディコントローラを用いてKODAを評価する。
  論文  参考訳（メタデータ） (2026-10-15T03:08:17Z)
• A Unified Kinematic Representation Enables Reusable Biological Joint Moment Estimation [2.03242501195368]
  生体関節モーメント推定からハードウェア固有の感覚を分離する中間表現として関節キネマティクスを提案する。 ジョイントキネマティクスにより、オープンソースのデータのみに基づいてトレーニングされた推定器が、異なるウェアラブルプラットフォーム間で動作できるようになった。
  論文  参考訳（メタデータ） (2026-10-06T21:48:02Z)
• Pre-training Visual Dexterity in Simulation [67.17477115017896]
  シミュレーションで完全に収集されたデータを利用するデクスタラスな操作のための事前学習フレームワークを導入する。 5人のオペレーターの助けを借りて、1週間にわたって75時間のマルチタスク・デキスタラスな操作を収集し、配列モデリングの目的に基づいて因果変換器を事前訓練する。 提案手法は,シミュレーション遠隔操作が実世界における創発的操作のトレーニング前情報源として有効なことを示し,学習行動のクローン化方針をゼロから上回る結果を得た。
  論文  参考訳（メタデータ） (2026-08-16T20:21:33Z)
• A Replay-Constrained Simulation Framework for Personalization of Powered Knee--Ankle Prosthesis Controllers [11.765906112645466]
  電動義足用インピーダンスコントローラのパーソナライズは、個々の歩行を調節するために重要であるが、依然として困難である。 MuJoCoをベースとしたシミュレーターは、記録されたヒップキネマティクスとフィードバックに基づくグラウンド反応力を再生しながら、人工膝関節の力学を再現する。 深部強化学習政策は、両関節における相依存性の剛性、減衰、平衡角を同時にパーソナライズする。
  論文  参考訳（メタデータ） (2026-07-24T18:59:48Z)
• WheelArm-Sim: A Manipulation and Navigation Combined Multimodal Synthetic Data Generation Simulator for Unified Control in Assistive Robotics [1.9655734270449854]
  車椅子とロボットアームの制御を組み合わせた統合サイバー物理システム(CPS)であるWheelArmのコンセプトを紹介した。 WheelArm-Simから収集したデータは、統合制御のためのデータ駆動機械学習モデルで実現可能である。
  論文  参考訳（メタデータ） (2026-01-29T00:02:51Z)
• The Mini Wheelbot Dataset: High-Fidelity Data for Robot Learning [11.872449230532501]
  本稿では,オープンソースの準対称平衡式反応輪一輪車Mini Wheelbotについて,包括的ダイナミックスデータセットを提案する。 このデータセットは、1kHzの同期データで、オンボードセンサーの読み取り、状態推定、モーションキャプチャシステムからの地味なポーズ、サードパーティのビデオログを含む。
  論文  参考訳（メタデータ） (2026-01-16T16:06:32Z)
• CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
  hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。 CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。 そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
  論文  参考訳（メタデータ） (2025-12-16T18:56:04Z)
• K2MUSE: A human lower limb multimodal dataset under diverse conditions for facilitating rehabilitation robotics [15.245241949892584]
  K2MUSEデータセットには、運動、運動、振幅モード超音波(AUS)、表面筋電図(sEMG)の測定を含む、総合的なマルチモーダルデータの収集が含まれている。 このデータセットは、リハビリテーションロボットの制御フレームワークを設計し、下肢運動の生体力学的解析を行うための新しいリソースを提供する。
  論文  参考訳（メタデータ） (2025-04-20T13:03:56Z)
• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

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。