ホーム > 特許ランキング > セイコーエプソン株式会社
知財求人 - 知財ポータルサイト「IP Force」
特開2024-139883情報処理装置、情報処理方法、プログラム記録媒体および学習中モデル
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024139883
(43)【公開日】2024-10-10
(54)【発明の名称】情報処理装置、情報処理方法、プログラム記録媒体および学習中モデル
(51)【国際特許分類】
A63B 69/00 20060101AFI20241003BHJP
A63B 71/06 20060101ALI20241003BHJP
A61B 5/11 20060101ALI20241003BHJP
【ＦＩ】
A63B69/00 C
A63B71/06 T
A61B5/11 200
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2023050818
(22)【出願日】2023-03-28
(71)【出願人】
【識別番号】000002369
【氏名又は名称】セイコーエプソン株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100140774
【弁理士】
【氏名又は名称】大浪 一徳
(74)【代理人】
【識別番号】100114937
【弁理士】
【氏名又は名称】松本 裕幸
(74)【代理人】
【識別番号】100196058
【弁理士】
【氏名又は名称】佐藤 彰雄
(72)【発明者】
【氏名】山村 義宏
(72)【発明者】
【氏名】小沢 優也
【テーマコード（参考）】
4C038
【Ｆターム（参考）】
4C038VA04
4C038VB35
4C038VC20
(57)【要約】
【課題】対象者ごとに年齢に適した指導レポートを出力することができ、対象者の運動を支援することができる情報処理装置などを提供する。
【解決手段】対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得部と、前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得部と、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部と、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力部と、を備える情報処理装置。
【選択図】図１
【解決手段】対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得部と、前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得部と、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部と、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力部と、を備える情報処理装置。
【選択図】図１
【特許請求の範囲】
【請求項1】
対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得部と、
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得部と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部と、
前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力部と、
を備える情報処理装置。
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得部と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部と、
前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力部と、
を備える情報処理装置。
【請求項2】
前記対象者情報は、前記対象者の体格に関する体格情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記体格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
請求項１に記載の情報処理装置。
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記体格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
請求項１に記載の情報処理装置。
【請求項3】
前記対象者情報は、前記対象者の性格に関する性格情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記性格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
請求項１に記載の情報処理装置。
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記性格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
請求項１に記載の情報処理装置。
【請求項4】
前記対象者情報は、前記対象者の住んでいる場所および前記対象者の家族構成に関する環境情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記環境情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
請求項１に記載の情報処理装置。
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記環境情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
請求項１に記載の情報処理装置。
【請求項5】
前記運動評価情報は、前記対象者の年齢における理想の運動情報と、前記対象者の運動に関する運動情報と、を比較した情報である、
請求項１から請求項４のいずれか１項に記載の情報処理装置。
請求項１から請求項４のいずれか１項に記載の情報処理装置。
【請求項6】
前記対象者に取り付けられる第１検出装置からの情報に基づいて、前記対象者の運動に関する運動情報を取得する運動情報取得部を備える、
請求項１から請求項４のいずれか１項に記載の情報処理装置。
請求項１から請求項４のいずれか１項に記載の情報処理装置。
【請求項7】
前記第１検出装置は、加速度、位置情報または角速度のうちの少なくとも１つに関する情報を検出する、
請求項６に記載の情報処理装置。
請求項６に記載の情報処理装置。
【請求項8】
前記学習済みモデルは、前記対象者に関する複数のパラメーターが含まれる前記対象者情報と前記運動評価情報とに基づく前記指導内容と、指導後の運動評価情報と、が入力された場合、学習中に前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習モデルである、
請求項１から請求項４のいずれか１項に記載の情報処理装置。
請求項１から請求項４のいずれか１項に記載の情報処理装置。
【請求項9】
情報処理装置の対象者情報取得部が、対象者の年齢を示す年齢情報を含む対象者情報を取得し、
前記情報処理装置の運動評価情報取得部が、前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶し、
前記情報処理装置のレポート出力部が、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力する、
情報処理方法。
前記情報処理装置の運動評価情報取得部が、前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶し、
前記情報処理装置のレポート出力部が、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力する、
情報処理方法。
【請求項10】
プログラムを記録するプログラム記録媒体であって、
前記プログラムは、コンピューターに、
対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得機能と、
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得機能と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部に記憶された前記学習済みモデルに、前記対象者情報と、前記運動評価情報と、を入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力機能と、
を実現させる、
プログラム記録媒体。
前記プログラムは、コンピューターに、
対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得機能と、
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得機能と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部に記憶された前記学習済みモデルに、前記対象者情報と、前記運動評価情報と、を入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力機能と、
を実現させる、
プログラム記録媒体。
【請求項11】
対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得する指導内容取得部と、
指導後の前記対象者の運動の評価に関する運動評価情報を取得する運動情報評価部と、
指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する記憶部と、
を備える情報処理装置。
指導後の前記対象者の運動の評価に関する運動評価情報を取得する運動情報評価部と、
指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する記憶部と、
を備える情報処理装置。
【請求項12】
対象者に関する複数のパラメーターが含まれる対象者情報と、前記対象者の運動の評価に関する運動評価情報と、に基づく指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する、
学習中モデル。
学習中モデル。
【請求項13】
情報処理装置の指導内容取得部が、対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得し、
前記情報処理装置の運動情報評価部が、指導後の前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する、
情報処理方法。
前記情報処理装置の運動情報評価部が、指導後の前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する、
情報処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置、情報処理方法、プログラム記録媒体および学習中モデルに関する。
【背景技術】
【0002】
特許文献１に記載された歩行指導システムでは、被験者の性別、年齢、身長、体重、ＢＭＩ、病気を考慮した歩行指標を決定し、当該歩行指標に合わせた足跡画像を表示することが行われている（特許文献１参照。）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１－７４０６６号公報
【特許文献2】特開２００４－１６４０８７号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、従来技術では、足跡画像をただ表示するだけであるため、対象者ごとに適したトレーニング内容あるいはトレーニングに対するアドバイスを出力することができず、対象者の歩行能力を向上させることが困難な場合があった。
【課題を解決するための手段】
【0005】
上記課題を解決するために一態様は、対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得部と、前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得部と、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部と、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力部と、を備える情報処理装置である。
【0006】
上記課題を解決するために一態様は、情報処理装置の対象者情報取得部が、対象者の年齢を示す年齢情報を含む対象者情報を取得し、前記情報処理装置の運動評価情報取得部が、前記対象者の運動の評価に関する運動評価情報を取得し、前記情報処理装置の記憶部が、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶し、前記情報処理装置のレポート出力部が、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力する、情報処理方法である。
【0007】
上記課題を解決するために一態様は、プログラムを記録するプログラム記録媒体であって、前記プログラムは、コンピューターに、対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得機能と、前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得機能と、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部に記憶された前記学習済みモデルに、前記対象者情報と、前記運動評価情報と、を入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力機能と、を実現させる、プログラム記録媒体である。
【0008】
上記課題を解決するために一態様は、対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得する指導内容取得部と、指導後の前記対象者の運動の評価に関する運動評価情報を取得する運動情報評価部と、指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する記憶部と、を備える情報処理装置である。
【0009】
上記課題を解決するために一態様は、対象者に関する複数のパラメーターが含まれる対象者情報と、前記対象者の運動の評価に関する運動評価情報と、に基づく指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する、学習中モデルである。
【0010】
上記課題を解決するために一態様は、情報処理装置の指導内容取得部が、対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得し、前記情報処理装置の運動情報評価部が、指導後の前記対象者の運動の評価に関する運動評価情報を取得し、前記情報処理装置の記憶部が、指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する、情報処理方法である。
【図面の簡単な説明】
【0011】
【図1】実施形態に係る情報処理装置の概略的な構成例を示す図である。
【図2】実施形態に係る学習済みモデルの入出力の一例を示す図である。
【図3】実施形態に係る自立、フレイル、要支援および要介護の分類、段階、状態の一例を表す第１テーブルを示す図である。
【図4】実施形態に係るＪ－ＣＨＳ基準を表す第２テーブルを示す図である。
【図5】実施形態に係る個人情報を表す第３テーブルを示す図である。
【図6】実施形態に係る肥満の判定基準の一例を表す第４テーブルを示す図である。
【図7】実施形態に係る肥満の判定基準の他の一例を表す第５テーブルを示す図である。
【図8】実施形態に係るアンケート内容の一例を示す図である。
【図9】実施形態に係る性格の分類の一例を表す第６テーブルを示す図である。
【図10】実施形態に係る対象者情報が第１パターンである場合の個人情報を表す第７テーブルを示す図である。
【図11】実施形態に係る対象者情報が第２パターンである場合の個人情報を表す第８テーブルを示す図である。
【図12】実施形態に係る対象者情報が第３パターンである場合の個人情報を表す第９テーブルを示す図である。
【図13】実施形態に係る対象者の歩行の波形データの一例を示す図である。
【図14】実施形態に係る対象者の歩行の波形データの他の一例を示す図である。
【図15】実施形態に係る対象者の足の角度の一例を示す図である。
【図16】実施形態に係る対象者の下半身の動きの一例を示す図である。
【図17】実施形態に係る対象者の上半身の動きの一例を示す図である。
【図18】実施形態に係る年齢別の理想歩幅の一例を表す第１０テーブルを示す図である。
【図19】実施形態に係る年齢別の理想歩行速度の一例を表す第１１テーブルを示す図である。
【図20】実施形態に係る第１パターンにおける第１歩行特性の一例を示す図である。
【図21】実施形態に係る第１パターンにおける評価情報の一例を表す第１２テーブルを示す図である。
【図22】実施形態に係る第２パターンにおける第２歩行特性の一例を示す図である。
【図23】実施形態に係る第２パターンにおける評価情報の一例を表す第１３テーブルを示す図である。
【図24】実施形態に係る第３パターンにおける第３歩行特性の一例を示す図である。
【図25】実施形態に係る第３パターンにおける評価情報の一例を表す第１４テーブルを示す図である。
【図26】実施形態に係るトレーニングの分類の一例を表す第１５テーブルを示す図である。
【図27】実施形態に係る教師データの生成の一例を模式的に示す図である。
【図28】実施形態に係る学習中モデルでの分析の一例を模式的に示す図である。
【図29】実施形態に係る学習中モデルでの分析内容の一例を模式的に示す図である。
【発明を実施するための形態】
【0012】
以下、実施形態について、図面を参照して説明する。
【0013】
実施形態について説明する。
【0014】
図１は、実施形態に係る情報処理装置１の概略的な構成例を示す図である。
情報処理装置１は、入力部１１と、出力部１２と、通信部１３と、記憶部１４と、制御部１５と、を備える。
制御部１５は、対象者情報取得部１１１と、運動評価情報取得部１１２と、レポート出力部１１３と、運動情報取得部１１４と、指導内容取得部１１５と、運動情報評価部１１６と、を備える。
情報処理装置１は、入力部１１と、出力部１２と、通信部１３と、記憶部１４と、制御部１５と、を備える。
制御部１５は、対象者情報取得部１１１と、運動評価情報取得部１１２と、レポート出力部１１３と、運動情報取得部１１４と、指導内容取得部１１５と、運動情報評価部１１６と、を備える。
【0015】
また、図１には、対象者２１１と、対象者２１１に取り付けられた第１検出装置２５１と、を示してある。
対象者２１１は、トレーニングの指導を受ける者である。
図１では、１人の対象者２１１を示しているが、本実施形態では、複数の対象者が存在する。
対象者２１１は、トレーニングの指導を受ける者である。
図１では、１人の対象者２１１を示しているが、本実施形態では、複数の対象者が存在する。
【0016】
第１検出装置２５１は、対象者２１１により行われる運動の評価を行うための情報を検出する装置である。当該情報は、任意の物理量の情報であってもよく、例えば、加速度、位置情報、または、角速度などであってもよい。
【0017】
ここで、他の例として、道具２３１と、道具２３１に取り付けられた第２検出装置２７１と、が用いられてもよい。
道具２３１は、対象者２１１が行うトレーニングで用いられる道具である。
第２検出装置２７１は、対象者２１１により行われる運動の評価を行うための情報を検出する装置である。当該情報は、任意の物理量の情報であってもよく、例えば、加速度、位置情報、または、角速度であってもよい。
道具２３１は、対象者２１１が行うトレーニングで用いられる道具である。
第２検出装置２７１は、対象者２１１により行われる運動の評価を行うための情報を検出する装置である。当該情報は、任意の物理量の情報であってもよく、例えば、加速度、位置情報、または、角速度であってもよい。
【0018】
なお、第１検出装置２５１と第２検出装置２７１とは、例えば、任意の一方が用いられてもよく、あるいは、両方が用いられてもよい。
また、第１検出装置２５１および第２検出装置２７１は、それぞれ、例えば、所望の情報を検出するセンサーを用いて構成されていてもよい。
第１検出装置２５１および第２検出装置２７１により検出される情報は、データ、または、検出値、などと呼ばれてもよい。
また、第１検出装置２５１および第２検出装置２７１は、それぞれ、例えば、所望の情報を検出するセンサーを用いて構成されていてもよい。
第１検出装置２５１および第２検出装置２７１により検出される情報は、データ、または、検出値、などと呼ばれてもよい。
【0019】
入力部１１は、例えば、ユーザーの操作に応じて情報を入力する処理、および、他の装置から情報を入力する処理を行う。
出力部１２は、例えば、他の装置に情報を出力する処理を行う。当該他の装置は、ディスプレイ装置であってもよく、この場合、出力部１２から出力された情報が当該ディスプレイ装置の画面に表示出力される。他の例として、当該他の装置は、印刷装置であってもよく、この場合、出力部１２から出力された情報が当該印刷装置により印刷出力される。
通信部１３は、他の装置との間で通信を行う。通信部１３は、例えば、第１検出装置２５１および第２検出装置２７１と通信されるように構成される。また、通信部１３は、図示されない他の装置、例えば、印刷装置などと通信されるように構成されてもよい。
なお、本実施形態では、入力部１１および出力部１２とは別に通信部１３を示したが、例えば、通信部１３の機能が入力部１１および出力部１２の機能に含まれていてもよい。
出力部１２は、例えば、他の装置に情報を出力する処理を行う。当該他の装置は、ディスプレイ装置であってもよく、この場合、出力部１２から出力された情報が当該ディスプレイ装置の画面に表示出力される。他の例として、当該他の装置は、印刷装置であってもよく、この場合、出力部１２から出力された情報が当該印刷装置により印刷出力される。
通信部１３は、他の装置との間で通信を行う。通信部１３は、例えば、第１検出装置２５１および第２検出装置２７１と通信されるように構成される。また、通信部１３は、図示されない他の装置、例えば、印刷装置などと通信されるように構成されてもよい。
なお、本実施形態では、入力部１１および出力部１２とは別に通信部１３を示したが、例えば、通信部１３の機能が入力部１１および出力部１２の機能に含まれていてもよい。
【0020】
記憶部１４は、情報を記憶する。
本実施形態では、記憶部１４は、学習モデルＡ１と、対象者情報Ｇ１と、運動評価情報Ｇ２と、運動情報Ｇ３と、を記憶する。
学習モデルＡ１は、機械学習のモデルであり、例えば、学習前の状態、学習中の状態、学習済みの状態があり得る。
対象者情報Ｇ１は、対象者２１１に関する情報である。
運動評価情報Ｇ２は、対象者２１１の運動に対する評価を表す情報である。
運動情報Ｇ３は、対象者２１１の運動の情報である。
なお、対象者情報Ｇ１、運動評価情報Ｇ２、および運動情報Ｇ３のうちの２以上は、対象者２１１ごとに紐付けられていてもよい。紐付けは、対応付けなどと呼ばれてもよい。
本実施形態では、記憶部１４は、学習モデルＡ１と、対象者情報Ｇ１と、運動評価情報Ｇ２と、運動情報Ｇ３と、を記憶する。
学習モデルＡ１は、機械学習のモデルであり、例えば、学習前の状態、学習中の状態、学習済みの状態があり得る。
対象者情報Ｇ１は、対象者２１１に関する情報である。
運動評価情報Ｇ２は、対象者２１１の運動に対する評価を表す情報である。
運動情報Ｇ３は、対象者２１１の運動の情報である。
なお、対象者情報Ｇ１、運動評価情報Ｇ２、および運動情報Ｇ３のうちの２以上は、対象者２１１ごとに紐付けられていてもよい。紐付けは、対応付けなどと呼ばれてもよい。
【0021】
ここで、情報処理装置１は、例えば、対象者２１１の運動評価情報Ｇ２を外部から取得してもよく、あるいは、対象者２１１の運動情報Ｇ３を外部から取得して、取得した運動情報Ｇ３に基づいて運動評価情報Ｇ２を生成してもよい。
なお、図１の例では、記憶部１４に、学習モデルＡ１、対象者情報Ｇ１、運動評価情報Ｇ２、運動情報Ｇ３が記憶されている状態を示しているが、処理のタイミングなどによって、これらのうちの一部または全部が記憶部１４に記憶されていない状態もあり得る。
なお、図１の例では、記憶部１４に、学習モデルＡ１、対象者情報Ｇ１、運動評価情報Ｇ２、運動情報Ｇ３が記憶されている状態を示しているが、処理のタイミングなどによって、これらのうちの一部または全部が記憶部１４に記憶されていない状態もあり得る。
【0022】
制御部１５は、各種の処理および制御を行う。
本実施形態では、情報処理装置１は、コンピューターを用いて構成されている。
制御部１５は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのプロセッサーを有しており、当該プロセッサーにより所定のプログラムを実行することで、各種の処理および制御を行う。
当該プログラムは、例えば、記憶部１４に記憶されていてもよい。
本実施形態では、情報処理装置１は、コンピューターを用いて構成されている。
制御部１５は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのプロセッサーを有しており、当該プロセッサーにより所定のプログラムを実行することで、各種の処理および制御を行う。
当該プログラムは、例えば、記憶部１４に記憶されていてもよい。
【0023】
対象者情報取得部１１１は、例えば、入力部１１、通信部１３、あるいは、記憶部１４を介して、対象者情報Ｇ１を取得する。
運動評価情報取得部１１２は、例えば、入力部１１、通信部１３、あるいは、記憶部１４を介して、運動評価情報Ｇ２を取得する。
運動評価情報取得部１１２は、例えば、入力部１１、通信部１３、あるいは、記憶部１４を介して、運動評価情報Ｇ２を取得する。
【0024】
レポート出力部１１３は、指導レポートＨ１を生成して、当該指導レポートＨ１を出力する。この出力は、例えば、表示出力であってもよく、あるいは、印刷装置による紙出力であってもよい。
ここで、指導レポートＨ１には、指導内容が含まれる。
また、指導レポートＨ１には、対象者２１１に関して、例えば、過去に指導レポートＨ１が出される前の運動評価情報が含まれてもよく、または、過去に指導レポートＨ１が出された後の運動評価情報が含まれてもよく、あるいは、これら両方が含まれてもよい。
ここで、指導レポートＨ１には、指導内容が含まれる。
また、指導レポートＨ１には、対象者２１１に関して、例えば、過去に指導レポートＨ１が出される前の運動評価情報が含まれてもよく、または、過去に指導レポートＨ１が出された後の運動評価情報が含まれてもよく、あるいは、これら両方が含まれてもよい。
【0025】
運動情報取得部１１４は、例えば、入力部１１、通信部１３、あるいは、記憶部１４を介して、運動情報Ｇ３を取得する。
ここで、運動評価情報取得部１１２は、例えば、運動情報取得部１１４により取得された運動情報Ｇ３と、所定の評価規則に基づいて、運動評価情報Ｇ２を生成して取得してもよい。
当該評価規則は、運動情報Ｇ３を評価する規則であり、例えば、理想の運動情報を含んでもよい。
ここで、運動評価情報取得部１１２は、例えば、運動情報取得部１１４により取得された運動情報Ｇ３と、所定の評価規則に基づいて、運動評価情報Ｇ２を生成して取得してもよい。
当該評価規則は、運動情報Ｇ３を評価する規則であり、例えば、理想の運動情報を含んでもよい。
【0026】
指導内容取得部１１５は、対象者２１１に対して伝えられた指導内容の情報を取得する。
運動情報評価部１１６は、指導内容が伝えられた対象者２１１について、運動評価情報を取得する。
ここで、運動情報評価部１１６は、例えば、このような運動評価情報を入力部１１、通信部１３、あるいは、記憶部１４を介して取得してもよく、あるいは、入力部１１、通信部１３、あるいは、記憶部１４を介して対象者２１１の運動情報を取得して、当該運動情報に基づいて運動評価情報を取得してもよい。
運動情報評価部１１６は、指導内容が伝えられた対象者２１１について、運動評価情報を取得する。
ここで、運動情報評価部１１６は、例えば、このような運動評価情報を入力部１１、通信部１３、あるいは、記憶部１４を介して取得してもよく、あるいは、入力部１１、通信部１３、あるいは、記憶部１４を介して対象者２１１の運動情報を取得して、当該運動情報に基づいて運動評価情報を取得してもよい。
【0027】
本実施形態では、指導内容取得部１１５は、対象者２１１に関する複数のパラメーターが含まれる対象者情報Ｇ１と対象者２１１の運動の評価に関する運動評価情報Ｇ２とに基づく指導の内容を取得する。
また、運動情報評価部１１６は、指導後の対象者２１１の運動の評価に関する運動評価情報を取得する。
学習中の学習モデルＡ１は、指導の内容と、指導後の運動評価情報と、が入力された場合、対象者情報Ｇ１の複数のパラメーターのうち、有効となるパラメーターを分析する。
また、運動情報評価部１１６は、指導後の対象者２１１の運動の評価に関する運動評価情報を取得する。
学習中の学習モデルＡ１は、指導の内容と、指導後の運動評価情報と、が入力された場合、対象者情報Ｇ１の複数のパラメーターのうち、有効となるパラメーターを分析する。
【0028】
学習済みモデルＡ２の入出力について説明する。
図２は、実施形態に係る学習済みモデルＡ２の入出力の一例を示す図である。
学習済みモデルＡ２は、学習モデルＡ１が学習済みの状態にあるモデルである。
本実施形態では、学習済みモデルＡ２に対象者情報Ｇ１および運動評価情報Ｇ２が入力され、学習済みモデルＡ２から出力される指導内容に基づいて、当該指導内容を含む指導レポートＨ１が出力される。
ここで、学習済みモデルＡ２は、必ずしも指導内容の文章または絵柄などをそのまま出力しなくてもよく、例えば、指導内容を特定することが可能な情報を出力してもよい。一例として、番号などからなる複数の識別情報のそれぞれと指導内容との対応関係がデータベースなどに記憶されて、学習済みモデルＡ２が１以上の識別情報を出力し、当該識別情報に対応した指導内容が特定されて指導レポートＨ１に含められてもよい。
図２は、実施形態に係る学習済みモデルＡ２の入出力の一例を示す図である。
学習済みモデルＡ２は、学習モデルＡ１が学習済みの状態にあるモデルである。
本実施形態では、学習済みモデルＡ２に対象者情報Ｇ１および運動評価情報Ｇ２が入力され、学習済みモデルＡ２から出力される指導内容に基づいて、当該指導内容を含む指導レポートＨ１が出力される。
ここで、学習済みモデルＡ２は、必ずしも指導内容の文章または絵柄などをそのまま出力しなくてもよく、例えば、指導内容を特定することが可能な情報を出力してもよい。一例として、番号などからなる複数の識別情報のそれぞれと指導内容との対応関係がデータベースなどに記憶されて、学習済みモデルＡ２が１以上の識別情報を出力し、当該識別情報に対応した指導内容が特定されて指導レポートＨ１に含められてもよい。
【0029】
対象者２１１について説明する。
本実施形態では、フレイルに分類される６５歳以上の高齢者を対象者２１１とし、対象者２１１の個人情報である対象者情報Ｇ１と、対象者２１１から取得される歩行に対する評価である運動評価情報Ｇ２と、を基に、パーソナライズされたリハビリトレーニングとアドバイスを記載した指導レポートＨ１を提示することで、対象者２１１が要支援あるいは要介護になるリスクを低減させる。
ここで、本実施形態では、対象者２１１を６５歳以上の高齢者としたが、これに限るものではない。
また、本実施形態では、フレイルは、フレイルの予備群も含む。
個人情報は、例えば、年齢、性別、および、生活環境などの情報である。
本実施形態では、対象者２１１は、対象の高齢者である。
本実施形態では、フレイルに分類される６５歳以上の高齢者を対象者２１１とし、対象者２１１の個人情報である対象者情報Ｇ１と、対象者２１１から取得される歩行に対する評価である運動評価情報Ｇ２と、を基に、パーソナライズされたリハビリトレーニングとアドバイスを記載した指導レポートＨ１を提示することで、対象者２１１が要支援あるいは要介護になるリスクを低減させる。
ここで、本実施形態では、対象者２１１を６５歳以上の高齢者としたが、これに限るものではない。
また、本実施形態では、フレイルは、フレイルの予備群も含む。
個人情報は、例えば、年齢、性別、および、生活環境などの情報である。
本実施形態では、対象者２１１は、対象の高齢者である。
【0030】
要支援および要介護について説明する。
要支援および要介護の段階について説明する。
要支援１は、基本的な日常生活動作は自分で行えるが、一部動作に見守りや手助けが必要な状態である。その介護にかかる時間は、２５分～３１分／日である。
要支援２は、筋力が衰え、歩行・立ち上がりが不安定な状態であり、介護が必要になる可能性が高い。その介護にかかる時間は、３２分～４９分／日である。
要支援および要介護の段階について説明する。
要支援１は、基本的な日常生活動作は自分で行えるが、一部動作に見守りや手助けが必要な状態である。その介護にかかる時間は、２５分～３１分／日である。
要支援２は、筋力が衰え、歩行・立ち上がりが不安定な状態であり、介護が必要になる可能性が高い。その介護にかかる時間は、３２分～４９分／日である。
【0031】
要介護１は、日常生活や立ち上がり、歩行に一部介助が必要な状態であり、認知機能低下が少しみられる。その介護にかかる時間は、３２分～４９分／日である。
要介護２は、要介護１よりも日常生活動作にケアが必要で、認知機能の低下がみられる状態である。その介護にかかる時間は、５０分～６９分／日である。
要介護３は、日常生活動作に全体な介助が必要で、立ち上がりや歩行には杖・歩行器・車いすを使用している状態であり、認知機能が低下し、見守りも必要になる。その介護にかかる時間は、７０分～８９分／日である。
要介護４は、要介護３以上に生活上のあらゆる場面で介助が必要な状態であり、思考力や理解力も著しい低下がみられる。その介護にかかる時間は、９０分～１０９分／日である。
要介護５は、日常生活全体で介助を必要とし、コミュニケーションを取るのも難しい状態である。その介護にかかる時間は、１１０分～／日である。
要介護２は、要介護１よりも日常生活動作にケアが必要で、認知機能の低下がみられる状態である。その介護にかかる時間は、５０分～６９分／日である。
要介護３は、日常生活動作に全体な介助が必要で、立ち上がりや歩行には杖・歩行器・車いすを使用している状態であり、認知機能が低下し、見守りも必要になる。その介護にかかる時間は、７０分～８９分／日である。
要介護４は、要介護３以上に生活上のあらゆる場面で介助が必要な状態であり、思考力や理解力も著しい低下がみられる。その介護にかかる時間は、９０分～１０９分／日である。
要介護５は、日常生活全体で介助を必要とし、コミュニケーションを取るのも難しい状態である。その介護にかかる時間は、１１０分～／日である。
【0032】
フレイルについて説明する。
フレイルとは、自立している状態と要支援の状態との間の状態を指す。
要支援および要介護の対象者がトレーニングを行っても自立できるまで回復することは難しいが、フレイルの対象者はトレーニングを行うことで自立できるまで回復することが可能である。
フレイルには、様々な判定基準があり、日本では、ＣＨＳ（Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｈｅａｌｔｈ Ｓｔｕｄｙ）基準を基にしたＪ－ＣＨＳ基準を採用している。
Ｊ－ＣＨＳ基準は、５つの項目うち３つ以上の項目にあてはまることでフレイルと判定する基準である。
Ｊ－ＣＨＳ基準の１つに歩行速度に関するものがあり、本実施形態では、歩行速度を改善することにより、フレイルの自立を促し、要支援および要介護になるリスクを低減させる。
フレイルとは、自立している状態と要支援の状態との間の状態を指す。
要支援および要介護の対象者がトレーニングを行っても自立できるまで回復することは難しいが、フレイルの対象者はトレーニングを行うことで自立できるまで回復することが可能である。
フレイルには、様々な判定基準があり、日本では、ＣＨＳ（Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｈｅａｌｔｈ Ｓｔｕｄｙ）基準を基にしたＪ－ＣＨＳ基準を採用している。
Ｊ－ＣＨＳ基準は、５つの項目うち３つ以上の項目にあてはまることでフレイルと判定する基準である。
Ｊ－ＣＨＳ基準の１つに歩行速度に関するものがあり、本実施形態では、歩行速度を改善することにより、フレイルの自立を促し、要支援および要介護になるリスクを低減させる。
【0033】
図３は、実施形態に係る自立、フレイル、要支援および要介護の分類、段階、状態の一例を表す第１テーブルＴ１を示す図である。
【0034】
図４は、実施形態に係るＪ－ＣＨＳ基準を表す第２テーブルＴ２を示す図である。
【0035】
対象者情報Ｇ１の一例である個人情報について説明する。
図５は、実施形態に係る個人情報を表す第３テーブルＴ３を示す図である。
対象者の個人情報について説明する。
本実施形態では、当該個人情報は、機械学習の入力情報である対象者情報Ｇ１として用いられる。
図５は、実施形態に係る個人情報を表す第３テーブルＴ３を示す図である。
対象者の個人情報について説明する。
本実施形態では、当該個人情報は、機械学習の入力情報である対象者情報Ｇ１として用いられる。
【0036】
個人情報には、例えば、＜１＞年齢、＜２＞性別、＜３＞身長、＜４＞体重、＜５＞体型情報、＜６＞性格、＜７＞持病、＜８＞家族構成、＜９＞住所、＜１０＞日常の運動、といった項目についての情報が含まれる。
個人情報は、例えば、所定の情報処理装置を介して入力される。
対象者２１１の個人情報は、例えば、対象者２１１によって入力されてもよく、あるいは、対象者２１１にトレーニング指導を行う指導員、または、対象者２１１の関係者によって入力されてもよい。当該関係者は、対象者２１１の家族などである。
個人情報は、例えば、所定の情報処理装置を介して入力される。
対象者２１１の個人情報は、例えば、対象者２１１によって入力されてもよく、あるいは、対象者２１１にトレーニング指導を行う指導員、または、対象者２１１の関係者によって入力されてもよい。当該関係者は、対象者２１１の家族などである。
【0037】
ここで、当該情報処理装置は、例えば、パーソナルコンピューター、スマートフォン、または、電子カルテ等であってもよい。
なお、当該情報処理装置としては、例えば、本実施形態に係る情報処理装置１が用いられてもよいが、他の情報処理装置が用いられる場合には、当該他の情報処理装置から本実施形態に係る情報処理装置へ個人情報が送信される。
なお、当該情報処理装置としては、例えば、本実施形態に係る情報処理装置１が用いられてもよいが、他の情報処理装置が用いられる場合には、当該他の情報処理装置から本実施形態に係る情報処理装置へ個人情報が送信される。
【0038】
＜１＞年齢は、対象者２１１の年齢を示す情報である。
＜２＞性別は、対象者２１１の性別を示す情報である。
＜３＞身長は、対象者２１１の身長を示す情報である。
＜４＞体重は、対象者２１１の体重を示す情報である。
＜２＞性別は、対象者２１１の性別を示す情報である。
＜３＞身長は、対象者２１１の身長を示す情報である。
＜４＞体重は、対象者２１１の体重を示す情報である。
【0039】
＜５＞体型情報は、対象者２１１の体型に関する情報である。
ここで、体型情報は、例えば、対象者２１１によって入力されてもよく、対象者の身長と体重から導出されるＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）で入力されてもよく、あるいは、ＢＭＩを基にした判定により入力されてもよい。
ＢＭＩは、体重と身長から算出される肥満度を表す体格指数であり、体重［ｋｇ］÷身長［ｍ］２で求められる。
本実施形態では、日本肥満学会の判定基準が用いられる場合を一例として示すが、他の例として、世界保健機関（ＷＨＯ）の判定基準が用いられてもよい。
ここで、体型情報は、例えば、対象者２１１によって入力されてもよく、対象者の身長と体重から導出されるＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）で入力されてもよく、あるいは、ＢＭＩを基にした判定により入力されてもよい。
ＢＭＩは、体重と身長から算出される肥満度を表す体格指数であり、体重［ｋｇ］÷身長［ｍ］２で求められる。
本実施形態では、日本肥満学会の判定基準が用いられる場合を一例として示すが、他の例として、世界保健機関（ＷＨＯ）の判定基準が用いられてもよい。
【0040】
図６は、実施形態に係る肥満の判定基準の一例を表す第４テーブルＴ４を示す図である。
第４テーブルＴ４には、日本肥満学会の判定基準が示されている。
当該判定基準では、ＢＭＩ値と判定との対応が規定されている。
第４テーブルＴ４には、日本肥満学会の判定基準が示されている。
当該判定基準では、ＢＭＩ値と判定との対応が規定されている。
【0041】
図７は、実施形態に係る肥満の判定基準の他の一例を表す第５テーブルＴ５を示す図である。
第５テーブルＴ５には、世界保健機関（ＷＨＯ）の判定基準が示されている。
当該判定基準では、ＢＭＩ値と判定との対応が規定されている。
第５テーブルＴ５には、世界保健機関（ＷＨＯ）の判定基準が示されている。
当該判定基準では、ＢＭＩ値と判定との対応が規定されている。
【0042】
＜６＞性格は、対象者２１１の性格に関する情報である。
ここで、対象者２１１の性格に関する情報は、例えば、対象者２１１がアンケートに回答し、その回答結果から導出された性格の分類である。
ここで、対象者２１１の性格に関する情報は、例えば、対象者２１１がアンケートに回答し、その回答結果から導出された性格の分類である。
【0043】
図８は、実施形態に係るアンケート内容ＡＮ１の一例を示す図である（特許文献２参照。）。
ここで、アンケート内容としては、任意の内容が用いられてもよい。例えば、アンケート内容は、選択式の内容であってもよく、あるいは、記述式の内容であってもよい。
なお、アンケートは、質問、または、問い、などと呼ばれてもよい。
ここで、アンケート内容としては、任意の内容が用いられてもよい。例えば、アンケート内容は、選択式の内容であってもよく、あるいは、記述式の内容であってもよい。
なお、アンケートは、質問、または、問い、などと呼ばれてもよい。
【0044】
図９は、実施形態に係る性格の分類の一例を表す第６テーブルＴ６を示す図である。
第６テーブルＴ６では、性格の分類と特徴との対応が規定されている。
本実施形態では、性格の分類として、＜１＞対応型；自己防衛型、＜２＞対応型；円熟型、＜３＞対応型；依存型、＜４＞不対応型；内罰型、および、＜５＞不対応型；外罰型といった５つに分類する。
この参考として、スザンヌ・ライチャードの老年期における人格５類型がある。
ここで、本実施形態では、対象者を、フレイルに分類されるもののうち高齢者としたため、高年齢者における性格の分類を用いたが、これに限らず、対象者をフレイルに分類されるものとした場合には、性格の分類ができるものであればよい。
また、本実施形態では、対象者の性格を分類したが、これに限らず、性格の分類をせずに、アンケートの結果を用いてもよい。
第６テーブルＴ６では、性格の分類と特徴との対応が規定されている。
本実施形態では、性格の分類として、＜１＞対応型；自己防衛型、＜２＞対応型；円熟型、＜３＞対応型；依存型、＜４＞不対応型；内罰型、および、＜５＞不対応型；外罰型といった５つに分類する。
この参考として、スザンヌ・ライチャードの老年期における人格５類型がある。
ここで、本実施形態では、対象者を、フレイルに分類されるもののうち高齢者としたため、高年齢者における性格の分類を用いたが、これに限らず、対象者をフレイルに分類されるものとした場合には、性格の分類ができるものであればよい。
また、本実施形態では、対象者の性格を分類したが、これに限らず、性格の分類をせずに、アンケートの結果を用いてもよい。
【0045】
なお、性格の分類としては、本実施形態の例に限られず、他の分類が用いられてもよく、例えば、トレーニングへのやる気の度合いによる分類、トレーニングの継続に対する意思の強さによる分類、アドバイスを率直に受け止められるかといった我の強さによる分類などが用いられてもよい。
【0046】
＜７＞持病は、対象者２１１の持病に関する情報である。
持病は、例えば、腰痛、膝痛、あるいは、五大生活習慣病などである。
＜８＞家族構成は、同居人に関する情報である。
同居人に関する情報には、例えば、同居人の人数および同居人の属性の情報も含まれる。当該属性としては、例えば、妻、息子、あるいは、嫁などがある。
＜９＞住所は、対象者２１１の住んでいる環境に関する情報である。
当該住所から、対象者２１１が都心部で生活をしているのか、あるいは、対象者２１１が山間部などで生活をしているのか、を判定することが可能である。
＜１０＞日常の運動は、対象者２１１が日常的に行っている運動に関する情報である。
日常の運動は、例えば、農作業、散歩、体操、あるいは、ゲートボールなどである。
持病は、例えば、腰痛、膝痛、あるいは、五大生活習慣病などである。
＜８＞家族構成は、同居人に関する情報である。
同居人に関する情報には、例えば、同居人の人数および同居人の属性の情報も含まれる。当該属性としては、例えば、妻、息子、あるいは、嫁などがある。
＜９＞住所は、対象者２１１の住んでいる環境に関する情報である。
当該住所から、対象者２１１が都心部で生活をしているのか、あるいは、対象者２１１が山間部などで生活をしているのか、を判定することが可能である。
＜１０＞日常の運動は、対象者２１１が日常的に行っている運動に関する情報である。
日常の運動は、例えば、農作業、散歩、体操、あるいは、ゲートボールなどである。
【0047】
個人情報の具体例について説明する。
本実施形態では、具体例として、対象者情報Ｇ１が第１パターン、第２パターン、第３パターンである場合の個人情報について説明する。
本実施形態では、具体例として、対象者情報Ｇ１が第１パターン、第２パターン、第３パターンである場合の個人情報について説明する。
【0048】
図１０は、実施形態に係る対象者情報Ｇ１が第１パターンである場合の個人情報を表す第７テーブルＴ７を示す図である。
第１パターンでは、＜１＞年齢は６７歳であり、＜２＞性別は女性であり、＜３＞身長は１５２ｃｍであり、＜４＞体重は５６ｋｇであり、＜５＞体型情報は普通体重であり、＜６＞性格は対応型；依存型であり、＜７＞持病はなしであり、＜８＞家族構成は本人と夫との２人であり、＜９＞住所は市街である「ｘｘｘｘ」であり、＜１０＞日常の運動はなしである。
第１パターンでは、＜１＞年齢は６７歳であり、＜２＞性別は女性であり、＜３＞身長は１５２ｃｍであり、＜４＞体重は５６ｋｇであり、＜５＞体型情報は普通体重であり、＜６＞性格は対応型；依存型であり、＜７＞持病はなしであり、＜８＞家族構成は本人と夫との２人であり、＜９＞住所は市街である「ｘｘｘｘ」であり、＜１０＞日常の運動はなしである。
【0049】
図１１は、実施形態に係る対象者情報Ｇ１が第２パターンである場合の個人情報を表す第８テーブルＴ８を示す図である。
第２パターンでは、＜１＞年齢は７２歳であり、＜２＞性別は男性であり、＜３＞身長は１７０ｃｍであり、＜４＞体重は５４ｋｇであり、＜５＞体型情報は低体重であり、＜６＞性格は対応型；自己防衛型であり、＜７＞持病はなしであり、＜８＞家族構成は本人の１人であり、＜９＞住所は山間部である「ｙｙｙｙ」であり、＜１０＞日常の運動はなしである。
第２パターンでは、＜１＞年齢は７２歳であり、＜２＞性別は男性であり、＜３＞身長は１７０ｃｍであり、＜４＞体重は５４ｋｇであり、＜５＞体型情報は低体重であり、＜６＞性格は対応型；自己防衛型であり、＜７＞持病はなしであり、＜８＞家族構成は本人の１人であり、＜９＞住所は山間部である「ｙｙｙｙ」であり、＜１０＞日常の運動はなしである。
【0050】
図１２は、実施形態に係る対象者情報Ｇ１が第３パターンである場合の個人情報を表す第９テーブルＴ９を示す図である。
第３パターンでは、＜１＞年齢は７７歳であり、＜２＞性別は男性であり、＜３＞身長は１６３ｃｍであり、＜４＞体重は５８ｋｇであり、＜５＞体型情報は普通体重であり、＜６＞性格は不対応型；内罰型であり、＜７＞持病は腰痛であり、＜８＞家族構成は本人、妻、息子、嫁の４人であり、＜９＞住所は山間部である「ｚｚｚｚ」であり、＜１０＞日常の運動は農作業である。
第３パターンでは、＜１＞年齢は７７歳であり、＜２＞性別は男性であり、＜３＞身長は１６３ｃｍであり、＜４＞体重は５８ｋｇであり、＜５＞体型情報は普通体重であり、＜６＞性格は不対応型；内罰型であり、＜７＞持病は腰痛であり、＜８＞家族構成は本人、妻、息子、嫁の４人であり、＜９＞住所は山間部である「ｚｚｚｚ」であり、＜１０＞日常の運動は農作業である。
【0051】
運動評価情報の一例である対象者２１１の歩行に関する情報について説明する。
対象者から取得される歩行に対する評価を含む情報について説明する。
本実施形態では、当該情報は、機械学習の入力情報である運動評価情報Ｇ２として用いられる。
対象者から取得される歩行に対する評価を含む情報について説明する。
本実施形態では、当該情報は、機械学習の入力情報である運動評価情報Ｇ２として用いられる。
【0052】
対象者２１１に取り付けられる第１検出装置２５１のセンサーによって、対象者２１１の歩行に関する情報を取得する。
本実施形態では、当該センサーは、加速度および角速度を取得する機器であり、対象者２１１の身体の所定部位に取り付けられる。当該所定部位は、例えば、足と腰などであってもよい。これに限らず、センサーは、脚、腕、胴および首に取り付けてもよい。
歩行に関する情報には、例えば、＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、などが含まれる。
本実施形態では、当該センサーは、加速度および角速度を取得する機器であり、対象者２１１の身体の所定部位に取り付けられる。当該所定部位は、例えば、足と腰などであってもよい。これに限らず、センサーは、脚、腕、胴および首に取り付けてもよい。
歩行に関する情報には、例えば、＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、などが含まれる。
【0053】
＜１＞歩き方
歩き方には、例えば、歩幅、歩行速度、および両足で立っている時間に関する情報が含まれる。
歩幅は、対象者２１１の左右の足に取り付けられるセンサーで左右の足ごとに波形データを取得し、当該波形データから歩幅の距離を算出する。
ここで、足が地面と接地している際に波形データはピーク値を示すため、ピーク値とピーク値との間の周期を１歩行周期と定めることができる。例えば、右足の１歩行周期が用いられてもよく、または、左足の１歩行周期が用いられてもよく、あるいは、右足の１歩行周期と左足の１歩行周期との平均値などが用いられてもよい。
対象者２１１が移動した距離と歩行周期の数とから、対象者２１１の歩幅を算出することができる。
また、加速度の振幅は、足の上げ下げの速度に比例して大きくなるため、当該振幅が小さいと、足を上げ下げする速度が遅いため、歩幅が小さくなりやすい。
歩き方には、例えば、歩幅、歩行速度、および両足で立っている時間に関する情報が含まれる。
歩幅は、対象者２１１の左右の足に取り付けられるセンサーで左右の足ごとに波形データを取得し、当該波形データから歩幅の距離を算出する。
ここで、足が地面と接地している際に波形データはピーク値を示すため、ピーク値とピーク値との間の周期を１歩行周期と定めることができる。例えば、右足の１歩行周期が用いられてもよく、または、左足の１歩行周期が用いられてもよく、あるいは、右足の１歩行周期と左足の１歩行周期との平均値などが用いられてもよい。
対象者２１１が移動した距離と歩行周期の数とから、対象者２１１の歩幅を算出することができる。
また、加速度の振幅は、足の上げ下げの速度に比例して大きくなるため、当該振幅が小さいと、足を上げ下げする速度が遅いため、歩幅が小さくなりやすい。
【0054】
歩行速度は、単位時間当たりの歩行周期により算出することができる。
両足で立っている時間は、波形データから、右足のピーク値と左足のピーク値とが重なっている時間から算出することができる。
両足で立っている時間は、波形データから、右足のピーク値と左足のピーク値とが重なっている時間から算出することができる。
【0055】
図１３は、実施形態に係る対象者２１１の歩行の波形データの一例を示す図である。
図１３に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、対象者２１１の右足の第１右足特性Ｐ１と、対象者２１１の左足の第１左足特性Ｐ２を示してある。
また、図１３には、左足が接地していることを示す第１接地タイミングＱ１と、第２接地タイミングＱ２と、第１歩行周期に要する時間に相当する１歩行期間である第１歩行期間Ｒ１と、を示してある。
図１３に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、対象者２１１の右足の第１右足特性Ｐ１と、対象者２１１の左足の第１左足特性Ｐ２を示してある。
また、図１３には、左足が接地していることを示す第１接地タイミングＱ１と、第２接地タイミングＱ２と、第１歩行周期に要する時間に相当する１歩行期間である第１歩行期間Ｒ１と、を示してある。
【0056】
図１４は、実施形態に係る対象者２１１の歩行の波形データの他の一例を示す図である。
図１４に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、対象者２１１の右足の第１ａ右足特性Ｐ１ａと、対象者２１１の左足の第１ａ左足特性Ｐ２ａを示してある。
また、図１４には、右足が接地していることを示す第１ａ接地タイミングＱ１ａと、第２ａ接地タイミングＱ２ａと、第１歩行周期に要する時間に相当する１歩行期間である第１ａ歩行期間Ｒ１ａと、左足が接地していることを示す第１ｂ接地タイミングＱ１ｂと、第２ｂ接地タイミングＱ２ｂと、第１歩行周期に要する時間に相当する１歩行期間である第１ｂ歩行期間Ｒ１ｂと、第１ａ接地タイミングＱ１ａと第１ｂ接地タイミングＱ１ｂとが重複している時間を示す第１重複時間ｔ１と、第２ａ接地タイミングＱ２ａと第２ｂ接地タイミングＱ２ｂとが重複している時間を示す第２重複時間ｔ２と、を示す。
図１４に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、対象者２１１の右足の第１ａ右足特性Ｐ１ａと、対象者２１１の左足の第１ａ左足特性Ｐ２ａを示してある。
また、図１４には、右足が接地していることを示す第１ａ接地タイミングＱ１ａと、第２ａ接地タイミングＱ２ａと、第１歩行周期に要する時間に相当する１歩行期間である第１ａ歩行期間Ｒ１ａと、左足が接地していることを示す第１ｂ接地タイミングＱ１ｂと、第２ｂ接地タイミングＱ２ｂと、第１歩行周期に要する時間に相当する１歩行期間である第１ｂ歩行期間Ｒ１ｂと、第１ａ接地タイミングＱ１ａと第１ｂ接地タイミングＱ１ｂとが重複している時間を示す第１重複時間ｔ１と、第２ａ接地タイミングＱ２ａと第２ｂ接地タイミングＱ２ｂとが重複している時間を示す第２重複時間ｔ２と、を示す。
【0057】
＜２＞足の角度
足の角度には、例えば、足の開き角度およびつま先の角度に関する情報が含まれる。
足の開き角度は、左足と右足とが成す角度を示した情報である。足の開き角度に関する角度が大きい場合、右脚全体と左脚全体とでなす角度が大きくなるため骨盤へ負荷がかかる。
つま先の角度は、地面とつま先が成す角度を示した情報である。つま先の角度が小さい場合、つま先が地面にあたり、転倒のリスクがある。
本実施形態では、対象者２１１の足に取り付けられたセンサーにより、当該足の角度を算出する。当該センサーは、例えば、角速度を検出するセンサーである。
足の角度には、例えば、足の開き角度およびつま先の角度に関する情報が含まれる。
足の開き角度は、左足と右足とが成す角度を示した情報である。足の開き角度に関する角度が大きい場合、右脚全体と左脚全体とでなす角度が大きくなるため骨盤へ負荷がかかる。
つま先の角度は、地面とつま先が成す角度を示した情報である。つま先の角度が小さい場合、つま先が地面にあたり、転倒のリスクがある。
本実施形態では、対象者２１１の足に取り付けられたセンサーにより、当該足の角度を算出する。当該センサーは、例えば、角速度を検出するセンサーである。
【0058】
図１５は、実施形態に係る対象者２１１の足の角度の一例を示す図である。
図１５には、対象者２１１の右足の方向である第１右足方向Ｄ１と、対象者２１１の左足の方向である第１左足方向Ｄ２と、第１右足方向Ｄ１と第１左足方向Ｄ２との開き角度である第１角度θ１を示してある。
また、図１５には、対象者２１１の片足について、地面の方向である第１地面方向Ｄ３と、足のつま先の方向である第１つま先方向Ｄ４と、第１地面方向Ｄ３と第１つま先方向Ｄ４との間の角度である第２角度θ２を示してある。
図１５には、対象者２１１の右足の方向である第１右足方向Ｄ１と、対象者２１１の左足の方向である第１左足方向Ｄ２と、第１右足方向Ｄ１と第１左足方向Ｄ２との開き角度である第１角度θ１を示してある。
また、図１５には、対象者２１１の片足について、地面の方向である第１地面方向Ｄ３と、足のつま先の方向である第１つま先方向Ｄ４と、第１地面方向Ｄ３と第１つま先方向Ｄ４との間の角度である第２角度θ２を示してある。
【0059】
＜３＞下半身の動き
下半身の動きには、例えば、膝関節の屈曲角および股関節の開脚角度に関する情報が含まれる。
膝関節の屈曲角は、膝上のふとももまでの方向と、膝下のふくらはぎからの方向とが成す角度を示した情報である。
股関節の開脚角度は、右脚と左脚とが成す角度を示した情報である。
膝関節の屈曲角および股関節の開脚角度が小さい場合、大きく足を前に出すことができなくなり、歩幅が小さくなる。
本実施形態では、腰と足に取り付けられたセンサーにより、下半身の動きを算出する。当該センサーは、角速度を検出するセンサーである。
なお、膝にもセンサーを取り付けることで、情報取得の精度を上げることが可能である。
下半身の動きには、例えば、膝関節の屈曲角および股関節の開脚角度に関する情報が含まれる。
膝関節の屈曲角は、膝上のふとももまでの方向と、膝下のふくらはぎからの方向とが成す角度を示した情報である。
股関節の開脚角度は、右脚と左脚とが成す角度を示した情報である。
膝関節の屈曲角および股関節の開脚角度が小さい場合、大きく足を前に出すことができなくなり、歩幅が小さくなる。
本実施形態では、腰と足に取り付けられたセンサーにより、下半身の動きを算出する。当該センサーは、角速度を検出するセンサーである。
なお、膝にもセンサーを取り付けることで、情報取得の精度を上げることが可能である。
【0060】
図１６は、実施形態に係る対象者２１１の下半身の動きの一例を示す図である。
図１６には、対象者２１１の第１膝上方向Ｄ１１と、対象者２１１の第１膝下方向Ｄ１２と、第１膝上方向Ｄ１１と第１膝下方向Ｄ１２との間の角度に相当する膝関節の屈曲角である第３角度θ３を示してある。
また、図１６には、対象者２１１の右脚の方向である第１右脚方向Ｄ１３と、対象者２１１の左脚の方向である第１左脚方向Ｄ１４と、第１右脚方向Ｄ１３と第１左脚方向Ｄ１４との間の角度に相当する股関節の開脚角度である第４角度θ４を示してある。
図１６には、対象者２１１の第１膝上方向Ｄ１１と、対象者２１１の第１膝下方向Ｄ１２と、第１膝上方向Ｄ１１と第１膝下方向Ｄ１２との間の角度に相当する膝関節の屈曲角である第３角度θ３を示してある。
また、図１６には、対象者２１１の右脚の方向である第１右脚方向Ｄ１３と、対象者２１１の左脚の方向である第１左脚方向Ｄ１４と、第１右脚方向Ｄ１３と第１左脚方向Ｄ１４との間の角度に相当する股関節の開脚角度である第４角度θ４を示してある。
【0061】
＜４＞上半身の動き
上半身の動きには、例えば、上体の上下動、左右動、および前方への傾きに関する情報が含まれる。
上体の上下動は、歩行している際の上半身の上下の動きを示した情報である。上体の上下動が少ない場合、足を大きく前に出すことができないため、歩幅が小さくなる。
上体の左右動は、歩行している際の上半身の左右の揺れを示した情報である。上体の左右動が大きい場合、腰および膝にかかる負荷が増え、ケガのリスクがある。
前方への傾きは、上半身が前方に倒れている角度を示したものである。前方への傾きが大きい場合、歩行速度が低下する。
上半身の動きには、例えば、上体の上下動、左右動、および前方への傾きに関する情報が含まれる。
上体の上下動は、歩行している際の上半身の上下の動きを示した情報である。上体の上下動が少ない場合、足を大きく前に出すことができないため、歩幅が小さくなる。
上体の左右動は、歩行している際の上半身の左右の揺れを示した情報である。上体の左右動が大きい場合、腰および膝にかかる負荷が増え、ケガのリスクがある。
前方への傾きは、上半身が前方に倒れている角度を示したものである。前方への傾きが大きい場合、歩行速度が低下する。
【0062】
本実施形態では、対象者２１１の腰に取り付けられたセンサーにより、上半身の動きを算出する。当該センサーは、例えば、加速度および角速度の一方または両方を検出するセンサーである。
他の例として、対象者２１１の腕あるいは首にセンサーを取り付けることで、腕に関する情報および首に関する情報の一方または両方が取得されてもよい。腕に関する情報としては、例えば、肘関節の屈曲あるいは上肢運動の範囲に関する情報がある。首に関する情報としては、例えば、視線の方向に関する情報がある。
腕に関する情報および首に関する情報を取得することで、対象者２１１の歩行に関する情報を精度よく取得することができる。
他の例として、対象者２１１の腕あるいは首にセンサーを取り付けることで、腕に関する情報および首に関する情報の一方または両方が取得されてもよい。腕に関する情報としては、例えば、肘関節の屈曲あるいは上肢運動の範囲に関する情報がある。首に関する情報としては、例えば、視線の方向に関する情報がある。
腕に関する情報および首に関する情報を取得することで、対象者２１１の歩行に関する情報を精度よく取得することができる。
【0063】
図１７は、実施形態に係る対象者２１１の上半身の動きの一例を示す図である。
図１７には、対象者２１１の上体の上下動に関し、上体の上の位置である第１上位置Ｄ２１と、上体の下の位置である第１下位置Ｄ２２を示してある。
また、図１７には、対象者２１１の上体の左右動に関し、地面に対する上の方向である第１上方向Ｄ２３と、上体の上半身の方向である第１上半身方向Ｄ２４を示してある。
また、図１７には、上体の前方への傾きに関し、地面に対する上の方向である第１上方向Ｄ２３と、上体の前方への方向である第１前方方向Ｄ２５と、第１上方向Ｄ２３と第１前方方向Ｄ２５との間の角度に相当する上体の前方への傾きである第５角度θ５を示してある。
図１７には、対象者２１１の上体の上下動に関し、上体の上の位置である第１上位置Ｄ２１と、上体の下の位置である第１下位置Ｄ２２を示してある。
また、図１７には、対象者２１１の上体の左右動に関し、地面に対する上の方向である第１上方向Ｄ２３と、上体の上半身の方向である第１上半身方向Ｄ２４を示してある。
また、図１７には、上体の前方への傾きに関し、地面に対する上の方向である第１上方向Ｄ２３と、上体の前方への方向である第１前方方向Ｄ２５と、第１上方向Ｄ２３と第１前方方向Ｄ２５との間の角度に相当する上体の前方への傾きである第５角度θ５を示してある。
【0064】
運動評価情報Ｇ２の一例である対象者２１１の歩行に対する評価の情報について説明する。
本実施形態に係る評価は、理想データの歩行と比較した対象者の歩行の評価である。
評価としては、例えば、数値データでの比較、波形データでの比較、または、波形データでの比較を基にしたコメントなどである。
本実施形態では、波形データでの比較を基にしたコメントを評価の内容とする。
評価としては、例えば、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動きのそれぞれごとの評価が用いられてもよく、あるいは、これらの全体を総括した評価が用いられてもよい。
本実施形態では、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動きのそれぞれごとに評価を行う。
本実施形態に係る評価は、理想データの歩行と比較した対象者の歩行の評価である。
評価としては、例えば、数値データでの比較、波形データでの比較、または、波形データでの比較を基にしたコメントなどである。
本実施形態では、波形データでの比較を基にしたコメントを評価の内容とする。
評価としては、例えば、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動きのそれぞれごとの評価が用いられてもよく、あるいは、これらの全体を総括した評価が用いられてもよい。
本実施形態では、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動きのそれぞれごとに評価を行う。
【0065】
本例では、評価の例として、波形データにおける＜１＞歩き方についての評価を行う場合を代表させて説明するが、同様に、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動きについての評価も行う。
理想データは、歩行能力が年齢ともに低下するため、対象者２１１の年齢にあわせて変更する必要がある。
理想データは、歩行能力が年齢ともに低下するため、対象者２１１の年齢にあわせて変更する必要がある。
【0066】
図１８は、実施形態に係る年齢別の理想歩幅の一例を表す第１０テーブルＴ１０を示す図である。
第１０テーブルＴ１０では、年齢ごとに、男性の理想歩幅と、女性の理想歩幅を示してある。
第１０テーブルＴ１０では、年齢ごとに、男性の理想歩幅と、女性の理想歩幅を示してある。
【0067】
図１９は、実施形態に係る年齢別の理想歩行速度の一例を表す第１１テーブルＴ１１を示す図である。
第１１テーブルＴ１１では、歩行速度に関し、年齢ごとに、男性の理想速度と、女性の理想速度を示してある。
第１１テーブルＴ１１では、歩行速度に関し、年齢ごとに、男性の理想速度と、女性の理想速度を示してある。
【0068】
図２０は、実施形態に係る第１パターンにおける第１歩行特性Ｐ１１の一例を示す図である。
図２０に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、歩行データに関し、第１理想特性Ｐ１０と、第１パターンの対象者２１１の第１歩行特性Ｐ１１を示してある。
図２０の例では、理想的な歩行データの波形に係る第１理想特性Ｐ１０と、第１パターンの対象者２１１の歩行データの波形に係る第１歩行特性Ｐ１１とが比較されている。
図２０には、第１理想特性Ｐ１０における第１ｃ接地タイミングＱ１ｃおよび第２ｃ接地タイミングＱ２ｃと、第１歩行周期に要する時間に相当する１歩行期間である第１ｃ歩行期間Ｒ１ｃと、第１歩行特性Ｐ１１における第１ｄ接地タイミングＱ１ｄおよび第２ｄ接地タイミングＱ２ｄと、第１歩行周期に要する時間に相当する１歩行期間である第１ｄ歩行期間Ｒ１ｄと、を示す。
ここで、図２０の例では、左足の歩行データの波形に係る特性を示しているが、右足の歩行データの波形に係る特性が用いられてもよく、あるいは、これら両方の特性が用いられてもよい。
図２０に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、歩行データに関し、第１理想特性Ｐ１０と、第１パターンの対象者２１１の第１歩行特性Ｐ１１を示してある。
図２０の例では、理想的な歩行データの波形に係る第１理想特性Ｐ１０と、第１パターンの対象者２１１の歩行データの波形に係る第１歩行特性Ｐ１１とが比較されている。
図２０には、第１理想特性Ｐ１０における第１ｃ接地タイミングＱ１ｃおよび第２ｃ接地タイミングＱ２ｃと、第１歩行周期に要する時間に相当する１歩行期間である第１ｃ歩行期間Ｒ１ｃと、第１歩行特性Ｐ１１における第１ｄ接地タイミングＱ１ｄおよび第２ｄ接地タイミングＱ２ｄと、第１歩行周期に要する時間に相当する１歩行期間である第１ｄ歩行期間Ｒ１ｄと、を示す。
ここで、図２０の例では、左足の歩行データの波形に係る特性を示しているが、右足の歩行データの波形に係る特性が用いられてもよく、あるいは、これら両方の特性が用いられてもよい。
【0069】
図２１は、実施形態に係る第１パターンにおける評価情報の一例を表す第１２テーブルＴ１２を示す図である。
第１２テーブルＴ１２では、大項目ごとに小項目が規定されており、それぞれの小項目ごとに評価が記述されている。
大項目としては、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、がある。
第１２テーブルＴ１２では、大項目ごとに小項目が規定されており、それぞれの小項目ごとに評価が記述されている。
大項目としては、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、がある。
【0070】
第１パターンに関して、第１歩行特性Ｐ１１における第１ｄ接地タイミングＱ１ｄおよび第２ｄ接地タイミングＱ２ｄの加速度の振幅が、第１理想特性Ｐ１０における第１ｃ接地タイミングＱ１ｃおよび第２ｃ接地タイミングＱ２ｃの加速度の振幅と比べて小さいことから歩幅が小さく、第１歩行特性Ｐ１１における第１ｄ歩行期間Ｒ１ｄが第１理想特性Ｐ１０における第１ｃ歩行期間Ｒ１ｃと比べて長いことから歩行速度も遅いと評価される。
【0071】
図２２は、実施形態に係る第２パターンにおける第２歩行特性Ｐ２１の一例を示す図である。
図２２に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、歩行データに関し、第２理想特性Ｐ２０と、第２パターンの対象者２１１の第２歩行特性Ｐ２１を示してある。
図２２の例では、理想的な歩行データの波形に係る第２理想特性Ｐ２０と、第２パターンの対象者２１１の歩行データの波形に係る第２歩行特性Ｐ２１とが比較されている。
図２２には、第２理想特性Ｐ２０における第１ｅ接地タイミングＱ１ｅおよび第２ｅ接地タイミングＱ２ｅと、第１歩行周期に要する時間に相当する１歩行期間である第１ｅ歩行期間Ｒ１ｅと、第２歩行特性Ｐ２１における第１ｆ接地タイミングＱ１ｆおよび第２ｆ接地タイミングＱ２ｆと、第１歩行周期に要する時間に相当する１歩行期間である第１ｆ歩行期間Ｒ１ｆと、を示す。
ここで、図２３の例では、左足の歩行データの波形に係る特性を示しているが、右足の歩行データの波形に係る特性が用いられてもよく、あるいは、これら両方の特性が用いられてもよい。
図２２に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、歩行データに関し、第２理想特性Ｐ２０と、第２パターンの対象者２１１の第２歩行特性Ｐ２１を示してある。
図２２の例では、理想的な歩行データの波形に係る第２理想特性Ｐ２０と、第２パターンの対象者２１１の歩行データの波形に係る第２歩行特性Ｐ２１とが比較されている。
図２２には、第２理想特性Ｐ２０における第１ｅ接地タイミングＱ１ｅおよび第２ｅ接地タイミングＱ２ｅと、第１歩行周期に要する時間に相当する１歩行期間である第１ｅ歩行期間Ｒ１ｅと、第２歩行特性Ｐ２１における第１ｆ接地タイミングＱ１ｆおよび第２ｆ接地タイミングＱ２ｆと、第１歩行周期に要する時間に相当する１歩行期間である第１ｆ歩行期間Ｒ１ｆと、を示す。
ここで、図２３の例では、左足の歩行データの波形に係る特性を示しているが、右足の歩行データの波形に係る特性が用いられてもよく、あるいは、これら両方の特性が用いられてもよい。
【0072】
図２３は、実施形態に係る第２パターンにおける評価情報の一例を表す第１３テーブルＴ１３を示す図である。
第１３テーブルＴ１３では、大項目ごとに小項目が規定されており、それぞれの小項目ごとに評価が記述されている。
大項目としては、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、がある。
第１３テーブルＴ１３では、大項目ごとに小項目が規定されており、それぞれの小項目ごとに評価が記述されている。
大項目としては、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、がある。
【0073】
第２パターンに関して、第２歩行特性Ｐ２１における第１ｆ接地タイミングＱ１ｆおよび第２ｆ接地タイミングＱ２ｆの加速度のピーク幅が、第２理想特性Ｐ２０における第１ｅ接地タイミングＱ１ｅおよび第２ｅ接地タイミングＱ２ｅの加速度のピーク幅と比べて長いことから足が地面と接している時間が長く、第２歩行特性Ｐ２１における第１ｆ歩行期間Ｒ１ｆが、第２理想特性Ｐ２０の第１ｅ歩行期間Ｒ１ｅと比べて長いことから歩行速度も遅いと評価される。
【0074】
図２４は、実施形態に係る第３パターンにおける第３歩行特性Ｐ３１の一例を示す図である。
図２４に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、歩行データに関し、第３理想特性Ｐ３０と、第３パターンの対象者２１１の第３歩行特性Ｐ３１を示してある。
図２４の例では、理想的な歩行データの波形に係る第３理想特性Ｐ３０と、第３パターンの対象者２１１の歩行データの波形に係る第３歩行特性Ｐ３１とが比較されている。
図２４には、第３理想特性Ｐ３０における第１ｇ接地タイミングＱ１ｇおよび第２ｇ接地タイミングＱ２ｇと、第１歩行周期に要する時間に相当する１歩行期間である第１ｇ歩行期間Ｒ１ｇと、第３歩行特性Ｐ３１における第１ｈ接地タイミングＱ１ｈおよび第２ｈ接地タイミングＱ２ｈと、第１歩行周期に要する時間に相当する１歩行期間である第１ｈ歩行期間Ｒ１ｈと、を示す。
ここで、図２４の例では、左足の歩行データの波形に係る特性を示しているが、右足の歩行データの波形に係る特性が用いられてもよく、あるいは、これら両方の特性が用いられてもよい。
図２４に示されるグラフにおいて、横軸は時間［ｔ］を表しており、縦軸は加速度［ｍ／ｓｅｃ２］を表している。
当該グラフには、歩行データに関し、第３理想特性Ｐ３０と、第３パターンの対象者２１１の第３歩行特性Ｐ３１を示してある。
図２４の例では、理想的な歩行データの波形に係る第３理想特性Ｐ３０と、第３パターンの対象者２１１の歩行データの波形に係る第３歩行特性Ｐ３１とが比較されている。
図２４には、第３理想特性Ｐ３０における第１ｇ接地タイミングＱ１ｇおよび第２ｇ接地タイミングＱ２ｇと、第１歩行周期に要する時間に相当する１歩行期間である第１ｇ歩行期間Ｒ１ｇと、第３歩行特性Ｐ３１における第１ｈ接地タイミングＱ１ｈおよび第２ｈ接地タイミングＱ２ｈと、第１歩行周期に要する時間に相当する１歩行期間である第１ｈ歩行期間Ｒ１ｈと、を示す。
ここで、図２４の例では、左足の歩行データの波形に係る特性を示しているが、右足の歩行データの波形に係る特性が用いられてもよく、あるいは、これら両方の特性が用いられてもよい。
【0075】
図２５は、実施形態に係る第３パターンにおける評価情報の一例を表す第１４テーブルＴ１４を示す図である。
第１４テーブルＴ１４では、大項目ごとに小項目が規定されており、それぞれの小項目ごとに評価が記述されている。
大項目としては、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、がある。
第１４テーブルＴ１４では、大項目ごとに小項目が規定されており、それぞれの小項目ごとに評価が記述されている。
大項目としては、歩行に関する情報である＜１＞歩き方、＜２＞足の角度、＜３＞下半身の動き、および、＜４＞上半身の動き、がある。
【0076】
第３パターンに関して、第３歩行特性Ｐ３１における第１ｈ接地タイミングＱ１ｈおよび第２ｈ接地タイミングＱ２ｈの加速度の振幅が、第３理想特性Ｐ３０における第１ｇ接地タイミングＱ１ｇおよび第２ｇ接地タイミングＱ２ｇの加速度の振幅と比べて小さいことから歩幅が小さく、第３歩行特性Ｐ３１における第１ｈ歩行期間Ｒ１ｈが、第３理想特性Ｐ３０の第１ｇ歩行期間Ｒ１ｇと比べて長いことから歩行速度も遅いと評価される。
【0077】
指導内容について説明する。
指導内容には、対象者２１１の歩行能力が向上すると推測され、対象者２１１の個人情報に基づいたトレーニングとアドバイスが記載される。なお、トレーニングにはリハビリテーションが含まれる。リハビリテーションはリハビリとも呼ばれる。
指導内容には、対象者２１１の歩行能力が向上すると推測され、対象者２１１の個人情報に基づいたトレーニングとアドバイスが記載される。なお、トレーニングにはリハビリテーションが含まれる。リハビリテーションはリハビリとも呼ばれる。
【0078】
指導内容は、対象者２１１の歩行に対する評価を上げるための指導である。当該評価は、理想データとの類似度を表す。
指導内容は、対象者の個人情報である対象者情報Ｇ１と、歩行に関する評価である運動評価情報Ｇ２と、に基づいて、対象者２１１ごとに異なる指導内容として出力される。
指導内容は、対象者の個人情報である対象者情報Ｇ１と、歩行に関する評価である運動評価情報Ｇ２と、に基づいて、対象者２１１ごとに異なる指導内容として出力される。
【0079】
指導内容におけるトレーニングについて説明する。
トレーニングとしては、例えば、歩行トレーニング、筋力トレーニング、バランストレーニングに分類する。また、各分類に、難易度別のトレーニングがある。
なお、本実施形態では、歩行トレーニング、筋力トレーニング、バランストレーニングという分類を示すが、これに限られず、他の分類が用いられてもよい。
各トレーニングは、対象者２１１の年齢によって内容を変更してもよい。年齢によってトレーニングの内容を変えることで、例えば、対象者２１１がけがをするリスクを抑え、年齢に適した負荷でのトレーニングを促すことができる。
トレーニングとしては、例えば、歩行トレーニング、筋力トレーニング、バランストレーニングに分類する。また、各分類に、難易度別のトレーニングがある。
なお、本実施形態では、歩行トレーニング、筋力トレーニング、バランストレーニングという分類を示すが、これに限られず、他の分類が用いられてもよい。
各トレーニングは、対象者２１１の年齢によって内容を変更してもよい。年齢によってトレーニングの内容を変えることで、例えば、対象者２１１がけがをするリスクを抑え、年齢に適した負荷でのトレーニングを促すことができる。
【0080】
図２６は、実施形態に係るトレーニングの分類の一例を表す第１５テーブルＴ１５を示す図である。
第１５テーブルＴ１５には、歩行、筋力、バランスといった分類ごとに、レベル分けされ且つ年代別に区別されたトレーニングの内容が規定されている。
第１５テーブルＴ１５には、歩行、筋力、バランスといった分類ごとに、レベル分けされ且つ年代別に区別されたトレーニングの内容が規定されている。
【0081】
指導内容におけるアドバイスについて説明する。
対象者の歩行に関する評価が向上すると推測されたトレーニングに対するアドバイスは、対象者の個人情報である対象者情報Ｇ１に基づいて変更され得る。
対象者の歩行に関する評価が向上すると推測されたトレーニングに対するアドバイスは、対象者の個人情報である対象者情報Ｇ１に基づいて変更され得る。
【0082】
第１パターンにおけるアドバイスの例を説明する。
第１パターンは、図１０、図２０および図２１の例に係るパターンである。
ここで、対象者情報Ｇ１として学習モデルＡ１に入力される情報は、例えば、図１０に示されるような各項目の情報を表す値であってもよく、あるいは、当該情報に基づく他の値であってもよい。
また、運動評価情報Ｇ２として学習モデルＡ１に入力される情報は、例えば、図２０に示されるような波形データを表す値であってもよく、または、図２１に示されるような各項目の評価結果を表す値であってもよく、あるいは、これらのうちの一方または両方に基づく他の値であってもよい。
第１パターンは、図１０、図２０および図２１の例に係るパターンである。
ここで、対象者情報Ｇ１として学習モデルＡ１に入力される情報は、例えば、図１０に示されるような各項目の情報を表す値であってもよく、あるいは、当該情報に基づく他の値であってもよい。
また、運動評価情報Ｇ２として学習モデルＡ１に入力される情報は、例えば、図２０に示されるような波形データを表す値であってもよく、または、図２１に示されるような各項目の評価結果を表す値であってもよく、あるいは、これらのうちの一方または両方に基づく他の値であってもよい。
【0083】
第１パターンに関し、歩行トレーニングについて示す。
トレーニング内容は、普通レベルのウォーキングである。これを選択する理由は、両足で立っている時間が普通であるため、普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、スポーツジムなどの施設でのウォーキングトレーニング、公園などでのウォーキングトレーニングを提案する内容である。この理由は、対象者２１１が住んでいるところが市街であり、スポーツジムあるいは公園などの施設があると判断でき、さらに、対象者２１１の性格が誘われれば新しいことにも環境にも対応できる性格であると判断できるためである。
トレーニング内容は、普通レベルのウォーキングである。これを選択する理由は、両足で立っている時間が普通であるため、普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、スポーツジムなどの施設でのウォーキングトレーニング、公園などでのウォーキングトレーニングを提案する内容である。この理由は、対象者２１１が住んでいるところが市街であり、スポーツジムあるいは公園などの施設があると判断でき、さらに、対象者２１１の性格が誘われれば新しいことにも環境にも対応できる性格であると判断できるためである。
【0084】
第１パターンに関し、筋力トレーニングについて示す。
トレーニング内容は、簡単レベルで、椅子に座って足をあげることである。これを選択する理由は、つま先の角度が小さいため、足をあげるための筋力が衰えているためである。
アドバイス内容は、自宅での推奨だけでなく、公園のベンチなどの屋外でのトレーニングを提案する内容である。この理由は、歩行についてのトレーニングと同様に、対象者２１１の性格から新しい環境でのトレーニングを提案しても対応できると判断できるためである。
トレーニング内容は、簡単レベルで、椅子に座って足をあげることである。これを選択する理由は、つま先の角度が小さいため、足をあげるための筋力が衰えているためである。
アドバイス内容は、自宅での推奨だけでなく、公園のベンチなどの屋外でのトレーニングを提案する内容である。この理由は、歩行についてのトレーニングと同様に、対象者２１１の性格から新しい環境でのトレーニングを提案しても対応できると判断できるためである。
【0085】
第１パターンに関し、バランストレーニングについて示す。
トレーニング内容は、普通レベルの骨盤回しである。これを選択する理由は、左右の動きと前方の傾きが普通であるため、身体を支える筋肉として普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、自宅で行うように助言する内容である。この理由は、対象者２１１の性格は、新しい環境に対応できるものの、新しい環境に対して積極的ではないので、慣れている環境でのトレーニングを促し、トレーニングの継続ができると判断できるためでる。
トレーニング内容は、普通レベルの骨盤回しである。これを選択する理由は、左右の動きと前方の傾きが普通であるため、身体を支える筋肉として普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、自宅で行うように助言する内容である。この理由は、対象者２１１の性格は、新しい環境に対応できるものの、新しい環境に対して積極的ではないので、慣れている環境でのトレーニングを促し、トレーニングの継続ができると判断できるためでる。
【0086】
第２パターンにおけるアドバイスの例を説明する。
第２パターンは、図１１、図２２および図２３の例に係るパターンである。
ここで、対象者情報Ｇ１として学習モデルＡ１に入力される情報は、例えば、図１１に示されるような各項目の情報を表す値であってもよく、あるいは、当該情報に基づく他の値であってもよい。
また、運動評価情報Ｇ２として学習モデルＡ１に入力される情報は、例えば、図２２に示されるような波形データを表す値であってもよく、または、図２３に示されるような各項目の評価結果を表す値であってもよく、あるいは、これらのうちの一方または両方に基づく他の値であってもよい。
第２パターンは、図１１、図２２および図２３の例に係るパターンである。
ここで、対象者情報Ｇ１として学習モデルＡ１に入力される情報は、例えば、図１１に示されるような各項目の情報を表す値であってもよく、あるいは、当該情報に基づく他の値であってもよい。
また、運動評価情報Ｇ２として学習モデルＡ１に入力される情報は、例えば、図２２に示されるような波形データを表す値であってもよく、または、図２３に示されるような各項目の評価結果を表す値であってもよく、あるいは、これらのうちの一方または両方に基づく他の値であってもよい。
【0087】
第２パターンに関し、歩行トレーニングについて示す。
トレーニング内容は、普通レベルで、その場で足踏みである。これを選択する理由は、両足で立っている時間が普通であるため、普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、目標となる理想データと比べて、対象者２１１の結果が悪いことを知らせて、提案するトレーニングを行うことで改善できることを伝える内容である。この理由は、対象者２１１の性格から若い時の活動を維持したいという思う傾向が強いと判断でき、理想データと比べて出来ていないこととそれを改善するアドバイスを伝えることで、若い時の活動を再び行えるようにするためのトレーニングを意欲的に行わせるためである。
トレーニング内容は、普通レベルで、その場で足踏みである。これを選択する理由は、両足で立っている時間が普通であるため、普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、目標となる理想データと比べて、対象者２１１の結果が悪いことを知らせて、提案するトレーニングを行うことで改善できることを伝える内容である。この理由は、対象者２１１の性格から若い時の活動を維持したいという思う傾向が強いと判断でき、理想データと比べて出来ていないこととそれを改善するアドバイスを伝えることで、若い時の活動を再び行えるようにするためのトレーニングを意欲的に行わせるためである。
【0088】
第２パターンに関し、筋力トレーニングについて示す。
トレーニング内容は、簡単レベルで、椅子に座って足をあげることである。これを選択する理由は、つま先の角度は普通であるが低体重であり、足を上げるための筋力が衰えているためである。
アドバイス内容は、体格から怪我のリスクがあるため、トレーニングで怪我をしないための注意点を伝えるとともに、トレーニングを継続することで今後どのような活動ができるかを伝える内容である。この理由は、対象者２１１の体型が低体重であることから怪我をしないように注意を促すためである。
トレーニング内容は、簡単レベルで、椅子に座って足をあげることである。これを選択する理由は、つま先の角度は普通であるが低体重であり、足を上げるための筋力が衰えているためである。
アドバイス内容は、体格から怪我のリスクがあるため、トレーニングで怪我をしないための注意点を伝えるとともに、トレーニングを継続することで今後どのような活動ができるかを伝える内容である。この理由は、対象者２１１の体型が低体重であることから怪我をしないように注意を促すためである。
【0089】
第２パターンに関し、バランストレーニングについて示す。
トレーニング内容は、普通レベルで、椅子につかまって骨盤回しである。これを選択する理由は、左右の動きと前方の傾きが普通であるため、身体を支える筋肉として普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、自宅の椅子あるいは手すりなどで行うように助言する内容である。この理由は、対象者２１１の体型が低体重であることから怪我をしないように注意を促すためである。
トレーニング内容は、普通レベルで、椅子につかまって骨盤回しである。これを選択する理由は、左右の動きと前方の傾きが普通であるため、身体を支える筋肉として普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、自宅の椅子あるいは手すりなどで行うように助言する内容である。この理由は、対象者２１１の体型が低体重であることから怪我をしないように注意を促すためである。
【0090】
第３パターンにおけるアドバイスの例を説明する。
第３パターンは、図１２、図２４および図２５の例に係るパターンである。
ここで、対象者情報Ｇ１として学習モデルＡ１に入力される情報は、例えば、図１２に示されるような各項目の情報を表す値であってもよく、あるいは、当該情報に基づく他の値であってもよい。
また、運動評価情報Ｇ２として学習モデルＡ１に入力される情報は、例えば、図２４に示されるような波形データを表す値であってもよく、または、図２５に示されるような各項目の評価結果を表す値であってもよく、あるいは、これらのうちの一方または両方に基づく他の値であってもよい。
第３パターンは、図１２、図２４および図２５の例に係るパターンである。
ここで、対象者情報Ｇ１として学習モデルＡ１に入力される情報は、例えば、図１２に示されるような各項目の情報を表す値であってもよく、あるいは、当該情報に基づく他の値であってもよい。
また、運動評価情報Ｇ２として学習モデルＡ１に入力される情報は、例えば、図２４に示されるような波形データを表す値であってもよく、または、図２５に示されるような各項目の評価結果を表す値であってもよく、あるいは、これらのうちの一方または両方に基づく他の値であってもよい。
【0091】
第３パターンに関し、歩行トレーニングについて示す。
トレーニング内容あ、普通レベルで、ウォーキングである。これを選択する理由は、両足で立っている時間が普通であるため、普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、家から農作業を行う場所に向かう際に歩いて移動すること、歩くときに気を付けることを伝える内容である。この理由は、対象者２１１の性格から新しいことへの取り組みに抵抗があると判断できるため、日常的に行っていることに絡めてアドバイスおよび歩くときに気を付けるべきポイントを伝えるためである。
トレーニング内容あ、普通レベルで、ウォーキングである。これを選択する理由は、両足で立っている時間が普通であるため、普通レベルのトレーニングを行うための筋力があるためである。
アドバイス内容は、家から農作業を行う場所に向かう際に歩いて移動すること、歩くときに気を付けることを伝える内容である。この理由は、対象者２１１の性格から新しいことへの取り組みに抵抗があると判断できるため、日常的に行っていることに絡めてアドバイスおよび歩くときに気を付けるべきポイントを伝えるためである。
【0092】
第３パターンに関し、筋力トレーニングについて示す。
トレーニング内容は、簡単レベルで、椅子に座って足をあげることである。これを選択する理由は、つま先の角度は普通、且つ、通常低体重であるが、腰痛であるため、普通レベルの内容ではなく簡単レベルで腰痛が悪化しないようにトレーニングを行ってもらうためである。
アドバイス内容は、トレーニングの姿勢についてアドバイスを行う内容である。この理由は、対象者２１１が持病を持っていおり、持病が悪化しないように、正しい姿勢でトレーニングを行ってもらうためである。
トレーニング内容は、簡単レベルで、椅子に座って足をあげることである。これを選択する理由は、つま先の角度は普通、且つ、通常低体重であるが、腰痛であるため、普通レベルの内容ではなく簡単レベルで腰痛が悪化しないようにトレーニングを行ってもらうためである。
アドバイス内容は、トレーニングの姿勢についてアドバイスを行う内容である。この理由は、対象者２１１が持病を持っていおり、持病が悪化しないように、正しい姿勢でトレーニングを行ってもらうためである。
【0093】
第３パターンに関し、バランストレーニングについて示す。
トレーニング内容は、簡単レベルで、つま先上げ、かかと上げである。これを選択する理由は、前方への傾きが大きく、前後方向での転倒リスクがあり、トレーニングで前後方向へ踏ん張りできるようにトレーニングを行い、転倒リスクを軽減させるためである。
アドバイス内容は、自宅の椅子などにつかまって行うトレーニング方法だけでなく、家族に支えてもらって行うトレーニング方法についても提案する内容である。この理由は、対象者２１１が自分ひとりでトレーニングを行うだけでなく、対象者２１１の家族に手伝ってもらうことでトレーニングの継続を促すためである。
トレーニング内容は、簡単レベルで、つま先上げ、かかと上げである。これを選択する理由は、前方への傾きが大きく、前後方向での転倒リスクがあり、トレーニングで前後方向へ踏ん張りできるようにトレーニングを行い、転倒リスクを軽減させるためである。
アドバイス内容は、自宅の椅子などにつかまって行うトレーニング方法だけでなく、家族に支えてもらって行うトレーニング方法についても提案する内容である。この理由は、対象者２１１が自分ひとりでトレーニングを行うだけでなく、対象者２１１の家族に手伝ってもらうことでトレーニングの継続を促すためである。
【0094】
指導レポートＨ１の態様について説明する。
ここで、指導内容などを含む指導レポートＨ１に記述される内容、あるいは、記述の形式などとしては、任意の態様が用いられてもよい。
例えば、指導レポートＨ１では、文章、図形、グラフなどのうちの１以上が記述されてもよい。
ここで、指導内容などを含む指導レポートＨ１に記述される内容、あるいは、記述の形式などとしては、任意の態様が用いられてもよい。
例えば、指導レポートＨ１では、文章、図形、グラフなどのうちの１以上が記述されてもよい。
【0095】
学習処理について説明する。
図２７～図２９を参照して、学習処理について説明する。
図２７は、実施形態に係る教師データの生成の一例を模式的に示す図である。なお、訓練データは、学習データなどと呼ばれてもよい。
図２７には、第ｂ１訓練データＢ１と、第ｂ２訓練データＢ２と、第ｂ３訓練データＢ３を示してある。
第ｂ１訓練データＢ１は、第ｂ１対象者情報Ｂ１１と、第ｂ１運動評価情報Ｂ１２と、を含む。
第ｂ２訓練データＢ２は、第ｂ２対象者情報Ｂ２１と、第ｂ２運動評価情報Ｂ２２と、を含む。
第ｂ３訓練データＢ３は、第ｂ３対象者情報Ｂ３１と、第ｂ３運動評価情報Ｂ３２と、を含む。
図２７～図２９を参照して、学習処理について説明する。
図２７は、実施形態に係る教師データの生成の一例を模式的に示す図である。なお、訓練データは、学習データなどと呼ばれてもよい。
図２７には、第ｂ１訓練データＢ１と、第ｂ２訓練データＢ２と、第ｂ３訓練データＢ３を示してある。
第ｂ１訓練データＢ１は、第ｂ１対象者情報Ｂ１１と、第ｂ１運動評価情報Ｂ１２と、を含む。
第ｂ２訓練データＢ２は、第ｂ２対象者情報Ｂ２１と、第ｂ２運動評価情報Ｂ２２と、を含む。
第ｂ３訓練データＢ３は、第ｂ３対象者情報Ｂ３１と、第ｂ３運動評価情報Ｂ３２と、を含む。
【0096】
ここで、第ｂ１運動評価情報Ｂ１２、第ｂ２運動評価情報Ｂ２２および第ｂ３運動評価情報Ｂ３２は、同じパターンであるパターンＢを有する運動評価情報である。
なお、同じパターンを有する運動評価情報を含む訓練データの数は、例えば、４個以上であってもよく、あるいは、２個であってもよいが、本実施形態では、説明の便宜上、３個である場合を例として説明する。このような訓練データの数は、実際には、例えば、多数である。
なお、同じパターンを有する運動評価情報を含む訓練データの数は、例えば、４個以上であってもよく、あるいは、２個であってもよいが、本実施形態では、説明の便宜上、３個である場合を例として説明する。このような訓練データの数は、実際には、例えば、多数である。
【0097】
指導員６１１は、第ｃ１指導、第ｃ２指導、第ｃ３指導など、異なる指導を行い得るが、ここでは、第ｃ１指導を例として説明する。本実施形態では、第ｃ１指導は、その指導の内容が記述された指導レポートにより行われる。
指導員６１１が第ｂ１訓練データＢ１に該当する対象者に第ｃ１指導の内容を含む指導レポートを渡した後、その指導が反映された当該対象者について再び運動の測定を行う。そして、当該対象者が当該指導レポートを受け取った後における再測定の結果を第ｂ１教師データＢ１１１として使用する。第ｂ１教師データＢ１１１は、例えば、当該対象者について再び得られた運動評価情報であり、指導の効果があったか否かの情報を含む。
指導員６１１が第ｂ１訓練データＢ１に該当する対象者に第ｃ１指導の内容を含む指導レポートを渡した後、その指導が反映された当該対象者について再び運動の測定を行う。そして、当該対象者が当該指導レポートを受け取った後における再測定の結果を第ｂ１教師データＢ１１１として使用する。第ｂ１教師データＢ１１１は、例えば、当該対象者について再び得られた運動評価情報であり、指導の効果があったか否かの情報を含む。
【0098】
例えば、指導前における運動評価情報と比べて指導後における運動評価情報が、所定の条件を満たす程度で向上している場合に、指導の効果があったとみなし、他の場合に、指導の効果が無かったとみなす。
本実施形態では、指導の効果があった場合を「効果あり」とも呼んでおり、指導の効果が無かった場合を「効果なし」とも呼んでいる。
本実施形態では、指導の効果があった場合を「効果あり」とも呼んでおり、指導の効果が無かった場合を「効果なし」とも呼んでいる。
【0099】
ここで、第ｂ１訓練データＢ１および第ｃ１指導から第ｂ１教師データＢ１１１が生成される場合を示したが、同様に、第ｂ２訓練データＢ２および第ｃ１指導から第ｂ２教師データＢ１２１が生成され、第ｂ３訓練データＢ３および第ｃ１指導から第ｂ３教師データＢ１３１が生成される。
図２７の例では、第ｂ１教師データＢ１１１および第ｂ２教師データＢ１２１は効果ありの場合であり、第ｂ３教師データＢ１３１は効果なしの場合である。
図２７の例では、第ｂ１教師データＢ１１１および第ｂ２教師データＢ１２１は効果ありの場合であり、第ｂ３教師データＢ１３１は効果なしの場合である。
【0100】
学習中モデルでの分析について説明する。
図２８は、実施形態に係る学習中モデルＡ１１での分析の一例を模式的に示す図である。
ここで、学習中モデルＡ１１は、学習モデルＡ１が学習中の段階にある状態の学習モデルである。学習モデルＡ１は、学習前の状態から、学習中モデルＡ１１の状態を経由して、学習済みモデルとなる。
図２８は、実施形態に係る学習中モデルＡ１１での分析の一例を模式的に示す図である。
ここで、学習中モデルＡ１１は、学習モデルＡ１が学習中の段階にある状態の学習モデルである。学習モデルＡ１は、学習前の状態から、学習中モデルＡ１１の状態を経由して、学習済みモデルとなる。
【0101】
学習中モデルＡ１１は、指導の結果から、対象者情報のうちで、いずれのパラメーターにいずれの情報がある場合に指導の効果があるのかの傾向を探す。
また、学習中モデルＡ１１は、さらに、指導の効果の程度を判定してもよい。効果の程度は、例えば、効果の程度を表す数値により表されてもよく、一例として、効果が大きいほど当該数値が大きくなる。
また、学習中モデルＡ１１は、さらに、指導の効果の程度を判定してもよい。効果の程度は、例えば、効果の程度を表す数値により表されてもよく、一例として、効果が大きいほど当該数値が大きくなる。
【0102】
図２８の例では、第ｂ１教師データＢ１１１に対応する対象者の第ｂ１対象者情報Ｂ１１では、所定パラメーターの値が「〇〇〇」である。一例として、当該所定パラメーターは１個あり、「性格 対応型：依存型」である。
また、第ｂ２教師データＢ１２１に対応する対象者の第ｂ２対象者情報Ｂ２１では、所定パラメーターの値が「△△△」である。一例として、当該所定パラメーターは１個あり、「性格 対応型：依存型」である。
また、第ｂ３教師データＢ１３１に対応する対象者の第ｂ３対象者情報Ｂ３１では、所定パラメーターの値が「×××」である。一例として、当該所定パラメーターは１個あり、「性格 不対応型：内罰型」である。
また、第ｂ２教師データＢ１２１に対応する対象者の第ｂ２対象者情報Ｂ２１では、所定パラメーターの値が「△△△」である。一例として、当該所定パラメーターは１個あり、「性格 対応型：依存型」である。
また、第ｂ３教師データＢ１３１に対応する対象者の第ｂ３対象者情報Ｂ３１では、所定パラメーターの値が「×××」である。一例として、当該所定パラメーターは１個あり、「性格 不対応型：内罰型」である。
【0103】
学習中モデルＡ１１は、対象者情報のうち、どのようなステータスの対象者に効果があるのかを分析し、有効なステータスを探す。
図２８の例では、第ｂ１教師データＢ１１１に対応する対象者の性格と、第ｂ２教師データＢ１２１に対応する対象者の性格は「対応型：依存型」であることを表すが、第ｂ３教師データＢ１３１に対応する対象者の性格はそうではなく「不対応型：内罰型」であることを表す、ことを想定する。
そこで、学習中モデルＡ１１は、運動評価情報がパターンＢである場合に、性格が「対応型：依存型」である対象者に対して、第ｃ１指導を行うと、効果があることを学習する。
図２８の例では、第ｂ１教師データＢ１１１に対応する対象者の性格と、第ｂ２教師データＢ１２１に対応する対象者の性格は「対応型：依存型」であることを表すが、第ｂ３教師データＢ１３１に対応する対象者の性格はそうではなく「不対応型：内罰型」であることを表す、ことを想定する。
そこで、学習中モデルＡ１１は、運動評価情報がパターンＢである場合に、性格が「対応型：依存型」である対象者に対して、第ｃ１指導を行うと、効果があることを学習する。
【0104】
なお、図２８の例では、それぞれの対象者について、対象者情報と、指導前における運動評価情報と、指導の内容と、指導後における運動評価情報を学習処理に用いる場合を示してあるが、例えば、指導前における運動評価情報および指導後における運動評価情報としては、指導前における運動評価情報のパターンが識別可能であり、指導の効果が識別可能であれば、必ずしもそのままの情報が用いられなくてもよく、加工された情報が用いられてもよい。
【0105】
図２９は、実施形態に係る学習中モデルＡ１１での分析内容の一例を模式的に示す図である。
図２９に示されるグラフにおいて、横軸は所定指標を表しており、縦軸は効果の程度を表している。当該縦軸では、±０のところで効果が無く、プラスの範囲で上に行くほど効果が大きく、マイナスの範囲で下へ行くほど逆効果が大きい。
図２９には、運動評価情報がパターンＢである多数の教師データの分析が行われた場合を想定した分析結果に係る分布特性５１１を示してある。なお、分布特性５１１は、説明のための例示であり、実際に得られた結果ではない。
図２９の例では、所定指標は、例えば、所定パラメーター自体、または、所定パラメーターから得られる値である。
図２９の例では、第ｂ１教師データＢ１１１に対応する点が第ｂ１点Ｂ２１１に相当し、第ｂ２教師データＢ１２１に対応する点が第ｂ２点Ｂ２２１に相当し、第ｂ３教師データＢ１３１に対応する点が第ｂ３点Ｂ２３１に相当する。
図２９に示されるグラフにおいて、横軸は所定指標を表しており、縦軸は効果の程度を表している。当該縦軸では、±０のところで効果が無く、プラスの範囲で上に行くほど効果が大きく、マイナスの範囲で下へ行くほど逆効果が大きい。
図２９には、運動評価情報がパターンＢである多数の教師データの分析が行われた場合を想定した分析結果に係る分布特性５１１を示してある。なお、分布特性５１１は、説明のための例示であり、実際に得られた結果ではない。
図２９の例では、所定指標は、例えば、所定パラメーター自体、または、所定パラメーターから得られる値である。
図２９の例では、第ｂ１教師データＢ１１１に対応する点が第ｂ１点Ｂ２１１に相当し、第ｂ２教師データＢ１２１に対応する点が第ｂ２点Ｂ２２１に相当し、第ｂ３教師データＢ１３１に対応する点が第ｂ３点Ｂ２３１に相当する。
【0106】
このように、学習モデルＡ１は、対象者情報Ｇ１と運動評価情報Ｇ２とに紐付けられた対象者２１１が指導レポートＨ１を受け取った後における再測定の結果の相関関係を学習する。
なお、本実施形態では、指導の効果があるか否かの情報ばかりでなく、指導の効果の程度の情報を教師データとして用いる場合を示したが、他の例として、指導の効果があるか否かの情報が教師データとして用いられて、指導の効果の程度の情報が用いられなくてもよい。
なお、本実施形態では、指導の効果があるか否かの情報ばかりでなく、指導の効果の程度の情報を教師データとして用いる場合を示したが、他の例として、指導の効果があるか否かの情報が教師データとして用いられて、指導の効果の程度の情報が用いられなくてもよい。
【0107】
以上のように、本実施形態に係る情報処理装置１では、次のような構成とした。
対象者情報取得部１１１は、対象者２１１の年齢を示す年齢情報を含む対象者情報Ｇ１を取得する。
運動評価情報取得部１１２は、対象者２１１の運動の評価に関する運動評価情報Ｇ２を取得する。
記憶部１４は、学習済みモデルＡ２を記憶する。学習済みモデルＡ２は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報に基づいた指導内容を出力する。
レポート出力部１１３は、対象者情報Ｇ１と、運動評価情報Ｇ２と、を学習済みモデルＡ２に入力し、学習済みモデルＡ２から出力される指導内容が含まれる指導レポートＨ１を出力する。
対象者情報取得部１１１は、対象者２１１の年齢を示す年齢情報を含む対象者情報Ｇ１を取得する。
運動評価情報取得部１１２は、対象者２１１の運動の評価に関する運動評価情報Ｇ２を取得する。
記憶部１４は、学習済みモデルＡ２を記憶する。学習済みモデルＡ２は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報に基づいた指導内容を出力する。
レポート出力部１１３は、対象者情報Ｇ１と、運動評価情報Ｇ２と、を学習済みモデルＡ２に入力し、学習済みモデルＡ２から出力される指導内容が含まれる指導レポートＨ１を出力する。
【0108】
したがって、本実施形態に係る情報処理装置１では、対象者２１１ごとに年齢に適した指導レポートＨ１を出力することができ、対象者２１１の運動を支援することができる。
例えば、情報処理装置１では、高齢の対象者２１１ごとに、歩行能力を含む運動に関する複数の指導内容のうち、対象者２１１の運動の評価を向上させる指導内容を推論し、推論した指導内容が含まれる指導レポートＨ１を出力することができ、これにより、対象者２１１の歩行能力などの向上を支援することができる。
例えば、情報処理装置１では、高齢の対象者２１１ごとに、歩行能力を含む運動に関する複数の指導内容のうち、対象者２１１の運動の評価を向上させる指導内容を推論し、推論した指導内容が含まれる指導レポートＨ１を出力することができ、これにより、対象者２１１の歩行能力などの向上を支援することができる。
【0109】
例えば、本実施形態に係る情報処理装置１では、対象者情報Ｇ１は、対象者２１１の体格に関する体格情報を含む。
記憶部１４は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報と体格情報に基づいた指導内容を出力する学習済みモデルＡ２を記憶する。
記憶部１４は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報と体格情報に基づいた指導内容を出力する学習済みモデルＡ２を記憶する。
【0110】
したがって、本実施形態に係る情報処理装置１では、対象者２１１の年齢および体格に基づいて運動の支援を行うことができる。
なお、対象者情報Ｇ１に対象者２１１の体格情報が含まれない態様が用いられてもよい。
なお、対象者情報Ｇ１に対象者２１１の体格情報が含まれない態様が用いられてもよい。
【0111】
例えば、本実施形態に係る情報処理装置１では、対象者情報Ｇ１は、対象者２１１の性格に関する性格情報を含む。
記憶部１４は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報と性格情報に基づいた指導内容を出力する学習済みモデルＡ２を記憶する。
記憶部１４は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報と性格情報に基づいた指導内容を出力する学習済みモデルＡ２を記憶する。
【0112】
したがって、本実施形態に係る情報処理装置１では、対象者２１１の年齢および性格に基づいて運動の支援を行うことができる。
なお、対象者情報Ｇ１に対象者２１１の性格情報が含まれない態様が用いられてもよい。
なお、対象者情報Ｇ１に対象者２１１の性格情報が含まれない態様が用いられてもよい。
【0113】
例えば、本実施形態に係る情報処理装置１では、対象者情報Ｇ１は、対象者２１１の住んでいる場所および対象者２１１の家族構成に関する環境情報を含む。
記憶部１４は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報と環境情報に基づいた指導内容を出力する学習済みモデルＡ２を記憶する。
記憶部１４は、対象者情報Ｇ１と運動評価情報Ｇ２とが入力された場合に、対象者２１１の運動情報Ｇ３の評価が向上すると推測され、年齢情報と環境情報に基づいた指導内容を出力する学習済みモデルＡ２を記憶する。
【0114】
したがって、本実施形態に係る情報処理装置１では、対象者２１１の年齢および環境に基づいて運動の支援を行うことができる。
なお、対象者情報Ｇ１に対象者２１１の環境情報が含まれない態様が用いられてもよい。
なお、対象者情報Ｇ１に対象者２１１の環境情報が含まれない態様が用いられてもよい。
【0115】
例えば、本実施形態に係る情報処理装置１では、運動評価情報Ｇ２は、対象者２１１の年齢における理想の運動情報と、対象者２１１の運動に関する運動情報Ｇ２と、を比較した情報である。
【0116】
したがって、本実施形態に係る情報処理装置１では、対象者２１１の運動状態を理想の運動状態に近付けるように支援することができる。
ここで、理想の運動情報は、例えば、同じ年齢のすべての対象者２１１について同じであってもよく、あるいは、同じ年齢であっても、対象者２１１ごとに変化し得てもよい。
なお、理想の運動情報との比較とは別の手法で、運動の評価が行われる態様が用いられてもよい。
ここで、理想の運動情報は、例えば、同じ年齢のすべての対象者２１１について同じであってもよく、あるいは、同じ年齢であっても、対象者２１１ごとに変化し得てもよい。
なお、理想の運動情報との比較とは別の手法で、運動の評価が行われる態様が用いられてもよい。
【0117】
例えば、本実施形態に係る情報処理装置１では、対象者２１１に取り付けられる第１検出装置２５１からの情報に基づいて、対象者２１１の運動に関する運動情報Ｇ３を取得する運動情報取得部１１４を備える。
【0118】
したがって、本実施形態に係る情報処理装置１では、対象者２１１自体の動きから、運動情報Ｇ３を取得することが可能である。
なお、第１検出装置２５１からの情報に基づいて運動情報Ｇ３を取得する運動情報取得部１１４の機能が情報処理装置１に備えられない態様が用いられてもよい。
なお、第１検出装置２５１からの情報に基づいて運動情報Ｇ３を取得する運動情報取得部１１４の機能が情報処理装置１に備えられない態様が用いられてもよい。
【0119】
例えば、本実施形態に係る情報処理装置１では、第１検出装置２５１は、加速度、位置情報または角速度のうちの少なくとも１つに関する情報を検出する。
【0120】
したがって、本実施形態に係る情報処理装置１では、対象者２１１自体の動きから、加速度、位置情報、角速度のうちの１以上に基づく運動情報Ｇ３を取得することが可能である。
なお、加速度、位置情報および角速度以外の情報に基づく運動情報が取得される態様が用いられてもよい。
なお、加速度、位置情報および角速度以外の情報に基づく運動情報が取得される態様が用いられてもよい。
【0121】
例えば、本実施形態に係る情報処理装置１では、運動に関する道具２３１に取り付けられる第２検出装置２７１からの情報に基づいて、対象者２１１の運動に関する運動情報Ｇ３を取得する。
【0122】
したがって、本実施形態に係る情報処理装置１では、運動に使用される道具２３１の動きから、運動情報Ｇ３を取得することが可能である。
なお、第２検出装置２７１からの情報に基づいて運動情報Ｇ３を取得する運動情報取得部１１４の機能が情報処理装置１に備えられない態様が用いられてもよい。
なお、第２検出装置２７１からの情報に基づいて運動情報Ｇ３を取得する運動情報取得部１１４の機能が情報処理装置１に備えられない態様が用いられてもよい。
【0123】
例えば、本実施形態に係る情報処理装置１では、第２検出装置２７１は、加速度、位置情報、角速度のうちの少なくとも１つに関する情報を検出する。
【0124】
したがって、本実施形態に係る情報処理装置１では、運動に使用される道具２３１の動きから、加速度、位置情報、角速度のうちの１以上に基づく運動情報Ｇ３を取得することが可能である。
なお、加速度、位置情報および角速度以外の情報に基づく運動情報が取得される態様が用いられてもよい。
なお、加速度、位置情報および角速度以外の情報に基づく運動情報が取得される態様が用いられてもよい。
【0125】
例えば、本実施形態に係る情報処理装置１では、学習済みモデルＡ２は、対象者２１１に関する複数のパラメーターが含まれる対象者情報Ｇ１と運動評価情報Ｇ２とに基づく指導内容と、指導後の運動評価情報と、が入力された場合、学習中に対象者情報Ｇ２の複数のパラメーターのうち、有効となるパラメーターを分析する学習モデルである。
【0126】
したがって、本実施形態に係る情報処理装置１では、学習中の学習モデルは、入力情報に基づいて、対象者情報Ｇ１の複数のパラメーターのうち、有効となるパラメーターを分析することができる。
なお、これに限られず、学習中の学習モデルの内部の動作としては、学習のための任意の動作が行われてもよい。
なお、これに限られず、学習中の学習モデルの内部の動作としては、学習のための任意の動作が行われてもよい。
【0127】
例えば、本実施形態に係る情報処理装置１では、次のような構成とした。
指導内容取得部１１５は、対象者２１１に関する複数のパラメーターが含まれる対象者情報Ｇ１と対象者２１１の運動の評価に関する運動評価情報Ｇ２とに基づく指導の内容を取得する。
運動情報評価部１１６は、指導後の対象者２１１の運動の評価に関する運動評価情報Ｇ２を取得する。
記憶部１４は、学習中モデルＡ１１を記憶する。学習中モデルＡ１１は、指導の内容と、指導後の運動評価情報と、が入力された場合、対象者情報Ｇ１の複数のパラメーターのうち、有効となるパラメーターを分析する。
指導内容取得部１１５は、対象者２１１に関する複数のパラメーターが含まれる対象者情報Ｇ１と対象者２１１の運動の評価に関する運動評価情報Ｇ２とに基づく指導の内容を取得する。
運動情報評価部１１６は、指導後の対象者２１１の運動の評価に関する運動評価情報Ｇ２を取得する。
記憶部１４は、学習中モデルＡ１１を記憶する。学習中モデルＡ１１は、指導の内容と、指導後の運動評価情報と、が入力された場合、対象者情報Ｇ１の複数のパラメーターのうち、有効となるパラメーターを分析する。
【0128】
したがって、本実施形態に係る情報処理装置１では、学習中モデルＡ１１は、入力情報に基づいて、対象者情報Ｇ１の複数のパラメーターのうち、有効となるパラメーターを分析することができる。
【0129】
なお、本実施形態に係る情報処理装置１では、対象者２１１が身体能力維持のための運動を行う者であり、当該運動に関する支援を行う場合を示したが、これに限定されず、対象者２１１が他の運動を行う場合に適用されてもよい。
【0130】
以上に説明した任意の装置における任意の構成部の機能を実現するためのプログラムを、コンピューター読み取り可能な記録媒体に記録し、そのプログラムをコンピューターシステムに読み込ませて実行するようにしてもよい。ここでいう「コンピューターシステム」は、オペレーティングシステムあるいは周辺機器等のハードウェアを含むものとする。「コンピューター読み取り可能な記録媒体」は、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ等の可搬媒体、コンピューターシステムに内蔵されるハードディスク等の記憶装置である。「コンピューター読み取り可能な記録媒体」は、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバーあるいはクライアントとなるコンピューターシステム内部の揮発性メモリーのように、一定時間プログラムを保持しているものも含むものとする。当該揮発性メモリーは、ＲＡＭであってもよい。記録媒体は、非一時的記録媒体であってもよい。
【0131】
上記のプログラムは、このプログラムを記憶装置等に格納したコンピューターシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピューターシステムに伝送されてもよい。プログラムを伝送する「伝送媒体」は、インターネット等のネットワークあるいは電話回線等の通信回線のように情報を伝送する機能を有する媒体のことをいう。
上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。上記のプログラムは、前述した機能をコンピューターシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイルであってもよい。差分ファイルは、差分プログラムと呼ばれてもよい。
上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。上記のプログラムは、前述した機能をコンピューターシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイルであってもよい。差分ファイルは、差分プログラムと呼ばれてもよい。
【0132】
以上に説明した任意の装置における任意の構成部の機能は、プロセッサーにより実現されてもよい。実施形態における各処理は、プログラム等の情報に基づき動作するプロセッサーと、プログラム等の情報を記憶するコンピューター読み取り可能な記録媒体により実現されてもよい。プロセッサーは、各部の機能が個別のハードウェアで実現されてもよく、あるいは、各部の機能が一体のハードウェアで実現されてもよい。プロセッサーはハードウェアを含み、当該ハードウェアは、デジタル信号を処理する回路及びアナログ信号を処理する回路のうちの少なくとも一方を含んでもよい。プロセッサーは、回路基板に実装された１または複数の回路装置、あるいは、１または複数の回路素子のうちの一方または両方を用いて、構成されてもよい。回路装置としてはＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などが用いられてもよく、回路素子としては抵抗あるいはキャパシターなどが用いられてもよい。
【0133】
プロセッサーは、ＣＰＵであってもよい。ただし、プロセッサーは、ＣＰＵに限定されるものではなく、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、あるいは、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等のような、各種のプロセッサーが用いられてもよい。プロセッサーは、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）によるハードウェア回路であってもよい。プロセッサーは、複数のＣＰＵにより構成されていてもよく、あるいは、複数のＡＳＩＣによるハードウェア回路により構成されていてもよい。プロセッサーは、複数のＣＰＵと、複数のＡＳＩＣによるハードウェア回路と、の組み合わせにより構成されていてもよい。プロセッサーは、アナログ信号を処理するアンプ回路あるいはフィルター回路等のうちの１以上を含んでもよい。
【0134】
以上、実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この開示の要旨を逸脱しない範囲の設計等も含まれる。
【0135】
［付記］
＜構成例１＞～＜構成例１３＞を示す。
＜構成例１＞～＜構成例１３＞を示す。
【0136】
＜構成例１＞
対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得部と、
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得部と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部と、
前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力部と、
を備える情報処理装置。
対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得部と、
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得部と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部と、
前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力部と、
を備える情報処理装置。
【0137】
＜構成例２＞
前記対象者情報は、前記対象者の体格に関する体格情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記体格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
＜構成例１＞に記載の情報処理装置。
前記対象者情報は、前記対象者の体格に関する体格情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記体格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
＜構成例１＞に記載の情報処理装置。
【0138】
＜構成例３＞
前記対象者情報は、前記対象者の性格に関する性格情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記性格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
＜構成例１＞または＜構成例２＞に記載の情報処理装置。
前記対象者情報は、前記対象者の性格に関する性格情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記性格情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
＜構成例１＞または＜構成例２＞に記載の情報処理装置。
【0139】
＜構成例４＞
前記対象者情報は、前記対象者の住んでいる場所および前記対象者の家族構成に関する環境情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記環境情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
＜構成例１＞から＜構成例３＞のいずれか１項に記載の情報処理装置。
前記対象者情報は、前記対象者の住んでいる場所および前記対象者の家族構成に関する環境情報を含み、
前記記憶部は、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報と前記環境情報に基づいた指導内容を出力する前記学習済みモデルを記憶する、
＜構成例１＞から＜構成例３＞のいずれか１項に記載の情報処理装置。
【0140】
＜構成例５＞
前記運動評価情報は、前記対象者の年齢における理想の運動情報と、前記対象者の運動に関する運動情報と、を比較した情報である、
＜構成例１＞から＜構成例４＞のいずれか１項に記載の情報処理装置。
前記運動評価情報は、前記対象者の年齢における理想の運動情報と、前記対象者の運動に関する運動情報と、を比較した情報である、
＜構成例１＞から＜構成例４＞のいずれか１項に記載の情報処理装置。
【0141】
＜構成例６＞
前記対象者に取り付けられる第１検出装置からの情報に基づいて、前記対象者の運動に関する運動情報を取得する運動情報取得部を備える、
＜構成例１＞から＜構成例５＞のいずれか１項に記載の情報処理装置。
前記対象者に取り付けられる第１検出装置からの情報に基づいて、前記対象者の運動に関する運動情報を取得する運動情報取得部を備える、
＜構成例１＞から＜構成例５＞のいずれか１項に記載の情報処理装置。
【0142】
＜構成例７＞
前記第１検出装置は、加速度、位置情報または角速度のうちの少なくとも１つに関する情報を検出する、
＜構成例６＞に記載の情報処理装置。
前記第１検出装置は、加速度、位置情報または角速度のうちの少なくとも１つに関する情報を検出する、
＜構成例６＞に記載の情報処理装置。
【0143】
＜構成例８＞
前記学習済みモデルは、前記対象者に関する複数のパラメーターが含まれる前記対象者情報と前記運動評価情報とに基づく前記指導内容と、指導後の運動評価情報と、が入力された場合、学習中に前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習モデルである、
＜構成例１＞から＜構成例７＞のいずれか１項に記載の情報処理装置。
前記学習済みモデルは、前記対象者に関する複数のパラメーターが含まれる前記対象者情報と前記運動評価情報とに基づく前記指導内容と、指導後の運動評価情報と、が入力された場合、学習中に前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習モデルである、
＜構成例１＞から＜構成例７＞のいずれか１項に記載の情報処理装置。
【0144】
以上のような情報処理装置により行われる情報処理方法を提供することも可能である。
＜構成例９＞
情報処理装置の対象者情報取得部が、対象者の年齢を示す年齢情報を含む対象者情報を取得し、
前記情報処理装置の運動評価情報取得部が、前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶し、
前記情報処理装置のレポート出力部が、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力する、
情報処理方法。
＜構成例９＞
情報処理装置の対象者情報取得部が、対象者の年齢を示す年齢情報を含む対象者情報を取得し、
前記情報処理装置の運動評価情報取得部が、前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶し、
前記情報処理装置のレポート出力部が、前記対象者情報と、前記運動評価情報と、を前記学習済みモデルに入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力する、
情報処理方法。
【0145】
以上のような情報処理装置におけるプロセッサーにより実行されるプログラムを記録するプログラム記録媒体を提供することも可能である。
＜構成例１０＞
プログラムを記録するプログラム記録媒体であって、
前記プログラムは、コンピューターに、
対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得機能と、
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得機能と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部に記憶された前記学習済みモデルに、前記対象者情報と、前記運動評価情報と、を入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力機能と、
を実現させる、
プログラム記録媒体。
＜構成例１０＞
プログラムを記録するプログラム記録媒体であって、
前記プログラムは、コンピューターに、
対象者の年齢を示す年齢情報を含む対象者情報を取得する対象者情報取得機能と、
前記対象者の運動の評価に関する運動評価情報を取得する運動評価情報取得機能と、
前記対象者情報と前記運動評価情報とが入力された場合に、前記対象者の運動情報の評価が向上すると推測され、前記年齢情報に基づいた指導内容を出力する学習済みモデルを記憶する記憶部に記憶された前記学習済みモデルに、前記対象者情報と、前記運動評価情報と、を入力し、前記学習済みモデルから出力される前記指導内容が含まれる指導レポートを出力するレポート出力機能と、
を実現させる、
プログラム記録媒体。
【0146】
＜構成例１１＞
対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得する指導内容取得部と、
指導後の前記対象者の運動の評価に関する運動評価情報を取得する運動情報評価部と、
指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する記憶部と、
を備える情報処理装置。
対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得する指導内容取得部と、
指導後の前記対象者の運動の評価に関する運動評価情報を取得する運動情報評価部と、
指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する記憶部と、
を備える情報処理装置。
【0147】
上記のような学習中モデルを提供することも可能である。
＜構成例１２＞
対象者に関する複数のパラメーターが含まれる対象者情報と、前記対象者の運動の評価に関する運動評価情報と、に基づく指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する、
学習中モデル。
＜構成例１２＞
対象者に関する複数のパラメーターが含まれる対象者情報と、前記対象者の運動の評価に関する運動評価情報と、に基づく指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する、
学習中モデル。
【0148】
上記のような情報処理装置により行われる情報処理方法を提供することも可能である。
＜構成例１３＞
情報処理装置の指導内容取得部が、対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得し、
前記情報処理装置の運動情報評価部が、指導後の前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する、
情報処理方法。
＜構成例１３＞
情報処理装置の指導内容取得部が、対象者に関する複数のパラメーターが含まれる対象者情報と前記対象者の運動の評価に関する運動評価情報とに基づく指導の内容を取得し、
前記情報処理装置の運動情報評価部が、指導後の前記対象者の運動の評価に関する運動評価情報を取得し、
前記情報処理装置の記憶部が、指導の内容と、指導後の運動評価情報と、が入力された場合、前記対象者情報の複数の前記パラメーターのうち、有効となる前記パラメーターを分析する学習中モデルを記憶する、
情報処理方法。
【符号の説明】
【0149】
１…情報処理装置、１１…入力部、１２…出力部、１３…通信部、１４…記憶部、１５…制御部、１１１…対象者情報取得部、１１２…運動評価情報取得部、１１３…レポート出力部、１１４…運動情報取得部、１１５…指導内容取得部、１１６…運動情報評価部、２１１…対象者、２３１…道具、２５１…第１検出装置、２７１…第２検出装置、５１１…分布特性、６１１…指導員、Ａ１…学習モデル、Ａ２…学習済みモデル、Ａ１１…学習中モデル、Ｂ１…第ｂ１訓練データ、Ｂ２…第ｂ２訓練データ、Ｂ３…第ｂ３訓練データ、Ｂ１１…第ｂ１対象者情報、Ｂ１２…第ｂ１運動評価情報、Ｂ２１…第ｂ２対象者情報、Ｂ２２…第ｂ２運動評価情報、Ｂ３１…第ｂ３対象者情報、Ｂ３２…第ｂ３運動評価情報、Ｂ１１１…第ｂ１教師データ、Ｂ１２１…第ｂ２教師データ、Ｂ１３１…第ｂ３教師データ、Ｂ２１１…第ｂ１点、Ｂ２２１…第ｂ２点、Ｂ２３１…第ｂ３点、Ｇ１…対象者情報、Ｇ２…運動評価情報、Ｇ３…運動情報、Ｈ１…指導レポート、Ｄ１…第１右足方向、Ｄ２…第１左足方向、Ｄ３…第１地面方向、Ｄ４…第１つま先方向、Ｄ１１…第１膝上方向、Ｄ１２…第１膝下方向、Ｄ１３…第１右脚方向、Ｄ１４…第１左脚方向、Ｄ２１…第１上位置、Ｄ２２…第１下位置、Ｄ２３…第１上方向、Ｄ２４…第１上半身方向、Ｄ２５…第１前方向、Ｐ１…第１右足特性、Ｐ１ａ…第１ａ右足特性、Ｐ２…第１左足特性、Ｐ２ａ…第１ａ左足特性、Ｐ１０…第１理想特性、Ｐ１１…第１歩行特性、Ｐ２０…第２理想特性、Ｐ２１…第２歩行特性、Ｐ３０…第３理想特性、Ｐ３１…第３歩行特性、Ｑ１…第１接地タイミング、Ｑ１ａ…第１ａ接地タイミング、Ｑ１ｂ…第１ｂ接地タイミング、Ｑ１ｃ…第１ｃ接地タイミング、Ｑ１ｄ…第１ｄ接地タイミング、Ｑ１ｅ…第１ｅ接地タイミング、Ｑ１ｆ…第１ｆ接地タイミング、Ｑ１ｇ…第１ｇ接地タイミング、Ｑ１ｈ…第１ｈ接地タイミング、Ｑ２…第２接地タイミング、Ｑ２ａ…第２ａ接地タイミング、Ｑ２ｂ…第２ｂ接地タイミング、Ｑ２ｃ…第２ｃ接地タイミング、Ｑ２ｄ…第２ｄ接地タイミング、Ｑ２ｅ…第２ｅ接地タイミング、Ｑ２ｆ…第２ｆ接地タイミング、Ｑ２ｇ…第２ｇ接地タイミング、Ｑ２ｈ…第２ｈ接地タイミング、Ｒ１…第１歩行周期、Ｒ１ａ…第１ａ歩行周期、Ｒ１ｂ…第１ｂ歩行周期、Ｒ１ｃ…第１ｃ歩行周期、Ｒ１ｄ…第１ｄ歩行周期、Ｒ１ｅ…第１ｅ歩行周期、Ｒ１ｆ…第１ｆ歩行周期、Ｒ１ｇ…第１ｇ歩行周期、Ｒ１ｈ…第１ｈ歩行周期、ｔ１…第１重複時間、ｔ２…第２重複時間、Ｔ１…第１テーブル、Ｔ２…第２テーブル、Ｔ３…第３テーブル、Ｔ４…第４テーブル、Ｔ５…第５テーブル、Ｔ６…第６テーブル、Ｔ７…第７テーブル、Ｔ８…第８テーブル、Ｔ９…第９テーブル、Ｔ１０…第１０テーブル、Ｔ１１…第１１テーブル、Ｔ１２…第１２テーブル、Ｔ１３…第１３テーブル、Ｔ１４…第１４テーブル、Ｔ１５…第１５テーブル、θ１…第１角度、θ２…第２角度、θ３…第３角度、θ４…第４角度、θ５…第５角度
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】