特許7433561モデル生成方法、モデル生成装置、位相推定方法、制御方法、及び制御装置
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-02-08
(45)【発行日】2024-02-19
(54)【発明の名称】モデル生成方法、モデル生成装置、位相推定方法、制御方法、及び制御装置
(51)【国際特許分類】
A61B 5/11 20060101AFI20240209BHJP
A61H 3/00 20060101ALI20240209BHJP
【ＦＩ】
A61B5/11 230
A61H3/00 Z
【請求項の数】
17
(21)【出願番号】P 2023564116
(86)(22)【出願日】2023-08-03
(86)【国際出願番号】 JP2023028479
【審査請求日】2023-10-19
(31)【優先権主張番号】P 2022125530
(32)【優先日】2022-08-05
(33)【優先権主張国・地域又は機関】JP
【国等の委託研究の成果に係る記載事項】（出願人による申告）ＡＭＥＤ先進：令和３年度、国立研究開発法人日本医療研究開発機構、「医療機器などにおける先進的研究開発・開発体制強靭化事業（基盤技術開発プロジェクト）」「下肢装具から脱却するためのリハビリテーションを支援する歩行介入エンジンの研究開発」、令和４年度「医療機器等における先進的研究開発・開発体制強靭化事業（基盤技術開発プロジェクト）」「生き生きとした歩行を取り戻すための足関節ロボットの創出を目指した研究開発」委託研究開発、産業技術力強化法第１７条の適用を受ける特許出願
【早期審査対象出願】
(73)【特許権者】
【識別番号】393031586
【氏名又は名称】株式会社国際電気通信基礎技術研究所
(74)【代理人】
【識別番号】110002860
【氏名又は名称】弁理士法人秀和特許事務所
(72)【発明者】
【氏名】野田 智之
(72)【発明者】
【氏名】寺前 達也
【審査官】蔵田 真彦
(56)【参考文献】
【文献】米国特許出願公開第２０１５／０１９０９２３（ＵＳ，Ａ１）
【文献】国際公開第２０２２／０５３９３４（ＷＯ，Ａ１）
【文献】中国特許出願公開第１１４１７０６７９（ＣＮ，Ａ）
【文献】国際公開第２０１９／１９８２９８（ＷＯ，Ａ１）
【文献】特開２０１６－２１４５０４（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ５／１１
Ａ６１Ｈ ３／００－３／０６
ＪＳＴＰｌｕｓ／ＪＭＥＤＰｌｕｓ／ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）
(57)【特許請求の範囲】
【請求項1】
コンピュータが、ユーザの１周期以上の歩行をセンサにより計測することで生成されたセンサデータを取得するステップと、
基準モデルを使用して、取得された前記センサデータにおいて、前記歩行の位相の推定値を算出するステップと、
前記センサデータに表れる前記歩行の周期に基づいて、算出される前記推定値に対応する前記歩行の位相の理想値を算出するステップと、
前記歩行の位相の前記推定値及び前記理想値の間の誤差をモデル化することにより、補正モデルを生成するステップと、
を実行する、
モデル生成方法。
【請求項2】
前記センサデータは、複数周期の前記歩行を計測することで生成されたものであり、前記コンピュータは、前記位相の推定値を算出するステップを実行した後に、
算出された前記位相の推定値のばらつきを算出するステップ、及び
前記推定値のばらつきの大きさが閾値を超えている場合に、アラートを通知するステップ、
を更に実行する、
請求項１に記載のモデル生成方法。
【請求項3】
前記センサデータは、前記ユーザがアシストを受けた状態で前記歩行を計測することで生成されたものである、請求項１又は２に記載のモデル生成方法。
【請求項4】
前記コンピュータは、前記センサデータを取得するステップ、前記位相の推定値を算出するステップ、前記位相の理想値を算出するステップ、及び前記補正モデルを生成するステップを含む生成サイクルを繰り返し実行する、請求項１又は２に記載のモデル生成方法。
【請求項5】
２回目以降の生成サイクルにおける前記位相の推定値を算出するステップでは、前記コンピュータは、前回の生成サイクルで使用された基準モデルを前回の生成サイクルで生成された補正モデルにより補正することで得られた補正済み基準モデルを使用して、今回の生成サイクルで取得されたセンサデータにおいて、前記歩行の位相の推定値を算出する、請求項４に記載のモデル生成方法。【請求項6】
前記コンピュータは、前記生成サイクルを実行した後、オペレータからの要求に応じて、次の生成サイクルを実行する、請求項４に記載のモデル生成方法。
【請求項7】
ユーザの１周期以上の歩行をセンサにより計測することで生成されたセンサデータを取得するように構成されるデータ取得部と、基準モデルを使用して、取得された前記センサデータにおいて、前記歩行の位相の推定値を算出するように構成される位相推定部と、
前記センサデータに表れる前記歩行の周期に基づいて、算出される前記推定値に対応する前記歩行の位相の理想値を算出するように構成される算出部と、
前記歩行の位相の前記推定値及び前記理想値の間の誤差をモデル化することにより、補正モデルを生成するように構成される生成部と、
を備える、
モデル生成装置。
【請求項8】
コンピュータが、ユーザの歩行に対するセンサのセンサ値を取得するステップと、
基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するステップと、
補正モデルを使用して、算出された前記位相の推定値から誤差を推定するステップと、
推定された前記誤差により、算出された前記位相の推定値を補正するステップと、
補正された前記位相の推定値に関する情報を出力するステップと、
を実行し、
前記補正モデルは、前記ユーザの１周期以上の歩行を前記センサにより計測することで生成された学習用のセンサデータを使用して、歩行の位相の推定値及び理想値の間の誤差をモデル化することで生成されたものである、
位相推定方法。
【請求項9】
前記コンピュータが、前記位相の推定に関する遅延による前記位相のずれを特定するステップと、
補正された前記位相の推定値を特定された前記ずれにより更に補正するステップと、
を更に実行し、
補正された前記位相の推定値に関する情報は、更に補正された前記位相の推定値に関する情報により構成される、
請求項８に記載の位相推定方法。
【請求項10】
コンピュータが、アシストパターンを設定するステップと、
ユーザの歩行に対するセンサのセンサ値を取得するステップと、
基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するステップと、
補正モデルを使用して、算出された前記位相の推定値から誤差を推定するステップと、
推定された前記誤差により、算出された前記位相の推定値を補正するステップと、
設定された前記アシストパターンに従って、補正された前記位相の推定値から歩行アシスト装置のアシスト量を決定するステップと、
決定された前記アシスト量を出力するステップと、
を実行し、
前記補正モデルは、前記ユーザの１周期以上の歩行を前記センサにより計測することで生成された学習用のセンサデータを使用して、歩行の位相の推定値及び理想値の間の誤差をモデル化することで生成されたものである、
制御方法。
【請求項11】
前記アシストパターンは、１つ以上の筋モジュールにより構成され、前記筋モジュールは、筋シナジーを再現するように、複数の周期関数を組み合わせることにより構成される、
請求項１０に記載の制御方法。
【請求項12】
前記歩行アシスト装置は、空気圧方式の人工筋肉の出力により前記歩行をアシストするように構成される、請求項１０に記載の制御方法。
【請求項13】
前記コンピュータが、前記位相の推定に関する遅延による前記位相のずれを特定するステップと、
補正された前記位相の推定値を特定された前記ずれにより更に補正するステップと、
を更に実行し、
補正された前記位相の推定値から前記アシスト量を決定することは、更に補正された前記位相の推定値から前記アシスト量を決定することにより構成される、
請求項１０に記載の制御方法。
【請求項14】
前記コンピュータは、前記センサ値を取得するステップ、前記位相の推定値を算出するステップ、前記誤差を推定するステップ、前記位相の推定値を補正するステップ、前記アシスト量を決定するステップ、及び前記アシスト量を出力するステップを含む推定サイクルを繰り返し実行し、前記コンピュータは、前記ユーザの１周期以上の歩行に対して前記推定サイクルを繰り返し実行したことに応じて、
前記歩行の周期に基づいて、補正された前記推定値に対する前記歩行の位相の理想値を算出するステップ、
補正された前記推定値及び前記理想値の間の誤差を算出するステップ、及び
算出された誤差に関する情報を出力するステップ、
を更に実行する、
請求項１０から１３のいずれか１項に記載の制御方法。
【請求項15】
前記コンピュータは、前記センサ値を取得するステップ、前記位相の推定値を算出するステップ、前記誤差を推定するステップ、前記位相の推定値を補正するステップ、前記アシスト量を決定するステップ、及び前記アシスト量を出力するステップを含む推定サイクルを繰り返し実行し、２回目以降の推定サイクルにおける前記アシスト量を決定するステップでは、前記コンピュータは、
前回の推定サイクルでの補正された前記推定値及び今回の推定サイクルでの補正された前記推定値の間の変化量を算出し、
算出された前記変化量が許容条件を満たすか否かを判定し、
前記変化量が許容条件を満たす場合、前記今回の推定サイクルでの補正された前記推定値から、今回の推定サイクルでのアシスト量を決定し、並びに、
前記変化量が許容条件を満たさない場合、前記今回の推定サイクルでの補正された前記推定値に依らず、前記前回の推定サイクルでの補正された前記推定値に基づいて、今回の推定サイクルでのアシスト量を決定する、
請求項１０から１３のいずれか１項に記載の制御方法。
【請求項16】
アシストパターンを設定するように構成される設定部と、ユーザの歩行に対するセンサのセンサ値を取得するように構成される取得部と、
基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するように構成される位相推定部と、
補正モデルを使用して、算出された前記位相の推定値から誤差を推定するように構成される誤差推定部と、
推定された前記誤差により、算出された前記位相の推定値を補正するように構成される補正部と、
設定された前記アシストパターンに従って、補正された前記位相の推定値からアシスト量を決定し、かつ決定された前記アシスト量を出力するように構成される出力部と、
を備え、
前記補正モデルは、前記ユーザの１周期以上の歩行を前記センサにより計測することで生成された学習用のセンサデータを使用して、歩行の位相の推定値及び理想値の間の誤差をモデル化することで生成されたものである、
制御装置。
【請求項17】
コンピュータが、ユーザの歩行に対するセンサのセンサ値を取得するステップと、
基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するステップと、
補正モデルを使用して、算出された前記位相の推定値から誤差を推定するステップと、
推定された前記誤差により、算出された前記位相の推定値を補正するステップと、
補正された前記位相の推定値から制御対象装置の駆動量を決定するステップと、
決定された駆動量を出力するステップと、
を実行し、
前記補正モデルは、前記ユーザの１周期以上の歩行を前記センサにより計測することで生成された学習用のセンサデータを使用して、歩行の位相の推定値及び理想値の間の誤差をモデル化することで生成されたものである、
制御方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、モデル生成方法、モデル生成装置、位相推定方法、制御方法、及び制御装置に関する。
【背景技術】
【0002】
例えば、リハビリテーションの場面において、パターンに応じて歩行をアシストするために、歩行周期における位相をリアルタイムに推定することがある。一般的には、歩行の位相は、歩行の１サイクルの時間を０～２πの範囲の正規化した連続値により定義される。歩行した後に歩行周期を分析することは、あるヒールストライクから次のヒールストライクまでの時間を分割すればよいため、簡単である。一方で、リアルタイムに歩行の位相を推定することは、人間の歩行には個人差があるため、容易ではない。そこで、従来の方法では、人間の歩行を近似したモデルを用いて、歩行の位相を推定していた（例えば、特許文献１、２）。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１７－２１７０３９号公報
【文献】特開２０１５－００８９６０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
従来の方法よれば、近似モデルを用いることで、位相推定にかかる計算量を低減することができる。しかしながら、本件発明者は、従来の方法には次のような問題点があることを見出した。すなわち、従来の方法では、近似モデルを使用するため、位相の推定値と真値との間には誤差が生じてしまう。
【0005】
図１は、近似モデルを使用した場合に生じる誤差の一例を示す。上記のとおり、あるヒールストライクから次のヒールストライクまでの時間を分割することで、歩行における位相の真値を算出することができる。図１の誤差は、各サンプリング時間において、これにより得られる真値を近似モデルの出力（位相の推定値）に対応付けることで得られたものである。なお、図１のデータは、後述する実験例と同一の条件により得られたものである。
【0006】
図１の位相空間において、近似モデルの出力は、０～２πの範囲で真値に対して直線であることが理想的である。しかしながら、人の歩行には個人差がある。そのため、誤差が生じないように、近似モデルのパラメータを調整することは困難である。図１に示されるとおりに、近似モデルの出力は、真値に対して歪んでしまう。また、近似モデルを個別に作成するようにすると、コストが高くなってしまう。したがって、従来の方法では、簡易かつリアルタイムに歩行の位相を精度よく推定することは困難であった。
【0007】
なお、歩行の位相を精度よく推定できないことにより、様々な問題点が生じ得る。一例では、上記歩行アシストの場面では、熟練の理学療法士は、位相空間上において、歩行アシストのパターンを定義し、かつ最適化する。推定される位相に誤差が生じていると、実行されるアシストの時系列パターンが変化してしまう。すなわち、理学療法士の意図通りに歩行アシストを遂行することが困難になってしまう。一方で、歩行速度に応じて一定量で進むことを前提にアシストする方法が存在する。しかしながら、この方法では、脳卒中麻痺のように歩行の不安定な患者に対して、歩行アシストが入るタイミングが早すぎたり遅すぎたりすることになってしまい、歩行速度又は歩幅が変化しやすいユーザに対して適切にアシストすることが困難である。したがって、適切なタイミングでの歩行アシストを実現するために、簡易かつリアルタイムに歩行の位相を精度よく推定可能な技術が求められている。
【0008】
本発明は、一側面では、このような点を考慮してなされたものであり、その目的は、簡易かつリアルタイムに歩行の位相を精度よく推定するための技術を提供することである。
【課題を解決するための手段】
【0009】
本発明は、上述した課題を解決するために、以下の構成を採用する。なお、以下の発明の構成は適宜組み合わせ可能である。
【0010】
本発明の一側面に係るモデル生成方法は、コンピュータが、ユーザの１周期以上の歩行をセンサにより計測することで生成されたセンサデータを取得するステップと、基準モデルを使用して、取得された前記センサデータにおいて、前記歩行の位相の推定値を算出するステップと、前記センサデータに表れる前記歩行の周期に基づいて、算出される前記推定値に対応する前記歩行の位相の理想値を算出するステップと、前記歩行の位相の前記推定値及び前記理想値の間の誤差をモデル化することにより、補正モデルを生成するステップと、を実行する情報処理方法である。
【0011】
当該構成において、補正モデルを生成することは、得られたセンサデータの位相の推定値と理想値との間の誤差をモデル化することに過ぎない。上記のとおり、歩行をした後に、歩行における位相の真値（理想値）を算出することは容易である。そのため、ユーザ毎の補正モデルを容易に生成可能である。また、ユーザの状況等の事情に応じて、精度よく位相を推定可能なように、補正モデルを再度生成することも容易である。更に、生成された補正モデルは、基準モデルの推定値と誤差との間の対応関係を示すように構成されているに過ぎないため、補正モデルの演算は簡易である。したがって、当該構成によれば、生成された補正モデルにより、簡易かつリアルタイムに歩行の位相を精度よく推定することができる。
【0012】
上記一側面に係るモデル生成方法において、前記センサデータは、複数周期の前記歩行を計測することで生成されたものであってよい。前記コンピュータは、前記位相の推定値を算出するステップを実行した後に、算出された前記位相の推定値のばらつきを算出するステップ、及び前記推定値のばらつきの大きさが閾値を超えている場合に、アラートを通知するステップ、を更に実行してよい。得られたセンサデータにおいて、位相の推定値がばらついている場合、理想値との間の誤差にもばらつきが生じるため、生成される補正モデルの精度が悪化してしまう可能性がある。これに対して、当該構成によれば、そのような補正モデルの精度が悪化する可能性があることをアラートすることができる。
【0013】
上記各一側面に係るモデル生成方法において、前記センサデータは、前記ユーザがアシストを受けた状態で前記歩行を計測することで生成されたものであってよい。当該構成によれば、ユーザが歩行のアシストを受ける場面で、補正モデルを生成することができる。生成された補正モデルを使用することで、簡易かつリアルタイムに歩行の位相を精度よく推定し、適切なタイミングで歩行のアシストを実行することができる。
【0014】
上記各一側面に係るモデル生成方法において、前記コンピュータは、前記センサデータを取得するステップ、前記位相の推定値を算出するステップ、前記位相の理想値を算出するステップ、及び前記補正モデルを生成するステップを含む生成サイクルを繰り返し実行してよい。当該構成によれば、生成サイクルの実行を繰り返すことで、新たな補正モデルを繰り返し生成することができる。一例では、ユーザの歩行動作の変化に対応して、新たな補正モデルを生成することで、ユーザの歩行の位相を継続的に精度よく推定可能にすることができる。
【0015】
上記一側面に係るモデル生成方法において、２回目以降の生成サイクルにおける前記位相の推定値を算出するステップでは、前記コンピュータは、前回の生成サイクルで使用された基準モデルを前回の生成サイクルで生成された補正モデルにより補正することで得られた補正済み基準モデルを使用して、今回の生成サイクルで取得されたセンサデータにおいて、前記歩行の位相の推定値を算出してよい。当該構成によれば、補正モデルによる基準モデルの補正、及び補正された基準モデルに対する補正モデルの生成を繰り返すことで、簡易かつリアルタイムに歩行の位相を精度よく推定可能なモデル（基準モデル、補正モデル）を得ることができる。
【0016】
上記各一側面に係るモデル生成方法において、前記コンピュータは、前記生成サイクルを実行した後、オペレータからの要求に応じて、次の生成サイクルを実行してよい。時間の経過により、ユーザの歩行が変化することで、生成された補正モデルがユーザに適合しなくなることがある。一例では、補正モデルを使用した状態で歩行のアシスト（リハビリテーション）を所定時間行った場合である。この場合、ユーザの歩行が改善されることにより、リハビリテーション前に作成した補正モデルがユーザに適合しなくなり、誤差が新たに生じる可能性がある。当該構成では、このような場合に、オペレータの要求に応じて、補正モデルを再度生成することができる。
【0017】
本発明の形態は、上記モデル生成方法に限られなくてよい。本発明の一側面は、上記いずれかの形態に係るモデル生成方法により生成された補正モデルを使用して、歩行の位相の推定値を補正するステップを含む情報処理方法であってよい。
【0018】
一例として、本発明の一側面に係る位相推定方法は、コンピュータが、ユーザの歩行に対するセンサのセンサ値を取得するステップと、基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するステップと、補正モデルを使用して、算出された前記位相の推定値から誤差を推定するステップと、推定された前記誤差により、算出された前記位相の推定値を補正するステップと、補正された前記位相の推定値に関する情報を出力するステップと、を実行する情報処理方法であってよい。前記補正モデルは、前記ユーザの１周期以上の歩行を前記センサにより計測することで生成された学習用のセンサデータを使用して、歩行の位相の推定値及び理想値の間の誤差をモデル化することで生成されたものであってよい。前記補正モデルは、上記いずれかの形態に係るモデル生成方法により生成されたものであってよい。当該構成によれば、補正モデルを使用することにより、簡易かつリアルタイムに歩行の位相を精度よく推定することができる。
【0019】
上記一側面に係る位相推定方法において、前記コンピュータが、前記位相の推定に関する遅延による前記位相のずれを特定するステップと、補正された前記位相の推定値を特定された前記ずれにより更に補正するステップと、を更に実行してもよい。補正された前記位相の推定値に関する情報は、更に補正された前記位相の推定値に関する情報により構成されてよい。当該構成によれば、遅延の影響を低減することができる。
【0020】
なお、補正された位相の推定値に関する情報を出力することは、補正された位相の推定値をそのまま出力する（例えば、音声出力、画像表示等）ことを含んでよい。また、補正された位相の推定値に関する情報を出力することは、得られた推定値に基づいて情報処理を実行すること、及び位相の推定値に関する情報として当該情報処理の実行結果を出力することを含んでよい。情報処理を実行した結果の出力は、位相の推定値に応じて制御対象装置の動作を制御することを含んでよい。制御対象装置は、例えば、歩行アシスト装置、電気刺激装置、賦活計測装置等の介入装置であってよい。
【0021】
一例として、本発明の一側面に係る制御方法は、コンピュータが、ユーザの歩行に対するセンサのセンサ値を取得するステップと、基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するステップと、補正モデルを使用して、算出された前記位相の推定値から誤差を推定するステップと、推定された前記誤差により、算出された前記位相の推定値を補正するステップと、補正された前記位相の推定値から制御対象装置の駆動量を決定するステップと、決定された駆動量を出力するステップと、を実行してよい。前記補正モデルは、前記ユーザの１周期以上の歩行を前記センサにより計測することで生成された学習用のセンサデータを使用して、歩行の位相の推定値及び理想値の間の誤差をモデル化することで生成されたものであってよい。これにより、ユーザの歩行に応じて、制御対象装置を適切なタイミングで駆動することができる。
【0022】
上記一側面に係る制御方法において、前記制御対象装置は、歩行アシスト装置、電気刺激装置、又は賦活計測装置であってよい。制御対象装置の駆動量を決定することは、歩行アシスト装置のアシスト量を決定すること、電気刺激装置による電気刺激の量を決定すること、又は賦活計測装置における電気刺激の量を決定することにより構成されてよい。量を決定することは、与えるか否かを決定することを含んでよい。
【0023】
上記一側面に係る制御方法において、前記コンピュータが、前記位相の推定に関する遅延による前記位相のずれを特定するステップと、補正された前記位相の推定値を特定された前記ずれにより更に補正するステップと、を更に実行してもよい。補正された前記位相の推定値から制御対象装置の駆動量を決定することは、更に補正された前記位相の推定値から制御対象装置の駆動量を決定することにより構成されてよい。これにより、より適切なタイミングで制御対象装置を駆動することができる。
【0024】
他の一例として、本発明の一側面に係る制御方法は、コンピュータが、アシストパターンを設定するステップと、ユーザの歩行に対するセンサのセンサ値を取得するステップと、基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するステップと、補正モデルを使用して、算出された前記位相の推定値から誤差を推定するステップと、推定された前記誤差により、算出された前記位相の推定値を補正するステップと、設定された前記アシストパターンに従って、補正された前記位相の推定値から歩行アシスト装置のアシスト量を決定するステップと、決定された前記アシスト量を出力するステップと、を実行する情報処理方法であってよい。前記補正モデルは、前記ユーザの１周期以上の歩行を前記センサにより計測することで生成された学習用のセンサデータを使用して、歩行の位相の推定値及び理想値の間の誤差をモデル化することで生成されたものであってよい。前記補正モデルは、上記いずれかの形態に係るモデル生成方法により生成されたものであってよい。当該構成によれば、補正モデルを使用することにより、簡易かつリアルタイムに歩行の位相を精度よく推定することができる。これにより、ユーザに対して適切なタイミングで歩行のアシストを実行することができる。
【0025】
上記一側面に係る制御方法において、前記アシストパターンは、１つ以上の筋モジュールにより構成されてよい。前記筋モジュールは、筋シナジーを再現するように、複数の周期関数を組み合わせることにより構成されてよい。当該構成によれば、筋モジュールが上記のように構成されていることで、容易な演算により筋シナジーに即したアシストパターンを実現することができる。加えて、１つ以上の筋モジュールの選択により、筋シナジーに即したアシストパターンを容易に作成することができる。
【0026】
上記一側面に係る制御方法において、前記歩行アシスト装置は、空気圧方式の人工筋肉の出力により前記歩行をアシストするように構成されてよい。アシストパターンが平滑化されていなくても、空気圧方式の人工筋肉のダイナミクス（例えば、モータドライバの遅延遅れ等）により、実際に与えられるアシスト量は平滑化されたものとなる。そのため、当該構成によれば、演算量の増大を招くことなく、スムーズなアシストを実施することができる。
【0027】
上記一側面に係る制御方法において、前記コンピュータが、前記位相の推定に関する遅延による前記位相のずれを特定するステップと、補正された前記位相の推定値を特定された前記ずれにより更に補正するステップと、を更に実行してもよい。補正された前記位相の推定値から歩行アシスト装置のアシスト量を決定することは、更に補正された前記位相の推定値から歩行アシスト装置のアシスト量を決定することにより構成されてよい。これにより、より適切なタイミングで歩行のアシストを実行することができる。
【0028】
上記各一側面に係る制御方法において、前記コンピュータは、前記センサ値を取得するステップ、前記位相の推定値を算出するステップ、前記誤差を推定するステップ、前記位相の推定値を補正するステップ、前記アシスト量を決定するステップ、及び前記アシスト量を出力するステップを含む推定サイクルを繰り返し実行してよい。前記コンピュータは、前記ユーザの１周期以上の歩行に対して前記推定サイクルを繰り返し実行したことに応じて、前記歩行の周期に基づいて、補正された前記推定値に対する前記歩行の位相の理想値を算出するステップ、補正された前記推定値及び前記理想値の間の誤差を算出するステップ、及び算出された誤差に関する情報を出力するステップ、を更に実行してよい。ユーザが歩行のアシストを繰り返し受けることで、ユーザの歩行が変化する（典型的な要因の一例は、アシストによりユーザの歩行が改善すること）場合がある。当該構成によれば、このような場合に、補正された推定値及び理想値の間の誤差を算出することで、使用している補正モデルがユーザに適合しなくなっているかどうかを評価することができる。
【0029】
上記各一側面に係る制御方法において、前記コンピュータは、前記センサ値を取得するステップ、前記位相の推定値を算出するステップ、前記誤差を推定するステップ、前記位相の推定値を補正するステップ、前記アシスト量を決定するステップ、及び前記アシスト量を出力するステップを含む推定サイクルを繰り返し実行してよい。２回目以降の推定サイクルにおける前記アシスト量を決定するステップでは、前記コンピュータは、前回の推定サイクルでの補正された前記推定値及び今回の推定サイクルでの補正された前記推定値の間の変化量を算出し、算出された前記変化量が許容条件を満たすか否かを判定し、前記変化量が許容条件を満たす場合、前記今回の推定サイクルでの補正された前記推定値から、今回の推定サイクルでのアシスト量を決定し、並びに、前記変化量が許容条件を満たさない場合、前記今回の推定サイクルでの補正された前記推定値に依らず、前記前回の推定サイクルでの補正された前記推定値に基づいて、今回の推定サイクルでのアシスト量を決定してよい。位相の推定を繰り返し実行する間に、例えば、想定される歩行動作と異なる歩行動作をユーザが行うこと等に起因して、センサ値から算出される位相の推定値が急激に変化したり、遡ったりする場合がある。当該構成によれば、補正された位相の推定値が許容条件を満たすか否かを判定することにより、そのような位相の推定値の想定外の挙動を監視することができる。そして、補正された位相の推定値が許容条件を満たさない変化をした場合に、その推定値を使用するのではなく、前回の推定サイクルの推定結果を使用することで、適正なアシストを実行することができる。
【0030】
上記各形態に係るモデル生成方法、位相推定方法及び制御方法それぞれの別の態様として、本発明の一側面は、以上の各構成の全部又はその一部を実現する情報処理装置であってもよいし、プログラムであってもよいし、このようなプログラムを記憶した、コンピュータその他装置、機械等が読み取り可能な記憶媒体であってもよい。ここで、コンピュータ等が読み取り可能な記憶媒体とは、プログラム等の情報を、電気的、磁気的、光学的、機械的、又は、化学的作用によって蓄積する媒体である。
【0031】
例えば、本発明の一側面に係るモデル生成装置は、ユーザの１周期以上の歩行をセンサにより計測することで生成されたセンサデータを取得するように構成されるデータ取得部と、基準モデルを使用して、取得された前記センサデータにおいて、前記歩行の位相の推定値を算出するように構成される位相推定部と、前記センサデータに表れる前記歩行の周期に基づいて、算出される前記推定値に対応する前記歩行の位相の理想値を算出するように構成される算出部と、前記歩行の位相の前記推定値及び前記理想値の間の誤差をモデル化することにより、補正モデルを生成するように構成される生成部と、を備えてよい。
【0032】
また、例えば、本発明の一側面に係る位相推定装置は、ユーザの歩行に対するセンサのセンサ値を取得するように構成される取得部と、基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するように構成される位相推定部と、補正モデルを使用して、算出された前記位相の推定値から誤差を推定するように構成される誤差推定部と、推定された前記誤差により、算出された前記位相の推定値を補正するように構成される補正部と、補正された前記位相の推定値に関する情報を出力するように構成される出力部と、を備えてよい。
【0033】
また、例えば、本発明の一側面に係る制御装置は、アシストパターンを設定するように構成される設定部と、ユーザの歩行に対するセンサのセンサ値を取得するように構成される取得部と、基準モデルを使用して、取得された前記センサ値から前記歩行の位相の推定値を算出するように構成される位相推定部と、補正モデルを使用して、算出された前記位相の推定値から誤差を推定するように構成される誤差推定部と、推定された前記誤差により、算出された前記位相の推定値を補正するように構成される補正部と、設定された前記アシストパターンに従って、補正された前記位相の推定値からアシスト量を決定し、かつ決定された前記アシスト量を出力するように構成される出力部と、を備えてよい。
【発明の効果】
【0034】
本発明によれば、簡易かつリアルタイムに歩行の位相を精度よく推定するための技術を提供することができる。
【図面の簡単な説明】
【0035】
【発明を実施するための形態】
【0036】
以下、本発明の一側面に係る実施の形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。ただし、以下で説明する本実施形態は、あらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良及び変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。なお、本実施形態において登場するデータを自然言語により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語等で指定される。
【0037】
【0038】
［生成段階］
本実施形態に係るモデル生成装置１は、ユーザＺに対して補正モデル４５を生成するように構成された１台以上のコンピュータである。本実施形態では、モデル生成装置１は、ユーザＺの１周期以上の歩行をセンサＳにより計測することで生成されたセンサデータ３１を取得する。モデル生成装置１は、基準モデル４０を使用して、取得されたセンサデータ３１において、歩行の位相の推定値３３を算出する。モデル生成装置１は、センサデータ３１に表れる歩行の周期に基づいて、算出される推定値３３に対する歩行の位相の理想値（真値）３５を算出する。モデル生成装置１は、歩行の位相の推定値３３及び理想値３５の間の誤差をモデル化することにより、補正モデル４５を生成する。生成された補正モデル４５は、任意のタイミングで位相推定装置２に提供されてよい。
本実施形態に係るモデル生成装置１は、ユーザＺに対して補正モデル４５を生成するように構成された１台以上のコンピュータである。本実施形態では、モデル生成装置１は、ユーザＺの１周期以上の歩行をセンサＳにより計測することで生成されたセンサデータ３１を取得する。モデル生成装置１は、基準モデル４０を使用して、取得されたセンサデータ３１において、歩行の位相の推定値３３を算出する。モデル生成装置１は、センサデータ３１に表れる歩行の周期に基づいて、算出される推定値３３に対する歩行の位相の理想値（真値）３５を算出する。モデル生成装置１は、歩行の位相の推定値３３及び理想値３５の間の誤差をモデル化することにより、補正モデル４５を生成する。生成された補正モデル４５は、任意のタイミングで位相推定装置２に提供されてよい。
【0039】
［推定段階］
一方、本実施形態に係る位相推定装置２は、基準モデル４０及び補正モデル４５を使用して、ユーザＺの歩行の位相をリアルタイムに推定するように構成された１台以上のコンピュータである。本実施形態では、位相推定装置２は、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。位相推定装置２は、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。位相推定装置２は、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。補正モデル４５は、モデル生成装置１において、学習用のセンサデータ３１を使用して、歩行の位相の推定値３３及び理想値３５の間の誤差をモデル化することで生成されたものである。位相推定装置２は、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、位相推定装置２は、補正された位相の推定値５７を得る。位相推定装置２は、補正された位相の推定値５７に関する情報を出力する。なお、本実施形態では、説明の便宜上、モデル生成装置１により補正モデル４５を生成する段階を生成段階と称し、位相推定装置２により歩行の位相を推定する段階を推定段階と称する。
一方、本実施形態に係る位相推定装置２は、基準モデル４０及び補正モデル４５を使用して、ユーザＺの歩行の位相をリアルタイムに推定するように構成された１台以上のコンピュータである。本実施形態では、位相推定装置２は、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。位相推定装置２は、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。位相推定装置２は、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。補正モデル４５は、モデル生成装置１において、学習用のセンサデータ３１を使用して、歩行の位相の推定値３３及び理想値３５の間の誤差をモデル化することで生成されたものである。位相推定装置２は、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、位相推定装置２は、補正された位相の推定値５７を得る。位相推定装置２は、補正された位相の推定値５７に関する情報を出力する。なお、本実施形態では、説明の便宜上、モデル生成装置１により補正モデル４５を生成する段階を生成段階と称し、位相推定装置２により歩行の位相を推定する段階を推定段階と称する。
【0040】
［特徴］
以上のとおり、本実施形態において、補正モデル４５を生成することは、センサデータ３１を使用して、基準モデル４０の推定結果（推定値３３）と真値（理想値３５）との間の誤差をモデル化することに過ぎない。センサデータ３１に表れる歩行の周期に基づいて、歩行の位相の理想値３５（真値）を算出することは容易である。そのため、ユーザＺ毎に補正モデル４５を容易に作成可能である。また、ユーザＺの状況等の事情に応じて、歩行の位相を精度よく推定可能なように、補正モデル４５を再度生成することも容易である。更に、生成される補正モデル４５は、基準モデル４０の推定値と誤差との間の対応関係を示す（すなわち、推定値から誤差を算出する）ように構成されているに過ぎないため、補正モデル４５の演算は容易である。したがって、本実施形態に係るモデル生成装置１によれば、基準モデル４０の出力を補正し、簡易かつリアルタイムに歩行の位相を精度よく推定可能にする補正モデル４５を生成することができる。本実施形態に係る位相推定装置２では、そのような補正モデル４５を基準モデル４０と共に使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。
以上のとおり、本実施形態において、補正モデル４５を生成することは、センサデータ３１を使用して、基準モデル４０の推定結果（推定値３３）と真値（理想値３５）との間の誤差をモデル化することに過ぎない。センサデータ３１に表れる歩行の周期に基づいて、歩行の位相の理想値３５（真値）を算出することは容易である。そのため、ユーザＺ毎に補正モデル４５を容易に作成可能である。また、ユーザＺの状況等の事情に応じて、歩行の位相を精度よく推定可能なように、補正モデル４５を再度生成することも容易である。更に、生成される補正モデル４５は、基準モデル４０の推定値と誤差との間の対応関係を示す（すなわち、推定値から誤差を算出する）ように構成されているに過ぎないため、補正モデル４５の演算は容易である。したがって、本実施形態に係るモデル生成装置１によれば、基準モデル４０の出力を補正し、簡易かつリアルタイムに歩行の位相を精度よく推定可能にする補正モデル４５を生成することができる。本実施形態に係る位相推定装置２では、そのような補正モデル４５を基準モデル４０と共に使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。
【0041】
（センサ）
なお、センサＳは、人物（ユーザＺ）の歩行動作を捕捉可能であれば、その種類は、特に限定されなくてよく、実施の形態に応じて適宜選択されてよい。センサＳは、例えば、足底センサ、撮像装置、モーションキャプチャ、筋電センサ、加速度センサ、ジャイロセンサ、圧力分布センサ、これらの組み合わせ等であってよい。センサＳは、複数種類のセンサにより構成されてもよい。足底は、地面に接する足の面である。足底センサは、歩行時に人物の足の面から作用する力を測定するように構成される。足底センサは、例えば、荷重センサ、フォースセンシングレジスタ、ロードセル、静電容量式の力センサ等により構成されてよい。
なお、センサＳは、人物（ユーザＺ）の歩行動作を捕捉可能であれば、その種類は、特に限定されなくてよく、実施の形態に応じて適宜選択されてよい。センサＳは、例えば、足底センサ、撮像装置、モーションキャプチャ、筋電センサ、加速度センサ、ジャイロセンサ、圧力分布センサ、これらの組み合わせ等であってよい。センサＳは、複数種類のセンサにより構成されてもよい。足底は、地面に接する足の面である。足底センサは、歩行時に人物の足の面から作用する力を測定するように構成される。足底センサは、例えば、荷重センサ、フォースセンシングレジスタ、ロードセル、静電容量式の力センサ等により構成されてよい。
【0042】
生成段階で使用されるセンサデータ３１は、ユーザＺによる１度以上の歩行動作をセンサＳにより計測することで得られてよい。典型的な例では、任意のサンプリング間隔でユーザＺの歩行を計測することにより、センサデータ３１は、１周期の歩行に対して複数のセンサ値を含むように構成されてよい。センサデータ３１に含まれるセンサ値の数は、計測時間、サンプリング間隔等に応じて適宜決定されてよい。一方、推定段階では、センサ値５１は、歩行の位相を推定するタイミングにおいて、ユーザＺの歩行動作をセンサＳにより計測することで得られてよい。センサ値５１を得たことに応じて推定処理を実行することで、リアルタイムにユーザＺの歩行の位相が推定されてよい。
【0043】
センサデータ３１を取得するタイミングは、特に限定されなくてよく、実施の形態に応じて適宜決定されてよい。例えば、センサデータ３１は、推定段階の処理とは別個に、ユーザＺの歩行動作をセンサＳにより計測することで獲得されてよい。また、推定段階において、歩行の位相を推定する処理の実行と共に、センサデータ３１が獲得されてよい。この場合、センサデータ３１の少なくとも一部は、推定処理を繰り返す間に得られた複数のセンサ値５１により構成されてよい。
【0044】
（基準モデル）
基準モデル４０は、センサＳのセンサ値から歩行の位相の推定値を算出する演算処理を実行するように構成される。基準モデル４０は、そのような演算処理を実行可能な演算モデルであれば、その構成は、特に限定されなくてよく、実施の形態に応じて適宜決定されてよい。基準モデル４０は、例えば、データテーブル、関数式、ルール等により、センサ値の入力を受け付け、入力されたセンサ値から位相の推定値を算出するように構成されてよい。典型的な例では、基準モデル４０は、特許文献１、２等で例示される近似モデルであってよい。基準モデル４０には、参考文献（野田智之、寺前達也、高井飛鳥、長谷公隆、森本淳、「普段使いの装具をロボット化：空気圧人工筋で駆動するモジュール関節付き短下肢装具の開発」ＭＢ Ｍｅｄｉｃａｌ Ｒｅｈａｂｉｌｉｔａｔｉｏｎ Ｎｏ．２０５：２２－２７、２０１７、＜３．歩行との位相同期制御およびアシスト実験＞）で提案される手法が採用されてもよい。その他、基準モデル４０には、参考文献（Luka Peternel, Tomoyuki Noda, Tadej Petric, Ales Ude, Jun Morimoto, Jan Babic, ”Adaptive Control of Exoskeleton Robots for Periodic Assistive Behaviours Based on EMG Feedback Minimisation” ［online］、［令和４年３月２８日検索］、インターネット＜URL: https://journals.plos.org/plosone/article/authors?id=10.1371/journal.pone.0148942＞）で提案される手法が採用されてもよい。その他、基準モデル４０は、機械学習により生成された訓練済みの機械学習モデルにより構成されてもよい。機械学習モデルは、例えば、ニューラルネットワーク、サポートベクタマシン、回帰モデル等で構成されてよい。
基準モデル４０は、センサＳのセンサ値から歩行の位相の推定値を算出する演算処理を実行するように構成される。基準モデル４０は、そのような演算処理を実行可能な演算モデルであれば、その構成は、特に限定されなくてよく、実施の形態に応じて適宜決定されてよい。基準モデル４０は、例えば、データテーブル、関数式、ルール等により、センサ値の入力を受け付け、入力されたセンサ値から位相の推定値を算出するように構成されてよい。典型的な例では、基準モデル４０は、特許文献１、２等で例示される近似モデルであってよい。基準モデル４０には、参考文献（野田智之、寺前達也、高井飛鳥、長谷公隆、森本淳、「普段使いの装具をロボット化：空気圧人工筋で駆動するモジュール関節付き短下肢装具の開発」ＭＢ Ｍｅｄｉｃａｌ Ｒｅｈａｂｉｌｉｔａｔｉｏｎ Ｎｏ．２０５：２２－２７、２０１７、＜３．歩行との位相同期制御およびアシスト実験＞）で提案される手法が採用されてもよい。その他、基準モデル４０には、参考文献（Luka Peternel, Tomoyuki Noda, Tadej Petric, Ales Ude, Jun Morimoto, Jan Babic, ”Adaptive Control of Exoskeleton Robots for Periodic Assistive Behaviours Based on EMG Feedback Minimisation” ［online］、［令和４年３月２８日検索］、インターネット＜URL: https://journals.plos.org/plosone/article/authors?id=10.1371/journal.pone.0148942＞）で提案される手法が採用されてもよい。その他、基準モデル４０は、機械学習により生成された訓練済みの機械学習モデルにより構成されてもよい。機械学習モデルは、例えば、ニューラルネットワーク、サポートベクタマシン、回帰モデル等で構成されてよい。
【0045】
（理想値）
歩行の位相の理想値３５（真値）は、センサデータ３１に含まれる各センサ値に対応して、センサデータ３１に表れる歩行の周期を事後的に分析することで算出されてよい。一例では、理想値３５は、センサデータ３１に表れるヒールストライクから次のヒールストライクまでの時間に対して位相を均等に分割することにより算出されてよい。他の一例では、理想値３５は、基準モデル４０により得られる推定値が０から２πまでの時間（１周期分の歩行）に対して位相を均等に分割することにより算出されてよい。いずれの方法でも、理想値３５は容易に算出可能である。
歩行の位相の理想値３５（真値）は、センサデータ３１に含まれる各センサ値に対応して、センサデータ３１に表れる歩行の周期を事後的に分析することで算出されてよい。一例では、理想値３５は、センサデータ３１に表れるヒールストライクから次のヒールストライクまでの時間に対して位相を均等に分割することにより算出されてよい。他の一例では、理想値３５は、基準モデル４０により得られる推定値が０から２πまでの時間（１周期分の歩行）に対して位相を均等に分割することにより算出されてよい。いずれの方法でも、理想値３５は容易に算出可能である。
【0046】
（補正モデル）
補正モデル４５は、各サンプリングタイムにおける位相の推定値３３及び理想値３５を対応付け、推定値３３及び理想値３５の間の誤差をモデル化することにより生成されてよい。これにより、補正モデル４５は、歩行の位相の推定値に対する誤差を当該推定値から算出する演算処理を実行するように構成されてよい。補正モデル４５は、そのような演算処理を実行可能な演算モデルであれば、その構成は、特に限定されなくてよく、実施の形態に応じて適宜決定されてよい。補正モデル４５は、例えば、データテーブル、関数式、ルール等を用いて、位相の推定値の入力を受け付け、入力された推定値に対する誤差を算出するように構成されてよい（後述する図８にその一例を示す）。補正モデル４５は、機械学習モデルにより構成されてもよい。補正モデル４５を生成する方法には、誤差を単純にモデル化する方法、フィッティング、機械学習等の任意の方法が用いられてよい。
補正モデル４５は、各サンプリングタイムにおける位相の推定値３３及び理想値３５を対応付け、推定値３３及び理想値３５の間の誤差をモデル化することにより生成されてよい。これにより、補正モデル４５は、歩行の位相の推定値に対する誤差を当該推定値から算出する演算処理を実行するように構成されてよい。補正モデル４５は、そのような演算処理を実行可能な演算モデルであれば、その構成は、特に限定されなくてよく、実施の形態に応じて適宜決定されてよい。補正モデル４５は、例えば、データテーブル、関数式、ルール等を用いて、位相の推定値の入力を受け付け、入力された推定値に対する誤差を算出するように構成されてよい（後述する図８にその一例を示す）。補正モデル４５は、機械学習モデルにより構成されてもよい。補正モデル４５を生成する方法には、誤差を単純にモデル化する方法、フィッティング、機械学習等の任意の方法が用いられてよい。
【0047】
（出力処理）
補正された位相の推定値５７に関する情報の出力処理の形態及び内容は、実施の形態に応じて適宜決定されてよい。例えば、補正された位相の推定値５７に関する情報を出力することは、補正された位相の推定値５７をそのまま出力する（例えば、音声出力、画像表示等）ことを含んでよい。また、補正された位相の推定値５７に関する情報を出力することは、得られた推定値５７に基づいて情報処理を実行すること、及び位相の推定値５７に関する情報として当該情報処理の実行結果を出力することを含んでよい。情報処理の実行結果を出力することは、位相の推定値５７に応じて制御対象装置の動作を制御することを含んでよい。制御対象装置は、例えば、歩行アシスト装置、電気刺激装置、賦活計測装置等の介入装置であってよい。一例では、位相推定装置２は、歩行アシスト装置の制御装置として動作し、設定されたアシストパターンに従い、補正された位相の推定値５７に応じて歩行アシスト装置による歩行のアシスト動作を制御するように構成されてよい。
補正された位相の推定値５７に関する情報の出力処理の形態及び内容は、実施の形態に応じて適宜決定されてよい。例えば、補正された位相の推定値５７に関する情報を出力することは、補正された位相の推定値５７をそのまま出力する（例えば、音声出力、画像表示等）ことを含んでよい。また、補正された位相の推定値５７に関する情報を出力することは、得られた推定値５７に基づいて情報処理を実行すること、及び位相の推定値５７に関する情報として当該情報処理の実行結果を出力することを含んでよい。情報処理の実行結果を出力することは、位相の推定値５７に応じて制御対象装置の動作を制御することを含んでよい。制御対象装置は、例えば、歩行アシスト装置、電気刺激装置、賦活計測装置等の介入装置であってよい。一例では、位相推定装置２は、歩行アシスト装置の制御装置として動作し、設定されたアシストパターンに従い、補正された位相の推定値５７に応じて歩行アシスト装置による歩行のアシスト動作を制御するように構成されてよい。
【0048】
（生成段階／推定段階）
モデル生成装置１による生成処理、及び位相推定装置２による歩行の位相の推定処理はそれぞれ任意のタイミングで実行されてよい。典型的な例では、前処理として、モデル生成装置１は、補正モデル４５を生成してよい。その後、位相推定装置２は、生成された補正モデル４５を使用して、補正された位相の推定値５７を算出してよい。この場合、センサデータ３１は、推定段階の処理とは別個に獲得されてよい。
モデル生成装置１による生成処理、及び位相推定装置２による歩行の位相の推定処理はそれぞれ任意のタイミングで実行されてよい。典型的な例では、前処理として、モデル生成装置１は、補正モデル４５を生成してよい。その後、位相推定装置２は、生成された補正モデル４５を使用して、補正された位相の推定値５７を算出してよい。この場合、センサデータ３１は、推定段階の処理とは別個に獲得されてよい。
【0049】
本実施形態では、モデル生成装置１は、センサデータ３１を取得するステップ、位相の推定値３３を算出するステップ、位相の理想値３５を算出するステップ、及び補正モデル４５を生成するステップを含む生成サイクルを繰り返し実行してよい。位相推定装置２は、センサ値５１を取得するステップ、位相の推定値５３を算出するステップ、誤差５５を推定するステップ、位相の推定値５３を補正する（補正された推定値５７を得る）ステップ、及び補正された位相の推定値５３に関する情報を出力するステップを含む推定サイクルを繰り返し実行してよい。
【0050】
位相推定装置２が歩行の位相を推定する処理を繰り返し実行した後、モデル生成装置１は、補正モデル４５を生成してよい。この場合、位相推定装置２により歩行の位相を推定している間に、センサデータ３１の少なくとも一部が収集されてよい。すなわち、センサデータ３１の少なくとも一部は、推定処理を繰り返す間に得られた複数のセンサ値５１により構成されてよい。なお、補正モデル４５が既に生成されている場合、位相推定装置２は、基準モデル４０及び補正モデル４５を使用して、歩行の位相を推定してよく、モデル生成装置１は、新たな補正モデル４５を生成してよい。補正モデル４５が生成されていない場合、位相推定装置２は、基準モデル４０のみを使用して、歩行の位相を推定してよい。すなわち、位相推定装置２は、センサ値５１を取得してから推定値５３を算出するまでの処理を実行してよい。
【0051】
その他、モデル生成装置１は、推定段階の処理とは無関係に、生成サイクルを繰り返し実行してよい。また、モデル生成装置１による生成処理、及び位相推定装置２による推定処理は交互に繰り返し実行されてもよい。これにより、位相推定装置２による推定処理の精度が担保されるように、モデル生成装置１による補正モデル４５の生成が繰り返されてよい。
【0052】
（センサデータを獲得する際のユーザ状態）
センサデータ３１を獲得する際のユーザＺの状態は、実施の形態に応じて適宜決定されてよい。一例として、推定処理により得られる位相の推定値５７が歩行アシスト装置のアシスト量を決定するために使用される場面を想定する。この場面では、センサデータ３１は、ユーザＺが歩行のアシストを受けた状態で歩行を計測することにより生成されたものであってよい。これにより、ユーザＺが歩行アシスト装置によるアシストを受ける場面で精度よく歩行の位相を推定可能にするための補正モデル４５を生成することができる。
センサデータ３１を獲得する際のユーザＺの状態は、実施の形態に応じて適宜決定されてよい。一例として、推定処理により得られる位相の推定値５７が歩行アシスト装置のアシスト量を決定するために使用される場面を想定する。この場面では、センサデータ３１は、ユーザＺが歩行のアシストを受けた状態で歩行を計測することにより生成されたものであってよい。これにより、ユーザＺが歩行アシスト装置によるアシストを受ける場面で精度よく歩行の位相を推定可能にするための補正モデル４５を生成することができる。
【0053】
この歩行アシストを行う場面において、モデル生成装置１は、任意のタイミングで補正モデル４５を生成してよい。一例では、モデル生成装置１は、歩行アシスト装置によるアシストを開始する際の前処理として、補正モデル４５を生成してよい。また、モデル生成装置１は、ユーザＺに与えるアシストパターンに応じて、補正モデル４５を生成してよい。例えば、理学療法士によりアシストパターンが変更されてよい。モデル生成装置１は、変更後のアシストパターンでユーザＺに対する歩行のアシストを開始する際の前処理として、補正モデル４５を生成してよい。
【0054】
また、歩行アシストを行う場面において、センサデータ３１を獲得する際における歩行のアシスト量は、実施の形態に応じて適宜決定されてよい。一例では、センサデータ３１を獲得する際における歩行のアシスト量は、設定されたアシストパターンに従って、歩行の位相の推定値に応じて決定されてよい。歩行の位相の推定値は、位相推定装置２による推定処理の実行結果として得られてよい。補正モデル４５が既に生成されている場合、位相推定装置２は、基準モデル４０及び補正モデル４５を使用して、歩行の位相の推定値５７を算出してよい。アシスト量は、得られた推定値５７に応じて決定されてよい。一方、補正モデル４５が生成されていない場合、位相推定装置２は、基準モデル４０のみを使用して、歩行の位相の推定値５３を算出してよい。アシスト量は、得られた推定値５３に応じて決定されてよい。
【0055】
ただし、センサデータ３１を獲得する際のユーザＺの状態は、このような例に限定されなくてよい。他の一例では、センサデータ３１は、アシスト無しの状態でユーザＺの歩行を計測することで生成されたものであってもよい。更に他の一例では、センサデータ３１は、その他の介入（例えば、電気刺激）を受けた状態のユーザＺの歩行をセンサＳにより計測することで生成されたものであってよい。
【0056】
（生成サイクルを繰り返す場合）
一例では、モデル生成装置１は、生成サイクルを繰り返し実行する場合、２回目以降の生成サイクルにおいて、前回の生成サイクルで生成された補正モデル４５を使用して、基準モデル４０を補正してよい。これにより、モデル生成装置１は、補正済みの基準モデル４０を生成してよい（すなわち、基準モデル４０を更新してもよい）。この場合、２回目以降の生成サイクルにおける位相の推定値３３を算出するステップでは、モデル生成装置１は、生成された補正済みの基準モデル４０を使用して、今回の生成サイクルで取得されたセンサデータ３１において、歩行の位相の推定値３３を算出してよい。そして、モデル生成装置１は、位相の理想値３５を算出するステップ及び補正モデル４５を生成するステップを実行し、補正済みの基準モデル４０に対して新たな補正モデル４５を生成してよい。これにより、簡易かつリアルタイムに歩行の位相を精度よく推定可能なモデル（基準モデル４０、補正モデル４５）を得ることができる。
一例では、モデル生成装置１は、生成サイクルを繰り返し実行する場合、２回目以降の生成サイクルにおいて、前回の生成サイクルで生成された補正モデル４５を使用して、基準モデル４０を補正してよい。これにより、モデル生成装置１は、補正済みの基準モデル４０を生成してよい（すなわち、基準モデル４０を更新してもよい）。この場合、２回目以降の生成サイクルにおける位相の推定値３３を算出するステップでは、モデル生成装置１は、生成された補正済みの基準モデル４０を使用して、今回の生成サイクルで取得されたセンサデータ３１において、歩行の位相の推定値３３を算出してよい。そして、モデル生成装置１は、位相の理想値３５を算出するステップ及び補正モデル４５を生成するステップを実行し、補正済みの基準モデル４０に対して新たな補正モデル４５を生成してよい。これにより、簡易かつリアルタイムに歩行の位相を精度よく推定可能なモデル（基準モデル４０、補正モデル４５）を得ることができる。
【0057】
ただし、生成サイクルを繰り返す形態は、このような例に限定されなくてよい。他の一例では、モデル生成装置１は、生成サイクルを繰り返し実行する場合、基準モデル４０をそのまま使用して、補正モデル４５を再度生成してよい。すなわち、モデル生成装置１は、基準モデル４０を更新することなく、生成サイクルの処理を繰り返し、補正モデル４５を更新してよい。この形態は、上記歩行アシストを行う場面でも採用されてよい。この場合、センサデータ３１を獲得する際には、基準モデル４０及び前回の生成サイクルで生成された補正モデル４５を使用して、歩行の位相の推定値５７が算出されてよく、算出された推定値５７に応じてアシスト量が決定されてよい。センサデータ３１は、これにより決定されたアシスト量の歩行アシストを受けている状態で獲得されてよい。一方、今回の生成サイクルでは、モデル生成装置１は、基準モデル４０のみを使用して、センサデータ３１における歩行の位相の推定値３３を算出し、基準モデル４０に対する新たな補正モデル４５を生成してよい。
【0058】
（時間経過への対応）
センサデータ３１は、ユーザＺの歩行をセンサＳにより計測する度に獲得され、任意の記憶領域に保存されてよい。モデル生成装置１は、生成サイクルを実行する時点までに獲得されているセンサデータ３１の少なくとも一部を使用して、補正モデル４５を生成してよい。一例では、モデル生成装置１は、全てのセンサデータ３１を使用して、補正モデル４５を生成してよい。
センサデータ３１は、ユーザＺの歩行をセンサＳにより計測する度に獲得され、任意の記憶領域に保存されてよい。モデル生成装置１は、生成サイクルを実行する時点までに獲得されているセンサデータ３１の少なくとも一部を使用して、補正モデル４５を生成してよい。一例では、モデル生成装置１は、全てのセンサデータ３１を使用して、補正モデル４５を生成してよい。
【0059】
ただし、ユーザＺの歩行動作は、時間経過により変化する可能性がある。ユーザＺの歩行動作が変化した場合、変化前に獲得されたセンサデータ３１により生成される補正モデル４５は、ユーザＺの歩行動作に適合しない可能性がある。すなわち、補正モデル４５を使用しても、ユーザＺの歩行の位相を推定する精度の向上が期待できない可能性がある。そのため、補正モデル４５を生成して、ユーザＺの歩行の位相を推定する時点に近い時点で獲得されたセンサデータ３１ほど、補正モデル４５の生成に反映されるのが好ましい。
【0060】
一例では、モデル生成装置１は、所定時間経過したセンサデータ３１を除外し、生成サイクルを実行する時点から所定時間内のセンサデータ３１を使用して、補正モデル４５を生成してよい。他の一例では、モデル生成装置１は、経過時間が短いほど優先され、経過時間が長いほど劣後されるように、センサデータ３１に対して経過時間に応じた重みを付けてよい。モデル生成装置１は、重み付けされたセンサデータ３１を使用して、補正モデル４５を生成してよい。
【0061】
（装置構成）
一例では、図１に示されるとおり、モデル生成装置１及び位相推定装置２は、ネットワークを介して互いに接続されてよい。ネットワークの種類は、例えば、インターネット、無線通信網、移動通信網、電話網、専用網等から適宜選択されてよい。ただし、モデル生成装置１及び位相推定装置２の間でデータをやりとりする方法は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。他の一例では、モデル生成装置１及び位相推定装置２の間では、記憶媒体を利用して、データがやりとりされてよい。
一例では、図１に示されるとおり、モデル生成装置１及び位相推定装置２は、ネットワークを介して互いに接続されてよい。ネットワークの種類は、例えば、インターネット、無線通信網、移動通信網、電話網、専用網等から適宜選択されてよい。ただし、モデル生成装置１及び位相推定装置２の間でデータをやりとりする方法は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。他の一例では、モデル生成装置１及び位相推定装置２の間では、記憶媒体を利用して、データがやりとりされてよい。
【0062】
また、図１の例では、モデル生成装置１及び位相推定装置２は、それぞれ別個のコンピュータである。しかしながら、本実施形態に係るシステムの構成は、このような例に限定されなくてもよく、実施の形態に応じて適宜決定されてよい。他の一例では、モデル生成装置１及び位相推定装置２は、一体のコンピュータにより構成されてよい。この場合、コンピュータは、モデル生成装置１として動作することで、補正モデル４５を生成してよい。生成された補正モデル４５は、位相推定装置２としての動作で直ちに使用されてよい。コンピュータは、位相推定装置２として動作することで、基準モデル４０及び補正モデル４５を使用して、ユーザＺの歩行の位相を推定してよい。コンピュータは、オペレータの指示等に応じて、モデル生成装置１及び位相推定装置２それぞれの動作を切り替えて実行してよい。
【0063】
§２ 構成例
［ハードウェア構成］
＜モデル生成装置＞
図３は、本実施形態に係るモデル生成装置１のハードウェア構成の一例を模式的に示す。図３の一例では、本実施形態に係るモデル生成装置１は、制御部１１、記憶部１２、通信インタフェース１３、外部インタフェース１４、入力装置１５、出力装置１６、及びドライブ１７が電気的に接続されたコンピュータである。
［ハードウェア構成］
＜モデル生成装置＞
図３は、本実施形態に係るモデル生成装置１のハードウェア構成の一例を模式的に示す。図３の一例では、本実施形態に係るモデル生成装置１は、制御部１１、記憶部１２、通信インタフェース１３、外部インタフェース１４、入力装置１５、出力装置１６、及びドライブ１７が電気的に接続されたコンピュータである。
【0064】
制御部１１は、ハードウェアプロセッサであるＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、プログラム及び各種データに基づいて情報処理を実行するように構成される。制御部１１（ＣＰＵ）は、プロセッサ・リソースの一例である。
【0065】
記憶部１２は、例えば、ハードディスクドライブ、ソリッドステートドライブ等で構成される。記憶部１２は、メモリ・リソースの一例である。本実施形態では、記憶部１２は、モデル生成プログラム８１、基準モデルデータ１２１、補正モデルデータ１２５等の各種情報を記憶する。
【0066】
モデル生成プログラム８１は、補正モデル４５の生成に関する情報処理（後述の図７）をモデル生成装置１に実行させるためのプログラムである。モデル生成プログラム８１は、当該情報処理の一連の命令を含む。基準モデルデータ１２１は、基準モデル４０に関する情報を示すように構成される。補正モデルデータ１２５は、生成された補正モデル４５に関する情報を示すように構成される。本実施形態では、補正モデルデータ１２５は、モデル生成プログラム８１を実行した結果として生成される。
【0067】
通信インタフェース１３は、ネットワークを介した有線又は無線通信を行うためのインタフェースである。通信インタフェース１３は、例えば、有線ＬＡＮ（Local Area Network）モジュール、無線ＬＡＮモジュール等であってよい。モデル生成装置１は、通信インタフェース１３を介して、他のコンピュータとの間でデータ通信を実行してよい。
【0068】
外部インタフェース１４は、外部装置と接続するためのインタフェースである。外部インタフェース１４は、例えば、ＵＳＢ（Universal Serial Bus）ポート、専用ポート等であってよい。外部インタフェース１４の種類及び数は、任意に選択されてよい。
【0069】
モデル生成装置１は、通信インタフェース１３又は外部インタフェース１４を介して、センサデータ３１を得るためのセンサＳに接続されてよい。センサデータ３１を獲得する際にユーザＺに対して歩行アシスト等の介入を行う場合、モデル生成装置１は、通信インタフェース１３又は外部インタフェース１４を介して、歩行アシスト装置等の介入装置（制御対象装置）に接続されてよい。
【0070】
入力装置１５は、オペレータ（例えば、理学療法士等）から情報の入力を受け付けるための装置である。入力装置１５は、例えば、マウス、キーボード等であってよい。出力装置１６は、オペレータに対して情報を出力するための装置である。出力装置１６は、例えば、ディスプレイ、スピーカ等であってよい。オペレータは、入力装置１５及び出力装置１６を利用することで、モデル生成装置１を操作することができる。入力装置１５及び出力装置１６は、例えば、タッチパネルディスプレイ等により一体的に構成されてもよい。
【0071】
ドライブ１７は、記憶媒体９１に記憶されたプログラム等の各種情報を読み込むための装置である。ドライブ１７は、例えば、ＣＤドライブ、ＤＶＤドライブ等であってよい。記憶媒体９１は、コンピュータその他装置、機械等が、記憶されたプログラム等の各種情報を読み取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。上記モデル生成プログラム８１及び基準モデルデータ１２１の少なくともいずれかは、記憶媒体９１に記憶されていてよい。モデル生成装置１は、モデル生成プログラム８１及び基準モデルデータ１２１の少なくともいずれかを記憶媒体９１から取得してよい。なお、図３では、記憶媒体９１の一例として、ＣＤ、ＤＶＤ等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体９１の種類は、ディスク型に限られなくてもよく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。ドライブ１７の種類は、記憶媒体９１の種類に応じて任意に選択されてよい。
【0072】
なお、モデル生成装置１の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。例えば、制御部１１は、複数のハードウェアプロセッサを含んでもよい。ハードウェアプロセッサの種類は、特に限定されなくてよく、実施の形態に応じて適宜選択されてよい。記憶部１２は、制御部１１に含まれるＲＡＭ及びＲＯＭにより構成されてもよい。通信インタフェース１３、外部インタフェース１４、入力装置１５、出力装置１６及びドライブ１７の少なくともいずれかは省略されてもよい。モデル生成装置１は、複数台のコンピュータで構成されてもよい。この場合、各コンピュータのハードウェア構成は、一致していてもよいし、一致していなくてもよい。また、モデル生成装置１は、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置、汎用のＰＣ（Personal Computer）、タブレットＰＣ、携帯端末等であってもよい。
【0073】
＜位相推定装置＞
図４は、本実施形態に係る位相推定装置２のハードウェア構成の一例を模式的に示す。図４の一例では、本実施形態に係る位相推定装置２は、制御部２１、記憶部２２、通信インタフェース２３、外部インタフェース２４、入力装置２５、出力装置２６、及びドライブ２７が電気的に接続されたコンピュータである。
図４は、本実施形態に係る位相推定装置２のハードウェア構成の一例を模式的に示す。図４の一例では、本実施形態に係る位相推定装置２は、制御部２１、記憶部２２、通信インタフェース２３、外部インタフェース２４、入力装置２５、出力装置２６、及びドライブ２７が電気的に接続されたコンピュータである。
【0074】
位相推定装置２の制御部２１～ドライブ２７及び記憶媒体９２はそれぞれ、上記モデル生成装置１の制御部１１～ドライブ１７及び記憶媒体９１それぞれと同様に構成されてよい。制御部２１は、ハードウェアプロセッサであるＣＰＵ、ＲＡＭ、ＲＯＭ等を含み、プログラム及びデータに基づいて各種情報処理を実行するように構成される。制御部２１（ＣＰＵ）は、位相推定装置２のプロセッサ・リソースの一例である。記憶部２２は、例えば、ハードディスクドライブ、ソリッドステートドライブ等で構成される。記憶部２２は、位相推定装置２のメモリ・リソースの一例である。本実施形態では、記憶部２２は、位相推定プログラム８２、基準モデルデータ１２１、補正モデルデータ１２５等の各種情報を記憶する。
【0075】
位相推定プログラム８２は、歩行位相の推定に関する情報処理（後述の図９）を位相推定装置２に実行させるためのプログラムである。位相推定プログラム８２は、当該情報処理の一連の命令を含む。位相推定プログラム８２、基準モデルデータ１２１、及び補正モデルデータ１２５の少なくともいずれかは、記憶媒体９２に記憶されていてもよい。位相推定装置２は、位相推定プログラム８２、基準モデルデータ１２１、及び補正モデルデータ１２５の少なくともいずれかを記憶媒体９２から取得してよい。
【0076】
位相推定装置２は、通信インタフェース２３を介して、他のコンピュータとの間でデータ通信を実行してよい。位相推定装置２は、通信インタフェース２３又は外部インタフェース２４を介して、推定段階において、センサ値５１を得るためのセンサＳに接続されてよい。出力処理として、得られた位相の推定値５７に基づいて、歩行アシスト等の介入を行う場合、位相推定装置２は、通信インタフェース２３又は外部インタフェース２４を介して、歩行アシスト装置等の介入装置（制御対象装置）に接続されてよい。オペレータは、入力装置２５及び出力装置２６を利用することで、位相推定装置２を操作することができる。入力装置２５及び出力装置２６は、例えば、タッチパネルディスプレイ等により一体的に構成されてもよい。
【0077】
なお、位相推定装置２の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。例えば、制御部２１は、複数のハードウェアプロセッサを含んでもよい。ハードウェアプロセッサの種類は、特に限定されなくてよく、実施の形態に応じて適宜選択されてよい。記憶部２２は、制御部２１に含まれるＲＡＭ及びＲＯＭにより構成されてもよい。通信インタフェース２３、外部インタフェース２４、入力装置２５、出力装置２６、及びドライブ２７の少なくともいずれかは省略されてもよい。位相推定装置２は、複数台のコンピュータで構成されてもよい。この場合、各コンピュータのハードウェア構成は、一致していてもよいし、一致していなくてもよい。また、位相推定装置２は、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置、汎用のＰＣ、タブレットＰＣ、携帯端末等であってよい。
【0078】
［ソフトウェア構成］
＜モデル生成装置＞
図５は、本実施形態に係るモデル生成装置１のソフトウェア構成の一例を模式的に示す。モデル生成装置１の制御部１１は、記憶部１２に記憶されたモデル生成プログラム８１をＲＡＭに展開する。そして、制御部１１は、ＲＡＭに展開されたモデル生成プログラム８１に含まれる命令をＣＰＵにより実行する。これにより、本実施形態に係るモデル生成装置１は、データ取得部１１１、位相推定部１１２、算出部１１３、生成部１１４、及び評価部１１５をソフトウェアモジュールとして備えるコンピュータとして動作する。すなわち、本実施形態では、モデル生成装置１の各ソフトウェアモジュールは、制御部１１（ＣＰＵ）により実現される。
＜モデル生成装置＞
図５は、本実施形態に係るモデル生成装置１のソフトウェア構成の一例を模式的に示す。モデル生成装置１の制御部１１は、記憶部１２に記憶されたモデル生成プログラム８１をＲＡＭに展開する。そして、制御部１１は、ＲＡＭに展開されたモデル生成プログラム８１に含まれる命令をＣＰＵにより実行する。これにより、本実施形態に係るモデル生成装置１は、データ取得部１１１、位相推定部１１２、算出部１１３、生成部１１４、及び評価部１１５をソフトウェアモジュールとして備えるコンピュータとして動作する。すなわち、本実施形態では、モデル生成装置１の各ソフトウェアモジュールは、制御部１１（ＣＰＵ）により実現される。
【0079】
データ取得部１１１は、ユーザＺの１周期以上の歩行をセンサＳにより計測することで生成されたセンサデータ３１を取得するように構成される。位相推定部１１２は、基準モデル４０を使用して、取得されたセンサデータ３１において、歩行の位相の推定値３３を算出するように構成される。算出部１１３は、センサデータ３１に表れる歩行の周期に基づいて、算出される推定値３３に対する歩行の位相の理想値３５を算出するように構成される。生成部１１４は、歩行の位相の推定値３３及び理想値３５の間の誤差をモデル化することにより、補正モデル４５を生成するように構成される。
【0080】
本実施形態では、センサデータ３１は、複数周期の歩行を計測することで生成されたものであってよい。評価部１１５は、位相推定部１１２により位相の推定値３３の算出が実行された後に、算出される位相の推定値３３のばらつきを算出し、かつ推定値３３のばらつきの大きさが閾値を超えている場合に、アラートを通知するように構成される。なお、本実施形態では、モデル生成装置１は、データ取得部１１１、位相推定部１１２、算出部１１３、及び生成部１１４の処理を含む生成サイクルを繰り返し実行するように構成されてよい。生成サイクルが繰り返し実行される際、評価部１１５の処理も、各生成サイクルにおいて実行されてよい。
【0081】
＜位相推定装置＞
図６は、本実施形態に係る位相推定装置２のソフトウェア構成の一例を模式的に示す。位相推定装置２の制御部２１は、記憶部２２に記憶された位相推定プログラム８２をＲＡＭに展開する。そして、制御部２１は、ＲＡＭに展開された位相推定プログラム８２に含まれる命令をＣＰＵにより実行する。これにより、本実施形態に係る位相推定装置２は、取得部２１１、位相推定部２１２、誤差推定部２１３、補正部２１４、出力部２１５及び監視部２１６をソフトウェアモジュールとして備えるコンピュータとして動作する。すなわち、本実施形態では、位相推定装置２の各ソフトウェアモジュールも、制御部２１（ＣＰＵ）により実現される。
図６は、本実施形態に係る位相推定装置２のソフトウェア構成の一例を模式的に示す。位相推定装置２の制御部２１は、記憶部２２に記憶された位相推定プログラム８２をＲＡＭに展開する。そして、制御部２１は、ＲＡＭに展開された位相推定プログラム８２に含まれる命令をＣＰＵにより実行する。これにより、本実施形態に係る位相推定装置２は、取得部２１１、位相推定部２１２、誤差推定部２１３、補正部２１４、出力部２１５及び監視部２１６をソフトウェアモジュールとして備えるコンピュータとして動作する。すなわち、本実施形態では、位相推定装置２の各ソフトウェアモジュールも、制御部２１（ＣＰＵ）により実現される。
【0082】
取得部２１１は、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得するように構成される。位相推定部２１２は、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出するように構成される。誤差推定部２１３は、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定するように構成される。補正部２１４は、推定された誤差５５により、算出された位相の推定値５３を補正するように構成される。補正部２１４の処理により、補正された位相の推定値５７が得られる。出力部２１５は、補正された位相の推定値５７に関する情報を出力するように構成される。
【0083】
本実施形態では、位相推定装置２は、取得部２１１、位相推定部２１２、誤差推定部２１３、補正部２１４及び出力部２１５の処理を含む推定サイクルを繰り返し実行するように構成されてよい。監視部２１６は、ユーザＺの１周期以上の歩行に対して推定サイクルを繰り返し実行したことに応じて、歩行の周期に基づいて、補正された推定値５７に対する歩行の位相の理想値を算出し、補正された推定値５７及び理想値の間の誤差を算出し、かつ算出された誤差に関する情報を出力するように構成される。
【0084】
＜その他＞
モデル生成装置１及び位相推定装置２の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、モデル生成装置１及び位相推定装置２の各ソフトウェアモジュールがいずれも汎用のＣＰＵによって実現される例について説明している。しかしながら、上記ソフトウェアモジュールの一部又は全部が、１又は複数の専用のプロセッサにより実現されてもよい。上記各モジュールは、ハードウェアモジュールとして実現されてもよい。また、モデル生成装置１及び位相推定装置２それぞれのソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
モデル生成装置１及び位相推定装置２の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、モデル生成装置１及び位相推定装置２の各ソフトウェアモジュールがいずれも汎用のＣＰＵによって実現される例について説明している。しかしながら、上記ソフトウェアモジュールの一部又は全部が、１又は複数の専用のプロセッサにより実現されてもよい。上記各モジュールは、ハードウェアモジュールとして実現されてもよい。また、モデル生成装置１及び位相推定装置２それぞれのソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
【0085】
§３ 動作例
［モデル生成装置］
図７は、本実施形態に係るモデル生成装置１の処理手順の一例を示すフローチャートである。以下で説明するモデル生成装置１の処理手順は、モデル生成方法（情報処理方法）の一例である。ただし、以下で説明するモデル生成装置１の処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。また、以下の処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が行われてよい。
［モデル生成装置］
図７は、本実施形態に係るモデル生成装置１の処理手順の一例を示すフローチャートである。以下で説明するモデル生成装置１の処理手順は、モデル生成方法（情報処理方法）の一例である。ただし、以下で説明するモデル生成装置１の処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。また、以下の処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が行われてよい。
【0086】
（ステップＳ１０１）
ステップＳ１０１では、制御部１１は、データ取得部１１１として動作し、ユーザＺの１周期以上の歩行をセンサＳにより計測することで生成されたセンサデータ３１を取得する。
ステップＳ１０１では、制御部１１は、データ取得部１１１として動作し、ユーザＺの１周期以上の歩行をセンサＳにより計測することで生成されたセンサデータ３１を取得する。
【0087】
ユーザＺには、歩行動作を適宜実施させてよい（例えば、理学療法士の指示による）。センサＳは、ユーザＺの１周期の歩行に対して複数回の計測を実行してよい。これに応じて、センサデータ３１は、複数のセンサ値を含むように構成されてよい。本実施形態では、センサデータ３１は、複数周期の歩行をセンサＳで計測することで生成されたものであってよい。センサデータ３１の量（センサ値の数）及びサンプリング間隔は、実施の形態に応じて適宜決定されてよい。
【0088】
センサデータ３１は、ユーザＺの歩行を観察する任意のタイミングで獲得されてよい。例えば、センサデータ３１は、補正モデル４５を生成するためにユーザＺの歩行をセンサＳにより計測することで獲得されてよい。また、例えば、センサデータ３１は、位相推定装置２による推定処理が実行されている間に獲得されてもよい。この場合、センサデータ３１の少なくとも一部は、推定処理を繰り返し実行する間に取得されたセンサ値５１により構成されてよい。
【0089】
獲得されたセンサデータ３１は、任意の記憶領域に保存されてよい。任意の記憶領域は、例えば、制御部（１１、２１）のＲＡＭ、記憶部（１２、２２）、記憶媒体（９１、９２）、外部記憶装置、他のコンピュータ等であってよい。制御部１１は、センサデータ３１の少なくとも一部を任意の記憶領域から取得してよい。また、制御部１１は、センサデータ３１の少なくともセンサＳから直接的に取得してよい。
【0090】
センサデータ３１を獲得する際のユーザＺの状態は、実施の形態に応じて適宜決定されてよい。一例では、センサデータ３１は、ユーザＺが歩行のアシストを受けた状態で歩行を計測することにより生成されたものであってよい。他の一例では、センサデータ３１は、ユーザＺがその他の介入を受けた状態で歩行を計測することにより生成されたものであってよい。更に他の一例では、センサデータ３１は、ユーザＺが介入を受けていない（例えば、歩行アシストがない）状態で歩行を計測することにより生成されたものであってよい。
【0091】
また、センサデータ３１の取得には、経過時間が反映されてよい。一例では、制御部１１は、ステップＳ１０１の処理を実行する時刻（現在時刻）から所定期間内のセンサデータ３１を取得してよい。他の一例では、制御部１１は、経過時間に応じた重みをセンサデータ３１に付与してよい。センサデータ３１を取得すると、制御部１１は、次のステップＳ１０２に処理を進める。
【0092】
（ステップＳ１０２）
ステップＳ１０２では、制御部１１は、位相推定部１１２として動作し、基準モデル４０を使用して、取得されたセンサデータ３１において、歩行の位相の推定値３３を算出する。
ステップＳ１０２では、制御部１１は、位相推定部１１２として動作し、基準モデル４０を使用して、取得されたセンサデータ３１において、歩行の位相の推定値３３を算出する。
【0093】
一例では、制御部１１は、センサデータ３１に含まれる各サンプリングタイムのセンサ値を基準モデル４０に入力し、基準モデル４０の演算処理を実行してよい。基準モデル４０の演算内容は、実施の形態に応じて適宜決定されてよい。基準モデル４０の演算処理の実行結果として、制御部１１は、各サンプリングタイムのセンサ値に対する推定値３３を取得してよい。推定値３３を取得すると、制御部１１は、次のステップＳ１０３に処理を進める。
【0094】
なお、制御部１１は、ステップＳ１０２の処理を実行する前の任意のタイミングで、基準モデルデータ１２１を参照することにより、モデル生成装置１において基準モデル４０を使用可能な状態に初期設定してよい。基準モデルデータ１２１は、基準モデル４０を再生可能なように適宜構成されてよい。
【0095】
（ステップＳ１０３）
ステップＳ１０３では、制御部１１は、算出部１１３として動作し、センサデータ３１に表れる歩行の周期に基づいて、算出される推定値３３に対する歩行の位相の理想値３５を算出する。
ステップＳ１０３では、制御部１１は、算出部１１３として動作し、センサデータ３１に表れる歩行の周期に基づいて、算出される推定値３３に対する歩行の位相の理想値３５を算出する。
【0096】
制御部１１は、センサデータ３１に表れる歩行の周期を分析することで、各サンプリングタイムにおける位相の理想値３５（真値）を適宜算出してよい。一例では、制御部１１は、センサデータ３１に表れるヒールストライクから次のヒールストライクまでの時間に対して位相を均等に分割することにより、各推定値３３に対応する理想値３５を算出してよい。他の一例では、制御部１１は、基準モデル４０により得られる推定値３３が０から２πまでの時間に対して位相を均等に分割することで、各推定値３３に対応する理想値３５を算出してよい。各推定値３３に対応する理想値３５を算出すると、制御部１１は、次のステップＳ１０４に処理を進める。
【0097】
（ステップＳ１０４）
ステップＳ１０４では、制御部１１は、評価部１１５として動作し、歩行の各周期において算出される位相の推定値３３のばらつきを算出する。推定値３３のばらつきは、例えば、分散、標準偏差等の公知の統計量により表現されてよい。
ステップＳ１０４では、制御部１１は、評価部１１５として動作し、歩行の各周期において算出される位相の推定値３３のばらつきを算出する。推定値３３のばらつきは、例えば、分散、標準偏差等の公知の統計量により表現されてよい。
【0098】
制御部１１は、歩行の各周期における同一又は近似の位相に対して推定値３３のばらつきを計算する。これにより、制御部１１は、歩行の各周期間における位相の推定値３３のばらつきを評価する。一例では、制御部１１は、互いに対応する位相の推定値３３及び理想値３５の間の誤差を算出してよい。そして、制御部１１は、理想値３５を基準に誤差のばらつきを推定値３３のばらつきとして算出してよい。ただし、推定値３３のばらつきを算出する方法は、このような例に限定されなくてよく、実施の形態に応じて適宜決定されてよい。ステップＳ１０４の処理は、ステップＳ１０２の処理を実行した後の任意のタイミングで実行されてよい。推定値３３のばらつきを算出すると、制御部１１は、次のステップＳ１０５に処理を進める。
【0099】
（ステップＳ１０５）
ステップＳ１０５では、制御部１１は、評価部１１５として動作し、算出された推定値３３のばらつきの大きさが閾値を超えるか否かを判定する。制御部１１は、判定の結果に応じて、処理の分岐先を決定する。推定値３３のばらつきの大きさが閾値を超える場合、制御部１１は、ステップＳ１０６に処理を進める。一方、推定値３３のばらつきの大きさが閾値未満である場合、制御部１１は、ステップＳ１０６及びステップＳ１０７の処理を省略し、ステップＳ１０８に処理を進める。推定値３３のばらつきの大きさが閾値と等しい場合には、処理の分岐先は、ステップＳ１０６及びステップＳ１０８のいずれであってもよい。閾値は、例えば、オペレータの指定、プログラム内の設定値等の任意の方法で与えられてよい。
ステップＳ１０５では、制御部１１は、評価部１１５として動作し、算出された推定値３３のばらつきの大きさが閾値を超えるか否かを判定する。制御部１１は、判定の結果に応じて、処理の分岐先を決定する。推定値３３のばらつきの大きさが閾値を超える場合、制御部１１は、ステップＳ１０６に処理を進める。一方、推定値３３のばらつきの大きさが閾値未満である場合、制御部１１は、ステップＳ１０６及びステップＳ１０７の処理を省略し、ステップＳ１０８に処理を進める。推定値３３のばらつきの大きさが閾値と等しい場合には、処理の分岐先は、ステップＳ１０６及びステップＳ１０８のいずれであってもよい。閾値は、例えば、オペレータの指定、プログラム内の設定値等の任意の方法で与えられてよい。
【0100】
（ステップＳ１０６及びステップＳ１０７）
ステップＳ１０６では、制御部１１は、評価部１１５として動作し、アラートを通知する。典型的な一例では、制御部１１は、出力装置１６を介してアラートを出力してよい。ただし、アラートの通知方法は、このような例に限定されなくてよく、実施の形態に応じて適宜決定されてよい。アラートを通知すると、制御部１１は、次のステップＳ１０７に処理を進める。
ステップＳ１０６では、制御部１１は、評価部１１５として動作し、アラートを通知する。典型的な一例では、制御部１１は、出力装置１６を介してアラートを出力してよい。ただし、アラートの通知方法は、このような例に限定されなくてよく、実施の形態に応じて適宜決定されてよい。アラートを通知すると、制御部１１は、次のステップＳ１０７に処理を進める。
【0101】
ステップＳ１０７では、制御部１１は、オペレータに対して、出力装置１６を介して補正モデル４５を生成するか否かを問い合わせる。制御部１１は、入力装置１５を介してオペレータからの回答を受け付け、得られた回答に応じて処理の分岐先を決定する。補正モデル４５を生成するとの回答を得た場合、制御部１１は、ステップＳ１０８に処理を進める。一方、補正モデル４５を生成しないとの回答を得た場合、制御部１１は、本動作例に係るモデル生成装置１の処理手順を終了する。
【0102】
（ステップＳ１０８）
ステップＳ１０８では、制御部１１は、生成部１１４として動作し、歩行の位相の推定値３３及び理想値３５の間の誤差をモデル化することにより、補正モデル４５を生成する。
ステップＳ１０８では、制御部１１は、生成部１１４として動作し、歩行の位相の推定値３３及び理想値３５の間の誤差をモデル化することにより、補正モデル４５を生成する。
【0103】
補正モデル４５は、歩行の位相の推定値に対応する誤差を当該推定値から算出可能に適宜構成されてよい。一例では、制御部１１は、互いに対応する位相の推定値３３及び理想値３５の間の誤差を算出してよい。ステップＳ１０４の処理において、誤差が算出されている場合、当該処理は省略されてよい。センサデータ３１が複数周期の歩行に対するセンサ値を含む場合、制御部１１は、周期間で、推定値に対する誤差の平均値を算出してよい。経過時間に応じた重みが付与されている場合、制御部１１は、重み付け平均により、周期間の誤差の平均値を算出してよい。これにより、制御部１１は、歩行の位相の推定値に対する誤差を算出してよい。制御部１１は、算出された誤差をモデル化することで、補正モデル４５を生成してよい。
【0104】
図８は、本実施形態に係る補正モデル４５の一例を示す。一例では、制御部１１は、フィッティング、機械学習等の方法により、推定値に対する誤差を表現する関数式（例えば、図８のグラフを表現する関数式）を補正モデル４５として生成してよい。他の一例では、制御部１１は、推定値に対する誤差をプロットし、プロットされた誤差をデータテーブル化することで、補正モデル４５を生成してよい。補正モデル４５を生成すると、制御部１１は、次のステップＳ１０９に処理を進める。なお、図８のデータは、後述する実験例と同一の条件により得られたものである。
【0105】
（ステップＳ１０９）
図７に戻り、ステップＳ１０９では、制御部１１は、生成部１１４として動作し、生成された補正モデル４５に関する情報を補正モデルデータ１２５として生成する。補正モデルデータ１２５は、補正モデル４５を再生可能なように適宜構成されてよい。制御部１１は、生成された補正モデルデータ１２５を所定の記憶領域に保存する。
図７に戻り、ステップＳ１０９では、制御部１１は、生成部１１４として動作し、生成された補正モデル４５に関する情報を補正モデルデータ１２５として生成する。補正モデルデータ１２５は、補正モデル４５を再生可能なように適宜構成されてよい。制御部１１は、生成された補正モデルデータ１２５を所定の記憶領域に保存する。
【0106】
所定の記憶領域は、適宜選択されてよい。所定の記憶領域は、例えば、制御部１１のＲＡＭ、記憶部１２、記憶媒体９１、外部記憶装置等であってよい。外部記憶装置は、例えば、データサーバ、外付けの記憶装置等であってよい。補正モデルデータ１２５の保存が完了すると、制御部１１は、次のステップＳ１１０に処理を進める。
【0107】
なお、生成された補正モデルデータ１２５は、任意の方法及び任意のタイミングで位相推定装置２に提供されてよい。一例では、制御部１１は、ステップＳ１０９の処理として又はステップＳ１０９の処理とは別に、補正モデルデータ１２５を位相推定装置２に転送してよい。位相推定装置２は、この転送を受信することで、補正モデルデータ１２５（補正モデル４５）を取得してよい。他の一例では、位相推定装置２は、通信インタフェース２３を利用して、モデル生成装置１又はデータサーバにアクセスすることで、補正モデルデータ１２５（補正モデル４５）を取得してよい。更に他の一例では、位相推定装置２は、記憶媒体９２を介して、補正モデルデータ１２５（補正モデル４５）を取得してよい。
【0108】
（ステップＳ１１０）
ステップＳ１１０では、制御部１１は、ステップＳ１０１～ステップＳ１０３及びステップＳ１０８を含む生成サイクルを繰り返すか否かを判定する。
ステップＳ１１０では、制御部１１は、ステップＳ１０１～ステップＳ１０３及びステップＳ１０８を含む生成サイクルを繰り返すか否かを判定する。
【0109】
判定の基準は、実施の形態に応じて適宜設定されてよい。一例では、補正モデル４５の生成を繰り返す回数が閾値により設定されてよい。閾値は、例えば、オペレータの指定、プログラム内の設定値等の任意の方法で与えられてよい。この場合、制御部１１は、ステップＳ１０１～ステップＳ１０９の処理を繰り返した回数をカウントしてよい。カウントされた繰り返し回数が閾値に満たないとき、制御部１１は、生成サイクルの実行を繰り返すと判定してよい。一方、繰り返し回数が閾値に到達したとき、制御部１１は、生成サイクルの実行を繰り返さない（生成サイクルの実行を終了する）と判定してよい。
【0110】
他の一例では、制御部１１は、オペレータに対して、生成サイクルを繰り返し実行するか否かを問い合わせてよい。制御部１１は、入力装置１５を介してオペレータからの回答を受け付け、得られた回答に応じて生成サイクルを繰り返し実行するか否かを判定してよい。これにより、モデル生成装置１は、生成サイクルを実行した後、オペレータからの要求に応じて、次の生成サイクルを実行するように構成されてよい。
【0111】
生成サイクルの実行を繰り返すと判定した場合、制御部１１は、ステップＳ１０１に戻り、ステップＳ１０１から処理を再度実行する。
【0112】
生成サイクルを繰り返し実行する場合、制御部１１は、今回の生成サイクルにおいて、ステップＳ１０１の処理により、新たなセンサデータ３１を取得してもよい。新たなセンサデータ３１を取得した場合、制御部１１は、得られた新たなセンサデータ３１を任意の記憶領域に保存してよい。保存されたセンサデータ３１は、次回以降の生成サイクルにおいて、補正モデル４５の生成に使用されてよい。
【0113】
また、生成サイクルを繰り返し実行する場合、一例では、制御部１１は、２回目以降の生成サイクルにおいて、前回の生成サイクルで生成された補正モデル４５を使用して、基準モデル４０を補正してよい。これにより、制御部１１は、補正済みの基準モデル４０を生成してよい（すなわち、基準モデル４０を更新してもよい）。この場合、２回目以降の生成サイクルにおけるステップＳ１０２の処理では、制御部１１は、補正済みの基準モデル４０を使用して、今回の生成サイクルで取得されたセンサデータ３１において、歩行の位相の推定値３３を算出してよい。そして、ステップＳ１０８では、制御部１１は、補正済みの基準モデル４０に対して新たな補正モデル４５を生成してよい。また、制御部１１は、補正済みの基準モデル４０を示すように基準モデルデータ１２１を更新し、更新された基準モデルデータ１２１を任意のタイミングで位相推定装置２に提供してよい。これにより、補正済みの基準モデル４０は、位相推定装置２における推定処理でも使用されてよい。他の一例では、制御部１１は、基準モデル４０を更新することなく、生成サイクルの処理を繰り返し、補正モデル４５を更新してよい。
【0114】
また、生成サイクルを繰り返し実行する場合、一例では、制御部１１は、今回の生成サイクルまでに獲得された全てのセンサデータ３１を使用して、補正モデル４５を生成してよい。他の一例では、制御部１１は、今回の生成サイクルまでに獲得されたセンサデータ３１の一部（例えば、獲得されてからの経過時間が閾値未満のセンサデータ）を使用して、補正モデル４５を生成してよい。他の一例では、制御部１１は、今回の生成サイクルで取得された新たなセンサデータ３１のみを使用して、補正モデル４５を生成してもよい。他の一例では、制御部１１は、今回の生成サイクルで補正モデル４５の生成に使用するセンサデータ３１の指定をオペレータから受け付けてもよい。この場合、制御部１１は、オペレータにより指定されたセンサデータ３１を使用して、補正モデル４５を生成してよい。
【0115】
他方、生成サイクルの実行を繰り返さないと判定した場合、制御部１１は、本動作例に係るモデル生成装置１の処理手順を終了する。
【0116】
本動作例に係る処理手順を終了した後、制御部１１は、任意のタイミングで、ステップＳ１０１から処理を再度実行してよい。一例では、制御部１１は、入力装置１５を介したオペレータからの要求に応じて、ステップＳ１０１から処理を再度実行してよい。これにより、ステップＳ１１０と同様に、モデル生成装置１は、生成サイクルを実行した後、オペレータからの要求に応じて、次の生成サイクルを実行するように構成されてよい。ステップＳ１０１からの処理の再度の実行に関しては、ステップＳ１１０により生成サイクルを繰り返し実行する場合と同様であってよい。
【0117】
なお、モデル生成装置１は、任意のタイミングで、ステップＳ１０１からの処理を実行することで、補正モデル４５を生成してよい。一例では、モデル生成装置１は、ユーザＺの歩行の観察を開始する（例えば、歩行アシスト装置によるアシストを開始する）際の前処理として、補正モデル４５を生成してよい。歩行アシスト装置によるアシストを行う場面では、モデル生成装置１は、ユーザＺに与えるアシストパターンに応じて、補正モデル４５を生成してよい。
【0118】
［位相推定装置］
図９は、本実施形態に係る位相推定装置２の処理手順の一例を示すフローチャートである。以下で説明する位相推定装置２の処理手順は、位相推定方法（情報処理方法）の一例である。ただし、以下で説明する位相推定装置２の処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。また、以下の処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が行われてよい。
図９は、本実施形態に係る位相推定装置２の処理手順の一例を示すフローチャートである。以下で説明する位相推定装置２の処理手順は、位相推定方法（情報処理方法）の一例である。ただし、以下で説明する位相推定装置２の処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。また、以下の処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が行われてよい。
【0119】
なお、制御部２１は、前処理として、ユーザＺに歩行動作の開始を促す指示情報を出力装置２６又は他のコンピュータの出力装置に出力してよい。ユーザＺは、トレッドミル等の器具の上で、歩行動作を実施してよい。制御部２１は、ユーザＺが歩行動作を開始したことに応じて、ステップＳ２０１からの処理の実行を開始してよい。
【0120】
（ステップＳ２０１）
ステップＳ２０１では、制御部２１は、取得部２１１として動作し、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。一例では、制御部２１は、センサＳから直接的にセンサ値５１を取得してよい。他の一例では、制御部２１は、例えば、他のコンピュータ等を介してセンサＳから間接的にセンサ値５１を取得してよい。センサ値５１を取得すると、制御部２１は、次のステップＳ２０２に処理を進める。
ステップＳ２０１では、制御部２１は、取得部２１１として動作し、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。一例では、制御部２１は、センサＳから直接的にセンサ値５１を取得してよい。他の一例では、制御部２１は、例えば、他のコンピュータ等を介してセンサＳから間接的にセンサ値５１を取得してよい。センサ値５１を取得すると、制御部２１は、次のステップＳ２０２に処理を進める。
【0121】
（ステップＳ２０２）
ステップＳ２０２では、制御部２１は、位相推定部２１２として動作し、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。モデル生成装置１により、補正済みの基準モデル４０が得られている場合、制御部２１は、補正済みの基準モデル４０を使用して、センサ値５１から位相の推定値５３を算出してよい。
ステップＳ２０２では、制御部２１は、位相推定部２１２として動作し、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。モデル生成装置１により、補正済みの基準モデル４０が得られている場合、制御部２１は、補正済みの基準モデル４０を使用して、センサ値５１から位相の推定値５３を算出してよい。
【0122】
一例では、制御部２１は、取得されたセンサ値５１を基準モデル４０に入力し、基準モデル４０の演算処理を実行してよい。この演算処理の実行結果として、制御部２１は、センサ値５１に対する位相の推定値５３を取得してよい。例えば、基準モデル４０が関数式で構成される場合、制御部２１は、センサ値５１を関数式に代入し、関数式の演算を実行することで、位相の推定値５３を取得してよい。関数式は、ニューラルネットワーク等の機械学習モデルで構成されてもよい。また、例えば、基準モデル４０がデータテーブルで構成される場合、制御部２１は、センサ値５１に対応する位相の推定値５３をデータテーブルから抽出してよい。また、例えば、基準モデル４０がルールにより構成される場合、制御部２１は、センサ値５１にルールを適用することで、位相の推定値５３を算出してよい。位相の推定値５３を取得すると、制御部２１は、次のステップＳ２０３に処理を進める。なお、制御部２１は、ステップＳ２０２の処理を実行する前の任意のタイミングで、基準モデルデータ１２１を参照することにより、位相推定装置２において基準モデル４０を使用可能な状態に初期設定してよい。
【0123】
（ステップＳ２０３）
ステップＳ２０３では、制御部２１は、誤差推定部２１３として動作し、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。
ステップＳ２０３では、制御部２１は、誤差推定部２１３として動作し、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。
【0124】
一例では、制御部２１は、算出された位相の推定値５３を補正モデル４５に入力し、補正モデル４５の演算処理を実行してよい。補正モデル４５の演算内容は、実施の形態に応じて適宜決定されてよい。図８の一例では、制御部２１は、補正モデル４５の演算処理として、位相の推定値５３を関数式に代入して、当該関数式の演算処理を実行してよい。他の一例では、補正モデル４５がデータテーブルで表現される場合、制御部２１は、補正モデル４５の演算処理として、位相の推定値５３に対応する誤差５５をデータテーブルから抽出してよい。補正モデル４５の演算処理の実行結果として、制御部２１は、位相の推定値５３に対応して推定される誤差５５を取得することができる。推定の誤差５５を取得すると、制御部２１は、次のステップＳ２０４に処理を進める。なお、制御部２１は、ステップＳ２０３の処理を実行する前の任意のタイミングで、補正モデルデータ１２５を参照することにより、位相推定装置２において補正モデル４５を使用可能な状態に初期設定してよい。
【0125】
（ステップＳ２０４）
ステップＳ２０４では、制御部２１は、補正部２１４として動作し、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、制御部２１は、補正された位相の推定値５７を取得する。
ステップＳ２０４では、制御部２１は、補正部２１４として動作し、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、制御部２１は、補正された位相の推定値５７を取得する。
【0126】
補正処理の内容は、誤差５５の表現形式に応じて適宜決定されてよい。典型的な一例では、誤差５５は、和又は差の形式で表現されてよい。これに応じて、制御部２１は、位相の推定値５３及び誤差５５の和又は差を算出することで、補正された位相の推定値５７を取得してよい。補正された位相の推定値５７を取得すると、制御部２１は、次のステップＳ２０５に処理を進める。
【0127】
（ステップＳ２０５）
ステップＳ２０５では、制御部２１は、出力部２１５として動作し、補正された位相の推定値５７に関する情報を出力する。
ステップＳ２０５では、制御部２１は、出力部２１５として動作し、補正された位相の推定値５７に関する情報を出力する。
【0128】
出力先及び出力する情報の内容はそれぞれ、実施の形態に応じて適宜決定されてよい。例えば、制御部２１は、補正された位相の推定値５７を出力装置２６又は他のコンピュータの出力装置にそのまま出力してよい。一例として、制御部２１は、ディスプレイにグラフを表示し、補正された位相の推定値５７をグラフ上でプロットしてよい。また、例えば、制御部２１は、得られた推定値５７に基づいて、何らかの情報処理を実行してよい。制御部２１は、その情報処理を実行した結果を、位相の推定値５７に関する情報として出力してよい。この情報処理を実行した結果を出力することは、位相の推定値５７に応じて制御対象装置の動作を制御することを含んでよい。制御対象装置は、例えば、歩行アシスト装置、電気刺激装置、賦活計測装置等の介入装置であってよい。一例では、制御部２１は、設定されたアシストパターンに従って、補正された位相の推定値５７からアシスト量を決定し、決定されたアシスト量を歩行アシスト装置に出力することで、歩行アシスト装置による歩行のアシスト動作を制御してよい。本実施形態では、制御部２１は、ステップＳ２０５の処理として、これらの出力処理のうちの少なくともいずれかを実行してよい。情報の出力が完了すると、制御部２１は、次のステップＳ２０６に処理を進める。
【0129】
（ステップＳ２０６）
ステップＳ２０６では、制御部２１は、ユーザＺの歩行を１周期以上計測したか否か（すなわち、１周期分以上のセンサ値５１を得たか否か）を判定する。
ステップＳ２０６では、制御部２１は、ユーザＺの歩行を１周期以上計測したか否か（すなわち、１周期分以上のセンサ値５１を得たか否か）を判定する。
【0130】
本実施形態では、位相推定装置２は、後述するステップＳ２１０の処理により、ステップＳ２０１～ステップＳ２０５を含む推定サイクルを繰り返し実行可能に構成されている。そこで、一例では、制御部２１は、１周期以上の歩行に対して推定サイクルを繰り返し実行することで、各推定サイクルで得られる推定値５７がある周期から次の周期に移った（一例では、２πを超えて０から再度変動した）ことに応じて、ユーザＺの歩行を１周期以上計測したと判定してよい。ユーザＺの歩行を１周期以上計測した場合、制御部２１は、次のステップＳ２０７に処理を進める。
【0131】
一方、制御部２１は、各推定サイクルで得られる推定値５７がある周期の０～２πの範囲で留まっていることに応じて、１周期以上の計測がまだ行われていないと判定してよい。１周期以上の計測が行われていない場合、制御部２１は、ステップＳ２０７～ステップＳ２０９の処理を省略し、ステップＳ２１０に処理を進める。
【0132】
（ステップＳ２０７～ステップＳ２０９）
ステップＳ２０７では、制御部２１は、監視部２１６として動作し、歩行の周期に基づいて、補正された推定値５７に対する歩行の位相の理想値を算出する。理想値を算出する方法は、ステップＳ１０３の処理と同様であってよい。推定値５７に対応する理想値を算出すると、制御部２１は、次のステップＳ２０８に処理を進める。
ステップＳ２０７では、制御部２１は、監視部２１６として動作し、歩行の周期に基づいて、補正された推定値５７に対する歩行の位相の理想値を算出する。理想値を算出する方法は、ステップＳ１０３の処理と同様であってよい。推定値５７に対応する理想値を算出すると、制御部２１は、次のステップＳ２０８に処理を進める。
【0133】
ステップＳ２０８では、制御部２１は、監視部２１６として動作し、互いに対応する位相の推定値５７及び理想値の間の誤差を算出する。各推定サイクルで得られた推定値５７の誤差を算出すると、制御部２１は、次のステップＳ２０９に処理を進める。
【0134】
ステップＳ２０９では、制御部２１は、監視部２１６として動作し、算出された誤差に関する情報を出力する。
【0135】
出力先及び出力する情報の内容はそれぞれ、実施の形態に応じて適宜決定されてよい。例えば、制御部２１は、出力装置２６又は他のコンピュータの出力装置に、算出された誤差をそのまま出力してよい。一例として、制御部２１は、ディスプレイにグラフを表示し、理想値を基準に推定値５７の誤差をグラフ上でプロットしてよい。
【0136】
また、例えば、制御部２１は、算出された誤差が閾値を超えるか否かを判定してよい。閾値は、任意の方法で与えられてよい。算出された誤差が閾値を超えている場合、制御部２１は、誤差に関する情報として、出力装置２６又は他のコンピュータの出力装置にアラートを出力してよい。
【0137】
オペレータは、出力される誤差及びアラートの少なくとも一方に基づいて、推定処理に使用されている補正モデル４５がユーザＺの歩行動作に適合しなくなってきているか否かを判断してよい。そして、補正モデル４５がユーザＺに適合しなくなったと判断した場合、オペレータは、入力装置１５又はモデル生成装置１以外の他のコンピュータを介して、新たな補正モデル４５を生成する要求をモデル生成装置１に対して与えてよい。これに応じて、モデル生成装置１（制御部１１）は、ステップＳ１０１からの処理を実行し、新たな補正モデル４５を生成してよい。この際、推定サイクルを繰り返す間に取得された複数のセンサ値５１の少なくとも一部がセンサデータ３１として新たな補正モデル４５の生成に使用されてよい。また、モデル生成装置１（制御部１１）は、新たな補正モデル４５を生成するために、新たなセンサデータ３１を収集してよい。
【0138】
また、例えば、算出された誤差が閾値を超えている場合、制御部２１は、新たな補正モデル４５の生成を促す指示をモデル生成装置１に出力してよい。これに応じて、モデル生成装置１は、ステップＳ１０１から処理を実行してよい。
【0139】
本実施形態では、制御部２１は、ステップＳ２０９の処理として、これらの出力処理のうちの少なくともいずれかを実行してよい。誤差に関する情報を出力すると、制御部２１は、次のステップＳ２１０に処理を進める。
【0140】
なお、制御部２１は、ユーザＺの１周期以上の歩行をセンサＳにより計測した後の任意のタイミングで、ステップＳ２０７～ステップＳ２０９の処理を実行してよい。一例では、制御部２１は、計測している歩行の周期が１周期経過する度に、ステップＳ２０７～ステップＳ２０９の処理を実行してよい。他の一例では、制御部２１は、複数周期の歩行の計測結果に対して、ステップＳ２０７～ステップＳ２０９の処理を一度に実行してよい。
【0141】
（ステップＳ２１０）
ステップＳ２１０では、制御部２１は、ステップＳ２０１～ステップＳ２０５を含む推定サイクルを繰り返し実行するか否かを判定する。
ステップＳ２１０では、制御部２１は、ステップＳ２０１～ステップＳ２０５を含む推定サイクルを繰り返し実行するか否かを判定する。
【0142】
判定の基準は、実施の形態に応じて適宜設定されてよい。一例では、繰り返す回数、時間、歩行回数等の指標に基づいて、制御部２１は、推定サイクルを繰り返し実行するか否かを判定してよい。この場合、指標に対する閾値が任意の方法で与えられてよい。計算される指標が閾値に満たないとき、制御部２１は、推定サイクルの実行を繰り返すと判定してよい。一方、計算される指標が閾値に到達したとき、制御部２１は、推定サイクルの実行を繰り返さない（推定サイクルの実行を終了する）と判定してよい。
【0143】
他の一例では、制御部２１は、オペレータからの終了指示が与えられるまで、推定サイクルの実行を繰り返すと判定してよい。終了指示は、入力装置２５を介して与えられてよい。そして、オペレータからの終了指示が与えられた後、制御部２１は、推定サイクルの実行を繰り返さない（推定サイクルの実行を終了する）と判定してよい。
【0144】
推定サイクルの実行を繰り返すと判定した場合、制御部２１は、ステップＳ２０１に戻り、ステップＳ２０１から処理を再度実行する。これにより、制御部２１は、ユーザＺの歩行の位相を継続的に推定する。他方、推定サイクルの実行を繰り返さないと判定した場合、制御部２１は、本動作例に係る位相推定装置２の処理手順を終了する。
【0145】
本動作例に係る処理手順を終了した後、制御部２１は、任意のタイミングで、ステップＳ２０１から処理を再度実行してよい（すなわち、ステップＳ２０１からの処理の実行を再開してよい）。一例では、制御部２１は、入力装置２５を介したオペレータからの要求に応じて、ステップＳ２０１から処理を再度実行してよい。ステップＳ２０１からの処理の再度の実行に関しては、ステップＳ２１０により推定サイクルを繰り返し実行する場合と同様であってよい。
【0146】
推定サイクルを繰り返し実行する間に、ステップＳ２０１の処理により取得される複数のセンサ値５１は、センサデータ３１として任意の記憶領域に保存されてよい。モデル生成装置１は、位相推定装置２により得られた複数のセンサ値５１を含むセンサデータ３１を使用して、補正モデル４５を生成してよい。生成された補正モデル４５（補正モデルデータ１２５）は、任意のタイミングで位相推定装置２に提供されてよい。
【0147】
［特徴］
以上のとおり、上記ステップＳ１０８の処理において、補正モデル４５を生成することは、センサデータ３１を使用して、基準モデル４０の推定結果（推定値３３）と真値（理想値３５）との間の誤差をモデル化することに過ぎない。上記ステップＳ１０３の処理において、センサデータ３１に表れる歩行の周期に基づいて、歩行の位相の理想値３５（真値）を算出することは容易である。そのため、ユーザＺ毎に補正モデル４５を容易に作成可能である。また、ユーザＺの状況等の事情に応じて、歩行の位相を精度よく推定可能なように、補正モデル４５を再度生成することも容易である。更に、生成される補正モデル４５は、基準モデル４０の推定値と誤差との間の対応関係を示す（すなわち、推定値から誤差を算出する）ように構成されているに過ぎない。そのため、上記ステップＳ２０３の処理における補正モデル４５の演算は容易である。
以上のとおり、上記ステップＳ１０８の処理において、補正モデル４５を生成することは、センサデータ３１を使用して、基準モデル４０の推定結果（推定値３３）と真値（理想値３５）との間の誤差をモデル化することに過ぎない。上記ステップＳ１０３の処理において、センサデータ３１に表れる歩行の周期に基づいて、歩行の位相の理想値３５（真値）を算出することは容易である。そのため、ユーザＺ毎に補正モデル４５を容易に作成可能である。また、ユーザＺの状況等の事情に応じて、歩行の位相を精度よく推定可能なように、補正モデル４５を再度生成することも容易である。更に、生成される補正モデル４５は、基準モデル４０の推定値と誤差との間の対応関係を示す（すなわち、推定値から誤差を算出する）ように構成されているに過ぎない。そのため、上記ステップＳ２０３の処理における補正モデル４５の演算は容易である。
【0148】
したがって、本実施形態に係るモデル生成装置１によれば、基準モデル４０の出力（推定値）を補正することで、簡易かつリアルタイムに歩行の位相を精度よく推定可能にする補正モデル４５を生成することができる。本実施形態に係る位相推定装置２によれば、そのような補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。
【0149】
図１０Ａは、上記ステップＳ２０２～ステップＳ２０４の処理において、本実施形態に係る補正モデル４５を使用して、補正された位相の推定値５７を算出する処理の過程の一例を模式的に示す。図１０Ｂは、補正モデル４５による補正前後で得られる位相の推定値（５３、５７）の一例を示す。推定サイクルを繰り返す間、位相推定装置２（制御部２１）は、上記ステップＳ２０３の処理において、補正モデル４５を使用して、上記ステップＳ２０２で得られた推定値５３に対する誤差５５を算出する。そして、位相推定装置２（制御部２１）は、上記ステップＳ２０４の処理において、得られた誤差５５により推定値５３を補正することで、補正された位相の推定値５７を取得する。上記のとおり、モデル生成装置１では、ユーザＺの歩行動作に適合する補正モデル４５を容易に生成可能である。補正モデル４５が適切に生成されていることで、図１０Ａ及び図１０Ｂに例示されるとおり、ステップＳ２０４の処理では、０～２πの範囲で直線的に推移する推定値５７（すなわち、真値に対する歪みの少ない推定値５７）をリアルタイムに得ることができる。なお、図１０Ａ及び図１０Ｂのデータは、後述する実験例と同一の条件により得られたものである。また、図１０Ｂのデータは、２５０Ｈｚでリアルタイムに算出された位相の推定値（５３、５７）を時系列にプロットすることで得られたものである。なお、図１０Ａ及び図１０Ｂの例では、歩行の位相は、０～２πの値で表現されているが、位相の表現形式は、このような例に限られなくてよい。歩行の位相は、別の表現形式で出力されてよい。他の一例では、歩行の位相（０～２π）は、０％～１００％で表現されてもよい。
【0150】
また、本実施形態では、補正モデル４５を生成する際に、ステップＳ１０４～ステップＳ１０６の処理により、位相の推定値３３のばらつきを監視することができる。位相の推定値３３のばらつきが大きい場合、理想値３５との間の誤差にもばらつきが生じるため、生成される補正モデル４５の精度が悪化する可能性がある。本実施形態によれば、位相の推定値３３のばらつきを監視し、ばらつきが大きい場合にアラートによりそのような可能性があることを可視化することができる。その結果、ステップＳ１０７の処理により、補正モデル４５の生成を取り止めたり、精度の悪い補正モデル４５を位相推定装置２で使用し続けることを避けたりすることができる。
【0151】
また、本実施形態では、位相推定装置２において、推定サイクルを繰り返し実行する間、ステップＳ２０６～ステップＳ２０９の処理により、使用されている補正モデル４５による補正の精度を評価することができる。ユーザＺの歩行動作は時間経過により変化する可能性がある。ユーザＺの歩行動作が変化し、補正モデル４５がユーザＺの歩行動作に適合しなくなると、図１０Ａ及び図１０Ｂに例示されるとおり、ユーザＺの歩行の位相を精度よく推定すること（直線的な推定値５７を得ること）が困難になる。本実施形態によれば、補正モデル４５による補正の精度を評価することで、使用されている補正モデル４５がそのような状態に陥っているか否かを可視化することができる。これにより、ユーザＺの歩行動作に適合しなくなった補正モデル４５を位相推定に使用し続けることを避けることができる。また、新たな補正モデル４５の生成を促すことで、位相推定装置２における位相推定の精度の維持を図ることができる。
【0152】
また、本実施形態では、モデル生成装置１において、生成サイクルが繰り返し実行されてよい。生成サイクルを繰り返す場合に、前回の生成サイクルで生成された補正モデル４５により、基準モデル４０を補正することで、補正済みの基準モデル４０を生成してよい。これらにより、基準モデル４０及び補正モデル４５による位相推定の精度の向上を期待することができる。
【0153】
§４ 変形例
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。上記実施形態において、種々の改良又は変更が適宜行われてよい。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。上記実施形態において、種々の改良又は変更が適宜行われてよい。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
【0154】
＜４．１＞
上記実施形態に係る推定システムは、人物の歩行の位相を推定するあらゆる場面に適用されてよい。人物の歩行の位相を推定する場面は、例えば、歩行アシスト装置により人物の歩行をアシストする場面、機能的電気刺激による痙縮を与える場面、歩行中における脊髄神経経路の賦活を計測する場面、歩行の異常を検出する場面等であってよい。歩行の位相の推定結果（推定値５７）は、例えば、アシスト量の決定、電気刺激を与えるタイミングの決定、歩行の異常検出等に活用されてよい。以下、適用場面を限定した具体例を示す。
上記実施形態に係る推定システムは、人物の歩行の位相を推定するあらゆる場面に適用されてよい。人物の歩行の位相を推定する場面は、例えば、歩行アシスト装置により人物の歩行をアシストする場面、機能的電気刺激による痙縮を与える場面、歩行中における脊髄神経経路の賦活を計測する場面、歩行の異常を検出する場面等であってよい。歩行の位相の推定結果（推定値５７）は、例えば、アシスト量の決定、電気刺激を与えるタイミングの決定、歩行の異常検出等に活用されてよい。以下、適用場面を限定した具体例を示す。
【0155】
（Ａ）制御対象装置の動作を制御する場面
一例として、制御装置は、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得するステップと、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出するステップと、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定するステップと、推定された誤差５５により、算出された位相の推定値５３を補正するステップと、補正された位相の推定値５７から制御対象装置の駆動量を決定するステップと、決定された駆動量を出力するステップと、を実行するように構成されてよい。制御対象装置は、歩行アシスト装置、電気刺激装置、又は賦活計測装置であってよい。制御対象装置の駆動量を決定することは、歩行アシスト装置のアシスト量を決定すること、電気刺激装置による電気刺激の量を決定すること、又は賦活計測装置における電気刺激の量を決定することにより構成されてよい。量を決定することは、与えるか否かを決定することを含んでよい。決定された駆動量を出力することは、決定された駆動量に従って、制御対象装置の動作を制御すること（制御対象装置を駆動すること）、又は決定された駆動量を制御対象装置のコントローラに与えることで、制御対象装置の動作を間接的に制御することであってよい。
一例として、制御装置は、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得するステップと、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出するステップと、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定するステップと、推定された誤差５５により、算出された位相の推定値５３を補正するステップと、補正された位相の推定値５７から制御対象装置の駆動量を決定するステップと、決定された駆動量を出力するステップと、を実行するように構成されてよい。制御対象装置は、歩行アシスト装置、電気刺激装置、又は賦活計測装置であってよい。制御対象装置の駆動量を決定することは、歩行アシスト装置のアシスト量を決定すること、電気刺激装置による電気刺激の量を決定すること、又は賦活計測装置における電気刺激の量を決定することにより構成されてよい。量を決定することは、与えるか否かを決定することを含んでよい。決定された駆動量を出力することは、決定された駆動量に従って、制御対象装置の動作を制御すること（制御対象装置を駆動すること）、又は決定された駆動量を制御対象装置のコントローラに与えることで、制御対象装置の動作を間接的に制御することであってよい。
【0156】
（Ａ－１）歩行アシストを行う場面
図１１は、第１具体例に係る推定システムの適用場面の一例を模式的に示す。第１具体例は、歩行の位相の推定結果を歩行アシストに活用する場面に上記実施形態を適用した例である。第１具体例に係る推定システムは、モデル生成装置１及び制御装置２Ａを備える。制御装置２Ａは、上記位相推定装置２の一例である。歩行アシスト装置７０は、制御対象装置の一例である。
図１１は、第１具体例に係る推定システムの適用場面の一例を模式的に示す。第１具体例は、歩行の位相の推定結果を歩行アシストに活用する場面に上記実施形態を適用した例である。第１具体例に係る推定システムは、モデル生成装置１及び制御装置２Ａを備える。制御装置２Ａは、上記位相推定装置２の一例である。歩行アシスト装置７０は、制御対象装置の一例である。
【0157】
第１具体例では、制御装置２Ａは、アシストパターン６０を設定する。制御装置２Ａは、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。制御装置２Ａは、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。制御装置２Ａは、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。制御装置２Ａは、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、制御装置２Ａは、補正された位相の推定値５７を取得する。制御装置２Ａは、設定されたアシストパターン６０に従って、補正された位相の推定値５７から歩行アシスト装置７０のアシスト量６１を決定する。制御装置２Ａは、歩行アシスト装置７０を制御するために、決定されたアシスト量６１を出力する。すなわち、第１具体例では、位相の推定値５７に関する情報を出力することは、設定されたアシストパターン６０に従って、補正された位相の推定値５７からアシスト量６１を決定すること、及び決定されたアシスト量６１を出力することを含む。制御装置２Ａは、推定サイクルを繰り返し実行する場合に、補正された推定値５７の変化量が許容条件を満たすか否かを監視してもよい。これらの点を除き、第１具体例の構成は、上記実施形態と同様であってよい。
【0158】
［ハードウェア構成］
図１２は、第１具体例に係る制御装置２Ａのハードウェア構成の一例を模式的に示す。図１２に示されるとおり、制御装置２Ａのハードウェア構成は、上記位相推定装置２のハードウェア構成と同様であってよい。
図１２は、第１具体例に係る制御装置２Ａのハードウェア構成の一例を模式的に示す。図１２に示されるとおり、制御装置２Ａのハードウェア構成は、上記位相推定装置２のハードウェア構成と同様であってよい。
【0159】
図１２の一例では、記憶部２２は、制御プログラム８２Ａを記憶する。制御プログラム８２Ａは、歩行位相の推定及び歩行アシスト装置７０の制御に関する情報処理（後述の図１４）を制御装置２Ａに実行させるためのプログラムである。制御プログラム８２Ａは、当該情報処理の一連の命令を含む。制御プログラム８２Ａは、位相推定プログラム８２の一例である。制御プログラム８２Ａは、記憶媒体９２に記憶されていてもよい。制御装置２Ａは、記憶媒体９２から制御プログラム８２Ａを取得してもよい。
【0160】
また、制御装置２Ａは、通信インタフェース２３又は外部インタフェース２４を介して歩行アシスト装置７０に接続されてよい。歩行アシスト装置７０は、歩行動作を行うユーザＺに対して介入（例えば、力、電気刺激等）によるアシストを提供するように構成される。歩行に対するアシストを提供可能であれば、歩行アシスト装置７０の構成は、特に限定されなくてよく、実施の形態に応じて適宜決定されてよい。歩行アシスト装置７０には、公知の歩行アシスト装置が用いられてよい。一例では、歩行アシスト装置７０には、参考文献（国際公開第２０２０／２４６５８７号公報）で提案されている体重免荷装置が用いられてよい。その他の一例では、歩行アシスト装置７０には、参考文献（国際公開第２０１７／１３８６５１号公報）の図１２～図１４で例示される足関節にアシスト力を付与するように構成されたアシスト装置が用いられてよい。その他、歩行アシスト装置７０には、例えば、特開２０１０－２６４０１９号公報、特開２０１７－２１３２４６号公報等で例示される膝関節及び足関節にアシスト力を与えるよう構成されたアシスト装置が用いられてよい。
【0161】
［ソフトウェア構成］
図１３は、第１具体例に係る制御装置２Ａのソフトウェア構成の一例を模式的に示す。上記実施形態と同様に、制御装置２Ａの制御部２１は、制御プログラム８２Ａを実行する。これにより、制御装置２Ａは、各ソフトウェアモジュールを備えるコンピュータとして動作する。
図１３は、第１具体例に係る制御装置２Ａのソフトウェア構成の一例を模式的に示す。上記実施形態と同様に、制御装置２Ａの制御部２１は、制御プログラム８２Ａを実行する。これにより、制御装置２Ａは、各ソフトウェアモジュールを備えるコンピュータとして動作する。
【0162】
図１３の一例では、制御装置２Ａは、設定部２１０を更に備える。設定部２１０は、アシストパターン６０を設定するように構成される。また、第１具体例では、出力部２１５は、設定されたアシストパターン６０に従って、補正された位相の推定値５７からアシスト量６１を決定し、かつ決定されたアシスト量６１を出力するように構成される。
【0163】
更に、第１具体例では、制御装置２Ａは、取得部２１１、位相推定部２１２、誤差推定部２１３、補正部２１４及び出力部２１５の処理を含む推定サイクルを繰り返し実行するように構成されてよい。２回目以降の推定サイクルにおけるアシスト量６１を決定するステップでは、出力部２１５は、前回の推定サイクルでの補正された推定値５７及び今回の推定サイクルでの補正された推定値５７の間の変化量を算出し、並びに算出された変化量が許容条件を満たすか否かを判定するように更に構成されてよい。そして、出力部２１５は、変化量が許容条件を満たす場合、今回の推定サイクルでの補正された推定値５７から、今回の推定サイクルでのアシスト量６１を決定し、及び変化量が許容条件を満たさない場合、今回の推定サイクルでの補正された推定値５７に依らず、前回の推定サイクルでの補正された推定値５７に基づいて、今回の推定サイクルでのアシスト量６１を決定するように構成されてよい。
【0164】
なお、上記実施形態と同様に、制御装置２Ａのソフトウェアモジュールの一部又は全部が、１又は複数の専用のプロセッサにより実現されてもよい。また、制御装置２Ａのソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
【0165】
［動作例］
図１４は、第１具体例に係る制御装置２Ａの処理手順の一例を示すフローチャートである。以下で説明する制御装置２Ａの処理手順は、歩行アシスト装置７０の制御方法（情報処理装置）の一例である。ただし、以下で説明する制御装置２Ａの処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。また、以下の処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が行われてよい。
図１４は、第１具体例に係る制御装置２Ａの処理手順の一例を示すフローチャートである。以下で説明する制御装置２Ａの処理手順は、歩行アシスト装置７０の制御方法（情報処理装置）の一例である。ただし、以下で説明する制御装置２Ａの処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。また、以下の処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が行われてよい。
【0166】
図１４の一例では、制御装置２Ａの処理手順は、ステップＳ２０１の前にステップＳ２００の処理を更に含んでいる。また、上記ステップＳ２０５は、ステップＳ２０５１及びステップＳ２０５２により構成されている。これらの点を除いて、制御装置２Ａの処理手順は、上記位相推定装置２の処理手順と同様であってよい。その他のステップ（Ｓ２０１～Ｓ２０４、Ｓ２０６～Ｓ２１０）の処理は、上記実施形態と同様であってよい。
【0167】
（ステップＳ２００）
ステップＳ２００では、制御部２１は、設定部２１０として動作し、アシストパターン６０を設定する。アシストパターン６０は、歩行の位相に対するアシスト量を定義する。アシストパターン６０は、予め与えられてよい。この場合、アシストパターン６０の設定情報が、例えば、所定の記憶領域（記憶部２２等）、プログラム内の設定値等として保持されてよい。設定情報は、システム固有に与えられてもよいし、オペレータの事前入力により与えられてもよい。制御部２１は、この設定情報に基づいて、アシストパターン６０を設定してもよい。或いは、アシストパターン６０は、オペレータからの入力により与えられてよい。一例では、アシストパターン６０は、オペレータ（理学療法士）の手入力により生成されてよい。ただし、アシストパターン６０を手入力で生成することは、熟練の経験に依存し、困難である。そこで、他の一例では、アシストパターン６０は、１つ以上の筋モジュールにより構成されてよい。
ステップＳ２００では、制御部２１は、設定部２１０として動作し、アシストパターン６０を設定する。アシストパターン６０は、歩行の位相に対するアシスト量を定義する。アシストパターン６０は、予め与えられてよい。この場合、アシストパターン６０の設定情報が、例えば、所定の記憶領域（記憶部２２等）、プログラム内の設定値等として保持されてよい。設定情報は、システム固有に与えられてもよいし、オペレータの事前入力により与えられてもよい。制御部２１は、この設定情報に基づいて、アシストパターン６０を設定してもよい。或いは、アシストパターン６０は、オペレータからの入力により与えられてよい。一例では、アシストパターン６０は、オペレータ（理学療法士）の手入力により生成されてよい。ただし、アシストパターン６０を手入力で生成することは、熟練の経験に依存し、困難である。そこで、他の一例では、アシストパターン６０は、１つ以上の筋モジュールにより構成されてよい。
【0168】
図１５は、第１具体例に係るアシストパターン６０を構成する筋モジュールの一例を模式的に示す。筋モジュールは、例えば、膝屈曲、膝伸展、足底屈、足背屈、抗重力筋等の筋シナジーを再現するように、複数の周期関数を組み合わせることにより構成されてよい。筋シナジーは、複数の筋の組み合わせによる協調的な活動のことである。筋シナジーは、非線形であってよい。筋シナジーを再現する際、例えば、矩形波、のこぎり波等の計算コストの低い周期関数が優先的に使用されてよい。
【0169】
図１５では、足底屈の筋モジュールの一例が示されている。図１５の一例では、足底屈の筋モジュールが、大きさの異なる２つののこぎり波（第１周期関数、第２周期関数）の組み合わせにより構成されている。このように、周期関数の種類及び大きさを適宜選択することで、比較的に容易に非線形な筋シナジーを再現することができる。この筋モジュールの構成によれば、容易な演算により筋シナジーに即したアシストパターン６０を実現することができる。また、従来の方法として、アシストパターンにおいて、歩行の位相に対する位置（例えば、モータの目標位置）を規定する方法が存在する。この方法では、複数のアシストパターンを組み合わせると、各アシストパターンの意図が損なわれてしまう。そのため、複数のアシストパターンを組み合わせることは容易ではない。これに対して、筋モジュールは、歩行の位相に対する力（例えば、トルク、圧力）を規定しているため、複数の筋モジュールを組み合わせても、各筋モジュールの意図は損なわれない。そのため、複数の筋モジュールを容易に組み合わせることができる。加えて、１つ以上の筋モジュールの選択及び選択された筋モジュールの強度の指定により、熟練の経験に依らずに、筋シナジーに即したアシストパターン６０を容易に作成することができる。すなわち、アシストパターン６０を手入力で生成する場合と比べて、調整する対象のパラメータ（筋モジュールの選択、強度の指定等）が少なく済むため、アシストパターン６０を生成する手間を低減することができる。なお、アシストパターン６０には、筋の活動を抑制する筋モジュールが含まれていてもよい。このような筋モジュールは、筋の活動を抑制する筋シナジーを再現する（例えば、引き算する）ことで適宜構成されてよい。
【0170】
なお、この筋モジュールにより構成されるアシストパターン６０は、補正モデル４５を使用しない任意の形態でも単独で採用されてよい。すなわち、筋モジュールの構成は、アシストパターンを設定するあらゆる場面で採用されてよい。一例では、コンピュータは、アシストパターンを設定し、所定の方法でユーザの歩行の位相の推定値を算出し、設定されたアシストパターンに従って、算出された推定値からアシスト量を決定し、及び決定されたアシスト量を出力してよい。歩行の位相を推定する所定の方法は、実施の形態に応じて適宜選択されてよい。所定の方法には、公知の方法が採用されてよい。この場合に、アシストパターンは、１つ以上の筋モジュールにより構成されてよく、筋モジュールは、筋シナジーを再現するように、複数の周期関数を組み合わせることにより構成されてよい。
【0171】
（ステップＳ２０５１及びステップＳ２０５２）
図１４に戻り、ステップＳ２０５１では、制御部２１は、出力部２１５として動作し、設定されたアシストパターン６０に従って、補正された位相の推定値５７からアシスト量６１を決定する。すなわち、制御部２１は、アシストパターン６０を参照し、補正された位相の推定値５７に対するアシスト量６１を特定する（アシスト量６１を示す情報をアシストパターン６０から取得する）。アシスト量６１を決定すると、制御部２１は、次のステップＳ２０５２に処理を進める。
図１４に戻り、ステップＳ２０５１では、制御部２１は、出力部２１５として動作し、設定されたアシストパターン６０に従って、補正された位相の推定値５７からアシスト量６１を決定する。すなわち、制御部２１は、アシストパターン６０を参照し、補正された位相の推定値５７に対するアシスト量６１を特定する（アシスト量６１を示す情報をアシストパターン６０から取得する）。アシスト量６１を決定すると、制御部２１は、次のステップＳ２０５２に処理を進める。
【0172】
ステップＳ２０５２では、制御部２１は、出力部２１５として動作し、歩行アシスト装置７０を制御するために、決定されたアシスト量６１を出力する。一例では、制御装置２Ａが歩行アシスト装置７０に直接的に接続されている場合、決定されたアシスト量６１を出力することは、決定されたアシスト量６１で歩行アシスト装置７０を駆動することにより構成されてよい。他の一例では、歩行アシスト装置７０が制御装置を備える場合、決定されたアシスト量６１を出力することは、決定されたアシスト量６１を示す情報を含む駆動指令を制御装置に送信し、制御装置に対して、決定されたアシスト量６１で歩行アシスト装置７０を駆動させることにより構成されてよい。アシスト量６１を出力すると、制御部２１は、次のステップＳ２０６に処理を進める。
【0173】
（その他）
ステップＳ２１０における判定結果に応じて、制御部２１は、ステップＳ２０１～ステップＳ２０４、ステップＳ２０５１及びステップＳ２０５１を含む推定サイクルを繰り返し実行する。
ステップＳ２１０における判定結果に応じて、制御部２１は、ステップＳ２０１～ステップＳ２０４、ステップＳ２０５１及びステップＳ２０５１を含む推定サイクルを繰り返し実行する。
【0174】
推定サイクルを繰り返し実行する間に、想定される歩行動作と異なる歩行動作をユーザＺが行う（一例では、地面に足が引っかかる）等に起因して、センサ値５１から算出される位相の推定値５７が、例えば、急激に変化する、遡る等の想定外の挙動を示す場合がある。これに対応するため、第１具体例では、制御部２１は、２回目以降の推定サイクルのステップＳ２０５１において、前回の推定サイクルでの補正された推定値５７及び今回の推定サイクルでの補正された推定値５７の間の変化量を算出してよい。そして、制御部２１は、算出された変化量が許容条件を満たすか否かを判定してよい。
【0175】
許容条件は、上記推定値５７の想定外の挙動を許容しないように適宜設定されてよい。一例では、許容条件として、変化量の許容範囲（例えば、０～上限）が規定されてよい。上限の閾値は、任意の方法で与えられてよい。これにより、同一の歩行周期内で推定値５７の変化量が負である又は閾値（上限）を超えていることが、許容条件を満たさないこととして判定されてよい。なお、位相の範囲が０～２πで定義される場合、ある歩行周期から次の歩行周期に移る際に、位相の推定値５７が２πに近い値から０に近い値に変動し得る。許容条件は、この通常の歩行による推定値５７の変動が急激な変化又は遡りと判定されないように設定されてよい。
【0176】
推定値５７の変化量が許容条件を満たす場合、ステップＳ２０５１の処理において、制御部２１は、今回の推定サイクルでの補正された推定値５７から、今回の推定サイクルでのアシスト量６１を決定してよい。一方、変化量が許容条件を満たさない場合、制御部２１は、今回の推定サイクルでの補正された推定値５７に依らず、前回の推定サイクルでの補正された推定値５７に基づいて、今回の推定サイクルでのアシスト量６１を決定してよい。今回の推定サイクルでの補正された位相の推定値５７は破棄されてよい。
【0177】
一例では、前回の推定値５７に基づいて、アシスト量６１を決定することは、前回のアシスト量６１を今回のアシスト量６１として使用することにより構成されてよい。すなわち、制御部２１は、前回の推定サイクルでのアシスト量６１をそのまま今回の推定サイクルでのアシスト量６１として採用してよい。変化量が許容条件を満たさない場合、制御部２１は、位相の変化がなかったとして歩行のアシストを制御してよい。
【0178】
他の一例では、前回の推定値５７に基づいて、アシスト量６１を決定することは、１サイクル分の時間経過に伴う変化量を考慮して、前回のアシスト量６１を補正することで、今回のアシスト量６１を取得することにより構成されてよい。例えば、制御部２１は、１サイクル分の時間に基づいて、歩行の周期又はステップ幅から補正された推定値５７を更に補正してよい。そして、制御部２１は、アシストパターン６０に従って、更に補正された推定値から今回の推定サイクルでのアシスト量６１を決定してよい。或いは、制御部２１は、アシストパターン６０に従って、１サイクルの時間に応じた変化量を算出してよい。そして、制御部２１は、算出された変化量により前回の推定サイクルでのアシスト量６１を補正することで、今回の推定サイクルでのアシスト量６１を算出してよい。
【0179】
なお、上記実施形態と同様、推定サイクルを繰り返し実行される間に、ステップＳ２０１の処理により取得される複数のセンサ値５１は、センサデータ３１として保存されてよい。一例では、センサデータ３１は、歩行アシスト装置７０によるアシストを受けた状態での歩行をセンサＳにより計測することで生成されたものであってよい。既に補正モデル４５が生成されている場合、制御装置２Ａは、上記ステップＳ２０１～ステップＳ２０５２の処理により、歩行アシスト装置７０によるアシストを制御してよい。この制御を実行している間に、アシストを受けた状態での歩行のセンサデータ３１（センサ値５１）が獲得されてよい。一方、補正モデル４５が生成されていない場合、制御装置２Ａは、ステップＳ２０３及びステップＳ２０４の処理を省略し、基準モデル４０により得られる位相の推定値５３からアシスト量を決定し、決定されたアシスト量で歩行アシスト装置７０のアシストを制御してよい。この制御を実行している間に、アシストを受けた状態での歩行のセンサデータ３１（センサ値５１）が獲得されてよい。他の一例では、センサデータ３１は、歩行アシスト装置７０によるアシストを受けていない状態での歩行をセンサＳにより計測することで生成されたものであってよい。
【0180】
また、モデル生成装置１は、補正モデル４５を繰り返し生成してよい（すなわち、生成サイクルを繰り返し実行してよい）。一例では、モデル生成装置１は、前回の生成サイクルで生成された補正モデル４５を使用して、基準モデル４０を補正してよい。これに応じて、制御装置２Ａは、ステップＳ２０２の処理において、補正済みの基準モデル４０を使用してよい。他の一例では、モデル生成装置１は、基準モデル４０を更新することなく、生成サイクルの処理を繰り返し、補正モデル４５を更新してよい。いずれの形態でも、補正モデル４５が既に生成されている場合は、制御装置２Ａは、上記のとおり、補正モデル４５を使用して、歩行アシスト装置７０によるアシストを制御してよい。この制御を実行している間に、新たなセンサデータ３１（センサ値５１）が獲得されてよく、獲得された新たなセンサデータ３１は、次回以降の生成サイクルでの補正モデル４５の生成に使用されてよい。更に他の一例では、モデル生成装置１は、歩行アシスト装置７０により歩行のアシストを行っている場面及びアシストを行っていない場面それぞれで、生成サイクルの処理を実行することで、補正モデル４５を生成してよい。制御装置２Ａは、歩行アシスト装置７０により歩行のアシストを行う場面及びアシストを省略する場面で、使用する補正モデル４５を切り替えてよい。
【0181】
（特徴）
第１具体例に係る制御装置２Ａによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺに対して適切なタイミングで歩行のアシストを実行することができる。
第１具体例に係る制御装置２Ａによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺに対して適切なタイミングで歩行のアシストを実行することができる。
【0182】
また、第１具体例では、ユーザＺは、片麻痺等の患者であってよく、歩行アシスト装置７０によるアシストは、リハビリテーションの少なくとも一部として活用されてよい。この場合、歩行アシスト装置７０による歩行のアシストを繰り返し受けることにより、ユーザＺの歩行能力が改善し、ユーザＺの歩行が変化する可能性がある。ユーザＺの歩行が変化すると、補正モデル４５がユーザＺの歩行動作に適合しなくなり、ユーザＺの歩行の位相を精度よく推定することが困難になる可能性がある。これに対して、第１具体例によれば、ステップＳ２０６～ステップＳ２０９の処理により、補正モデル４５による補正の精度を評価することで、使用されている補正モデル４５がそのような状態に陥っているか否かを可視化することができる。これにより、ユーザＺの歩行動作に適合しなくなった補正モデル４５を位相推定に使用し続けることを避けることができる。また、新たな補正モデル４５の生成を促すことで、制御装置２Ａにおける位相推定の精度の維持を図り、適切なタイミングでの歩行アシストの遂行を継続することができる。
【0183】
また、第１具体例によれば、推定サイクルを繰り返し実行する間、ステップＳ２０５１の処理において、位相の推定値５７の変化量が許容条件を満たすか否かを監視することができる。これにより、位相の推定値５７が想定外の挙動を示した場合でも、前回の推定サイクルの推定結果を使用して、適正なアシストを実行することができる。
【0184】
なお、上記第１具体例において、歩行アシスト装置７０は、空気圧方式の人工筋肉の出力により歩行をアシストするように構成されてよい。このように構成される歩行アシスト装置７０の一例として、上記参考文献（国際公開第２０２０／２４６５８７号公報）で提案されている体重免荷装置が用いられてよい。図１５に例示されるアシストパターン６０の一例は、平滑化されていないため、オペレータ（理学療法士）の視認性には優れているが、このアシストパターン６０の形状のまま駆動量を出力すると、スムーズなアシストが困難である。これに対して、空気圧方式の人工筋肉の出力により歩行をアシストするように構成される歩行アシスト装置７０を用いることで、アシストパターン６０が平滑化されていなくても、空気圧方式の人工筋肉のダイナミクス（例えば、モータドライバの遅延遅れ等）により、歩行アシスト装置７０により実際に与えられるアシスト量は平滑化されたものとなる。そのため、当該構成によれば、アシストパターン６０の平滑化を行わなくてもよいため、演算量の増大を招くことなく、スムーズなアシストの実施を期待することができる。また、アシストパターン６０の視認性を確保することができる（例えば、アシストの開始時点及び終了時点を特定しやすい）。なお、制御装置２Ａは、空気圧方式の人工筋肉のダイナミクスにアシストパターン６０を適用することで、歩行アシスト装置７０により出力されるアシスト量を予測してもよい。制御装置２Ａは、予測されたアシスト量を出力装置に出力してもよい。これにより、オペレータ（理学療法士）に実際に出力されるアシスト量を提示してよい。ただし、第１具体例の構成は、このような例に限られなくてよい。他の一例では、制御装置２Ａの制御部２１は、設定されたアシストパターン６０を平滑化してよく、平滑化されたアシストパターン６０に従って、アシスト量６１を決定してもよい。平滑化は、任意の方法で行われてよい。
【0185】
（Ａ－２）機能的電気刺激により痙縮の減弱を行う場面
図１６は、第２具体例に係る推定システムの適用場面の一例を模式的に示す。第２具体例は、機能的電気刺激を与えるタイミングの決定に歩行の位相の推定結果を活用する場面に上記実施形態を適用した例である。第２具体例に係る推定システムは、モデル生成装置１及び制御装置２Ｂを備える。制御装置２Ｂは、上記位相推定装置２の一例である。機能的電気刺激装置７１は、制御対象装置（電気刺激装置）の一例である。
図１６は、第２具体例に係る推定システムの適用場面の一例を模式的に示す。第２具体例は、機能的電気刺激を与えるタイミングの決定に歩行の位相の推定結果を活用する場面に上記実施形態を適用した例である。第２具体例に係る推定システムは、モデル生成装置１及び制御装置２Ｂを備える。制御装置２Ｂは、上記位相推定装置２の一例である。機能的電気刺激装置７１は、制御対象装置（電気刺激装置）の一例である。
【0186】
痙縮は、筋肉が緊張しすぎて、手足が動かし難くなる又は勝手に動いてしまう状態のことである。痙縮は、脳卒中の後遺症として現れる場合がある。この痙縮を抱える患者に対して、機能的電気刺激（functional electrical stimulation）を用いた訓練を行うことにより、筋の痙縮を減弱させ、静的立位バランス及び歩行速度を改善させるという報告がある。第２具体例に係る制御装置２Ｂは、機能的電気刺激装置７１の動作を制御して、この訓練をユーザＺに提供するように構成される。
【0187】
具体的に、制御装置２Ｂは、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。制御装置２Ｂは、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。制御装置２Ｂは、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。制御装置２Ｂは、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、制御装置２Ｂは、補正された位相の推定値５７を取得する。
【0188】
制御装置２Ｂは、補正された位相の推定値５７に応じて、機能的電気刺激６３を与えるか否かを決定する。機能的電気刺激６３を与えるか否かを決定することは、電気刺激装置による電気刺激の量を決定することの一例である。機能的電気刺激６３を与えるタイミングは、上記第１具体例のアシストパターン６０のように、歩行の位相に応じて定義されていてよい。このタイミングの定義情報は、制御装置２Ｂの記憶部等の任意の記憶領域に保存されていてよい。制御装置２Ｂは、当該定義情報を参照することで、補正された位相の推定値５７に応じて、機能的電気刺激６３を与えるか否かを決定してよい。
【0189】
そして、制御装置２Ｂは、機能的電気刺激装置７１を制御するために、決定の結果を示す情報を出力する。一例では、制御装置２Ｂが機能的電気刺激装置７１に直接的に接続されている場合、制御装置２Ｂは、機能的電気刺激６３を与えることを決定したに応じて、機能的電気刺激６３をユーザＺに与えるように機能的電気刺激装置７１を駆動してよい。他の一例では、機能的電気刺激装置７１が制御装置を備える場合、制御装置２Ｂは、機能的電気刺激６３を与えることを決定したに応じて、そのことを示す情報を含む駆動指令を制御装置に送信し、制御装置に対して、機能的電気刺激６３をユーザＺに与えるように機能的電気刺激装置７１を駆動させてよい。
【0190】
すなわち、第２具体例では、位相の推定値５７に関する情報を出力することは、補正された位相の推定値５７に応じて、機能的電気刺激６３を与えるか否かを決定すること、及び決定の結果を示す情報を出力することを含む。これらの点を除き、第２具体例の構成は、上記実施形態と同様であってよい。制御装置２Ｂのハードウェア構成及びソフトウェア構成は、上記位相推定装置２又は制御装置２Ａと同様であってよい。第２具体例において、位相推定プログラムは、上記第１具体例と同様に、制御プログラムと読み替えられてよい。また、制御装置２Ｂの処理手順も、上記位相推定装置２又は制御装置２Ａと同様であってよい。
【0191】
なお、制御装置２Ｂは、通信インタフェース又は外部インタフェースを介して機能的電気刺激装置７１に接続されてよい。機能的電気刺激装置７１は、歩行動作を行うユーザＺに対して機能的電気刺激を与えるように構成される。機能的電気刺激は、特定の機能を達成する（例えば、神経活動を模擬する）ように構成された電気刺激のことである。機能的電気刺激を提供可能であれば、機能的電気刺激装置７１の構成は、特に限定されなくてよく、実施の形態に応じて適宜決定されてよい。機能的電気刺激装置７１には、公知の機能的電気刺激装置が用いられてよい。
【0192】
（特徴）
第２具体例に係る制御装置２Ｂによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺに対して適切なタイミングで機能的電気刺激６３を与えることができる。これにより、適切な訓練をユーザＺに提供することができ、静的立位バランス及び歩行速度の改善を期待することができる。
第２具体例に係る制御装置２Ｂによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺに対して適切なタイミングで機能的電気刺激６３を与えることができる。これにより、適切な訓練をユーザＺに提供することができ、静的立位バランス及び歩行速度の改善を期待することができる。
【0193】
（Ａ－３）歩行中に脊髄神経経路の賦活を計測する場面
図１７は、第３具体例に係る推定システムの適用場面の一例を模式的に示す。脊髄神経経路の賦活を計測する際、歩行の位相に応じて電気刺激を与えることがある。第３具体例は、この電気刺激を与えるタイミングの決定に歩行の位相の推定結果を活用する場面に上記実施形態を適用した例である。第３具体例に係る推定システムは、モデル生成装置１及び制御装置２Ｃを備える。制御装置２Ｃは、上記位相推定装置２の一例である。賦活計測装置７３は、制御対象装置の一例である。
図１７は、第３具体例に係る推定システムの適用場面の一例を模式的に示す。脊髄神経経路の賦活を計測する際、歩行の位相に応じて電気刺激を与えることがある。第３具体例は、この電気刺激を与えるタイミングの決定に歩行の位相の推定結果を活用する場面に上記実施形態を適用した例である。第３具体例に係る推定システムは、モデル生成装置１及び制御装置２Ｃを備える。制御装置２Ｃは、上記位相推定装置２の一例である。賦活計測装置７３は、制御対象装置の一例である。
【0194】
第３具体例では、制御装置２Ｃは、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。制御装置２Ｃは、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。制御装置２Ｃは、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。制御装置２Ｃは、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、制御装置２Ｃは、補正された位相の推定値５７を取得する。
【0195】
制御装置２Ｃは、補正された位相の推定値５７に応じて、電気刺激６５を与えるか否かを決定する。電気刺激６５を与えるか否かを決定することは、賦活計測装置における電気刺激の量を決定するの一例である。電気刺激６５を与えるタイミングは、上記第２具体例と同様に、歩行の位相に応じて定義されていてよい。このタイミングの定義情報は、制御装置２Ｃの記憶部等の任意の記憶領域に保存されていてよい。制御装置２Ｃは、当該定義情報を参照することで、補正された位相の推定値５７に応じて、電気刺激６５を与えるか否かを決定してよい。
【0196】
そして、制御装置２Ｃは、賦活計測装置７３を制御するために、決定の結果を示す情報を出力する。賦活計測装置７３は、電気刺激装置及び筋電測定装置を備えてよい。電気刺激装置は、電気刺激を与えるように構成されてよい。電気刺激装置には、公知の電気刺激装置が用いられてよい。筋電測定装置は、電気刺激による反射（ｈ波、ｍ波等の筋電）を測定するように構成されてよい。筋電測定装置にも、公知の筋電測定装置が用いられてよい。
【0197】
一例では、制御装置２Ｃが賦活計測装置７３に直接的に接続されている場合、制御装置２Ｃは、筋電測定装置によりユーザＺの筋電を測定すると共に、電気刺激６５を与えることを決定したことに応じて、電気刺激６５をユーザＺに与えるように電気刺激装置を駆動してよい。他の一例では、賦活計測装置７３が制御装置を備える場合、制御装置２Ｃは、筋電測定装置によりユーザＺの筋電を測定させるように制御装置に指示を与えると共に、電気刺激６５を与えることを決定したことに応じて、そのことを示す情報を含む駆動指令を制御装置に送信し、制御装置に対して、電気刺激６５をユーザＺに与えるように電気刺激装置を駆動させてよい。
【0198】
すなわち、第３具体例では、位相の推定値５７に関する情報を出力することは、補正された位相の推定値５７に応じて、電気刺激６５を与えるか否かを決定すること、及び決定の結果を示す情報を出力することを含む。これらの点を除き、第３具体例の構成は、上記実施形態と同様であってよい。制御装置２Ｃのハードウェア構成及びソフトウェア構成は、上記位相推定装置２又は制御装置２Ａと同様であってよい。第３具体例において、位相推定プログラムは、上記第１具体例と同様に、制御プログラムと読み替えられてよい。また、制御装置２Ｃの処理手順も、上記位相推定装置２又は制御装置２Ａと同様であってよい。なお、制御装置２Ｃは、通信インタフェース又は外部インタフェースを介して賦活計測装置７３に接続されてよい。
【0199】
（特徴）
第３具体例に係る制御装置２Ｃによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺに対して適切なタイミングで電気刺激６５を与えることができる。これにより、脊髄神経経路の抑制又は促通具合を評価するために、脊髄神経経路の賦活を適切に計測することができる。
第３具体例に係る制御装置２Ｃによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺに対して適切なタイミングで電気刺激６５を与えることができる。これにより、脊髄神経経路の抑制又は促通具合を評価するために、脊髄神経経路の賦活を適切に計測することができる。
【0200】
（Ｂ）歩行の異常を検出する場面
図１８は、第４具体例に係る推定システムの適用場面の一例を模式的に示す。第４具体例は、歩行の位相の推定結果に基づいて歩行の異常を検出する場面に上記実施形態を適用した例である。第４具体例に係る推定システムは、モデル生成装置１及び監視装置２Ｄを備える。監視装置２Ｄは、上記位相推定装置２の一例である。
図１８は、第４具体例に係る推定システムの適用場面の一例を模式的に示す。第４具体例は、歩行の位相の推定結果に基づいて歩行の異常を検出する場面に上記実施形態を適用した例である。第４具体例に係る推定システムは、モデル生成装置１及び監視装置２Ｄを備える。監視装置２Ｄは、上記位相推定装置２の一例である。
【0201】
第４具体例では、監視装置２Ｄは、ユーザＺの歩行に対するセンサＳのセンサ値５１を取得する。監視装置２Ｄは、基準モデル４０を使用して、取得されたセンサ値５１から歩行の位相の推定値５３を算出する。監視装置２Ｄは、補正モデル４５を使用して、算出された位相の推定値５３から誤差５５を推定する。監視装置２Ｄは、推定された誤差５５により、算出された位相の推定値５３を補正する。これにより、監視装置２Ｄは、補正された位相の推定値５７を取得する。
【0202】
監視装置２Ｄは、補正された位相の推定値５７に基づいて、ユーザＺの歩行に異常があるか否かを判定する。ユーザＺが正常に歩行している間、上記図１０Ａに示されるとおり、得られる位相の推定値５７は、直線的に推移する。一方、ユーザＺの歩行に異常が生じると、得られる位相の推定値５７は、正常パターン（直線）から外れる。歩行に異常が生じた場面とは、例えば、転倒リスクが生じた場面である。監視装置２Ｄは、この正常パターンからのずれに応じて、ユーザＺの歩行に異常があるか否かを判定してよい。正常パターンを示す情報は、上記第２具体例等と同様に、定義情報として保持されていてよい。
【0203】
一例では、監視装置２Ｄは、位相の推定値５７と正常パターンとの間のずれの大きさを算出し、算出されたずれの大きさを閾値と比較することで、ユーザＺの歩行に異常があるか否かを判定してよい。他の一例では、監視装置２Ｄは、訓練済みの機械学習モデル等の演算モデルを利用して、位相の推定値５７の正常パターンからのずれを評価し、評価の結果に応じて、歩行に異常があるか否かを判定してよい。
【0204】
そして、監視装置２Ｄは、判定の結果を示す情報を出力する。一例では、判定の結果を示す情報を出力することは、監視装置２Ｄ又は他のコンピュータの出力装置に判定の結果を出力することにより構成されてよい。他の一例では、判定の結果を示す情報を出力することは、ユーザＺの歩行に異常があると判定された場合に、そのことを知らせるためのアラートを監視装置２Ｄ又は他のコンピュータの出力装置に出力することにより構成されてよい。更に他の一例では、判定の結果を示す情報を出力することは、ユーザＺの歩行に異常があると判定された場合に、ユーザＺの歩行をアシストする（例えば、転倒を防止する）ように歩行アシスト装置の動作を制御することにより構成されてよい。
【0205】
制御方法の一例として、監視装置２Ｄが歩行アシスト装置に直接的に接続されている場合、監視装置２Ｄは、ユーザＺの歩行に異常があると判定したことに応じて、ユーザＺの歩行をアシストするように歩行アシスト装置を駆動してよい。他の一例として、歩行アシスト装置が制御装置を備える場合、監視装置２Ｄは、ユーザＺの歩行に異常があると判定したことに応じて、そのことを示す情報を含む駆動指令を制御装置に送信し、制御装置に対して、ユーザＺの歩行をアシストするように歩行アシスト装置を駆動させてよい。歩行アシスト装置は、上記歩行アシスト装置７０と同様であってよい。
【0206】
すなわち、第４具体例では、位相の推定値５７に関する情報を出力することは、補正された位相の推定値５７に基づいて、ユーザＺの歩行に異常があるか否かを判定すること、及び判定の結果を示す情報を出力することを含む。これらの点を除き、第４具体例の構成は、上記実施形態と同様であってよい。監視装置２Ｄのハードウェア構成及びソフトウェア構成は、上記位相推定装置２又は制御装置２Ａと同様であってよい。第４具体例において、位相推定プログラムは、監視プログラムと読み替えられてよい。また、監視装置２Ｄの処理手順も、上記位相推定装置２又は制御装置２Ａと同様であってよい。なお、監視装置２Ｄは、通信インタフェース又は外部インタフェースを介して歩行アシスト装置に接続されてよい。
【0207】
（特徴）
第４具体例に係る監視装置２Ｄによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺの歩行に異常が生じているか否かをリアルタイムに精度よく推定することができる。これにより、ユーザＺの歩行に対して適切なタイミングで介入（例えば、転倒防止のためのアシスト）を行うことができる。
第４具体例に係る監視装置２Ｄによれば、上記実施形態と同様に、補正モデル４５を使用することで、簡易かつリアルタイムにユーザＺの歩行の位相を精度よく推定することができる。その結果、ユーザＺの歩行に異常が生じているか否かをリアルタイムに精度よく推定することができる。これにより、ユーザＺの歩行に対して適切なタイミングで介入（例えば、転倒防止のためのアシスト）を行うことができる。
【0208】
【0209】
例えば、上記モデル生成装置１の処理手順において、ステップＳ１０４～ステップＳ１０７の処理は省略されてよい。これに応じて、評価部１１５は、モデル生成装置１のソフトウェア構成から省略されてよい。上記モデル生成装置１の処理手順において、ステップＳ１０７の処理は省略されてよい。この場合、制御部１１は、ステップＳ１０６の処理の後、ステップＳ１０８に処理を進めてもよい。
【0210】
上記モデル生成装置１の処理手順において、ステップＳ１０６の処理は省略されてよい。推定値３３のばらつきの大きさが閾値を超えている場合、制御部１１は、ばらつきを大きくしている要因となっている周期のデータ（典型的には、歩行し始め／歩行終了間際のデータ）を除外し、ばらつきの大きさを抑えた上で、補正モデル４５を生成してよい。一例では、制御部１１は、各周期における推定値３３のうちの外れ値を特定し、外れ値を除外した上で、補正モデル４５を生成してよい。外れ値の特定には、公知の統計的手法が採用されてよい。
【0211】
上記モデル生成装置１の処理手順において、ステップＳ１１０の処理は省略されてよい。モデル生成装置１及び位相推定装置２が一体的に構成される場合、上記モデル生成装置１の処理手順において、ステップＳ１０９の処理は省略されてよい。
【0212】
また、例えば、歩行の周期（０～２πの範囲）には、重要区間が設けられてよい。重要区間は、例えば、オペレータの指定、プログラム内の設定値等の任意の方法で与えられてよい。上記ステップＳ１０８では、制御部１１は、重要区間に対する誤差評価の重みを他の区間よりも大きくすることで、重要区間における補正の精度が他の区間よりも高くなるように補正モデル４５のパラメータを調整してよい。これにより、重要区間における歩行の位相の推定精度の向上を図ることができる。
【0213】
また、例えば、上記位相推定装置２（制御装置２Ａ）の処理手順において、ステップＳ２０６～ステップＳ２０９の処理は省略されてよい。これに応じて、監視部２１６は、位相推定装置２（制御装置２Ａ）のソフトウェア構成から省略されてよい。上記位相推定装置２（制御装置２Ａ）の処理手順において、ステップＳ２１０の処理は省略されてよい。他の一例では、制御部２１は、割り込みによる停止命令が与えられるまで、推定サイクルを繰り返し実行してよい。
【0214】
上記位相推定装置２（制御装置２Ａ）の処理手順において、ステップＳ２０８の処理により算出される誤差が閾値を超えている場合に、制御部２１は、モデル生成装置１に対してそのことを示す通知を出力してよい。モデル生成装置１は、その通知を受け取ったことに応じて、ステップＳ１０１から処理を実行し、新たな補正モデル４５を生成してよい。モデル生成装置１は、新たな補正モデル４５を任意の方法で位相推定装置２（制御装置２Ａ）に提供してよい。位相推定装置２（制御装置２Ａ）は、新たな補正モデル４５を受け取ったことに応じて、推定サイクルの実行を再開してよい。モデル生成装置１及び位相推定装置２（制御装置２Ａ）が一体的に構成される場合には、コンピュータは、ステップＳ２０８の処理により算出される誤差が閾値を超えていることに応じて、モデル生成装置１としても動作して、新たな補正モデル４５を自動的に生成してよい。
【0215】
また、例えば、補正モデル４５が生成されていない段階では、制御部２１は、ステップＳ２０３及びステップＳ２０４の処理を省略してよい。この場合、制御部２１は、ステップＳ２０２の処理により、基準モデル４０から得られる位相の推定値５３を使用して、ステップＳ２０５の出力処理を実行してよい。上記ステップＳ２０５１では、制御部２１は、位相の推定値５３からアシスト量６１を決定してよい。
【0216】
また、上記実施形態の推定段階において、センサ値５１の伝送（例えば、データ通信の遅延）、センサ値５１を得る前処理（例えば、フィルタリング）を含む推定処理の演算負荷等の影響により、センサ値５１を得てから位相の推定値５３を得るまでに遅れが生じてしまう（すなわち、少し遅れた時間の位相を推定する）可能性がある。一例として、足底センサ（センサＳ）をインソールに配置し、無線通信でデータを伝送する構成を採用した場合に、無線通信の遅延の影響により、センサ値５１を得てから位相の推定値５３を得るまでに遅れが生じる可能性がある。加えて、制御対象装置を駆動する形態（制御装置２Ａ～２Ｃ）を採用する場合に、出力の過程でも遅延が生じる可能性がある。一例として、制御対象装置がアクチュエータを含む場合に、アクチュエータに設定値（駆動量）を入力してから実際に出力が得られるまでに時間がかかることで、遅延が生じる可能性がある。
【0217】
図１９は、位相の推定に関する遅延を説明するための図である。図１９では、実線は、測定される位相（補正された位相の推定値５７）を示し、点線は、反映時点における実際の位相（例えば、歩行アシスト装置７０により歩行を実際にアシストするタイミングの位相）を示す。上記のとおり、位相の推定に関する遅延は、センサ値５１を得る過程（センサ値５１の伝送等）、補正された位相の推定値５７を得る演算過程（前処理、上記推定処理等）、及び推定結果を出力する過程（制御対象装置の駆動等）の少なくともいずれかで生じ得る。この遅延の影響により、実際の位相と測定される位相との間にはずれが生じ得る。これに対応するため、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、位相の推定に関する遅延による位相のずれを特定し、特定された位相のずれにより、補正された位相の推定値５７を更に補正するように構成されてよい。遅れに応じた補正量は、単位時間当たりの位相の変化量等から適宜推定されてよい。
【0218】
図２０は、上記位相推定装置２の処理手順の他の一例を示すフローチャートである。以下で説明する位相推定装置２の処理手順は、位相推定方法（情報処理方法）の一例である。ただし、以下で説明する位相推定装置２の処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。また、以下の処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が行われてよい。
【0219】
図２０の一例では、位相推定装置２の処理手順は、ステップＳ２０４及びステップＳ２０５の間に、ステップＳ２０４１及びステップＳ２０４２の処理を更に含んでいる。これらの点を除いて、位相推定装置２の処理手順は、上記図９の位相推定装置２の処理手順と同様であってよい。その他のステップ（Ｓ２０１～Ｓ２０４、Ｓ２０５～Ｓ２１０）の処理は、上記実施形態と同様であってよい。
【0220】
（ステップＳ２０４１）
ステップＳ２０４１では、制御部２１は、補正部２１４として動作し、位相の推定に関する遅延による位相のずれを特定する。一例では、制御部２１は、「単位時間当たりの位相の変化量×遅延時間」の演算により、遅延による位相のずれを算出してよい。単位時間当たりの位相の変化量及び遅延時間の情報は適宜得られてよい。
ステップＳ２０４１では、制御部２１は、補正部２１４として動作し、位相の推定に関する遅延による位相のずれを特定する。一例では、制御部２１は、「単位時間当たりの位相の変化量×遅延時間」の演算により、遅延による位相のずれを算出してよい。単位時間当たりの位相の変化量及び遅延時間の情報は適宜得られてよい。
【0221】
単位時間当たりの位相の変化量は、歩行時の位相の角速度から推定されてよい。単純な方法の一例として、制御部２１は、位相の推定を繰り返す過程で、前回のサンプリングにおける推定値５７と今回のサンプリングにおける推定値５７との差分をサンプリング周期で割ることにより、単位時間当たりの位相の変化量の推定値を算出してよい。制御部２１は、各サンプリングのタイミングで算出される変化量の推定値を適宜平滑化してよく、平滑化された推定値を上記演算の「単位時間当たりの位相の変化量」として使用してよい。なお、この方法を採用する場合、複数のサンプルが得られていない段階（初回演算時）では、ステップＳ２０４１及びステップＳ２０４２の処理は適宜処理されてよい（例えば、省略されてよい）。
【0222】
一方、遅延時間は、予め得られてよい。位相の推定に関する遅延は、センサ値５１の取得過程（センサ値５１の伝送等）の遅延、補正された位相の推定値５７を算出する演算過程（前処理、上記推定処理等）の遅延、及び推定結果の出力過程（制御対象装置の駆動等）の遅延少なくともいずれかを含んでよい。遅延時間は、任意の方法で計測されてよい。センサ値５１の取得過程における遅延時間を得る方法の一例として、センサＳと同種のセンサであって、伝送遅延を無視可能なセンサとセンサＳとにより同時に測定を行い、得られたデータを比較することで、遅延時間を計測することができる。具体例として、センサＳのセンサデータを無線通信により伝送する構成を採用する場合、センサＳ（無線センサ）と有線センサとをコンピュータに接続し、コンピュータ上で、有線センサから得られるセンサデータに対するセンサＳから得られるセンサデータの遅れを計測することで、遅延時間が得られてよい。他の一例では、センサＳの伝送規格について公知の情報（例えば、Bluetooth（登録商標）では、各コーデックの一般的な遅延時間が知られている）から遅延時間が得られてもよい。他の一例では、コンピュータ制御によりパルス状の刺激（例えば、荷重）をセンサＳに与えてから、その刺激に対するセンサ値が得られるまでの時間を計測することにより遅延時間が得られてもよい。演算過程における遅延時間を得る方法の一例として、センサ値５１を取得してから情報を出力するまでの演算にかかる時間を計測し、計測された時間を遅延時間として得てよい。演算にかかる時間は、コンピュータ（位相推定装置２）のＣＰＵの演算能力に応じて適宜特定されてよい。出力過程における遅延時間を得る方法の一例として、制御対象装置に指示を与えて、その指示に応じた出力が制御対象装置から得られるまでの時間を遅延時間として得てよい。具体例として、制御対象装置は、アクチュエータを備えてよい（例えば、上記歩行アシスト装置７０において、アシスト量をアクチュエータにより出力するケース）。この場合、コンピュータ制御によりアクチュエータに指示を与えてから実際に出力が得られるまでの時間を遅延時間として計測してよい。実際に出力が得られた時点は、ロードセル、圧力センサ（流体圧アクチュエータを用いる場合）、電流計（モータ駆動のアクチュエータを用いる場合）等のセンサの計測値から特定されてよい。なお、出力過程のおける遅延時間は、動的に変動する可能性がある。例えば、空気圧方式の人工筋肉では、内圧を上げる際には遅延時間が短いが、内圧を下げる際には遅延時間が長くなることがある。そのため、出力過程における遅延時間は、歩行の位相（推定値５７）に応じて変化するように構成されてもよい。一例として、上記歩行アシスト装置７０を制御する場面では、出力過程における遅延時間は、アシストパターン６０及び推定値５７に応じて決定されてよい。例えば、出力過程における遅延時間は、アシスト量が増加する過程の第１遅延時間及び減少する過程の第２遅延時間により構成されてよい。制御装置２Ａは、推定値５７から決定されるアシスト量６１の時点が、アシストパターン６０におけるアシスト量の増加過程か減少過程かを判別し、第１遅延時間及び第２遅延時間のいずれを採用するかを選択してよい。各遅延時間の値は、歩行アシスト装置７０の特性（バルブの特性等）に応じて決定されてよい。なお、第１遅延時間と第２遅延時間との間に差があることで、使用する遅延時間を一時点で切り替えると、特定される位相のずれ（補正量）が不連続になり得る。これに対応するため、第１遅延時間から第２遅延時間に切り替える際、及び第２遅延時間から第１遅延時間に切り替える際に、制御装置２Ａは、第１遅延時間及び第２遅延時間の間で遅延時間の値を補間し、使用する遅延時間を漸近的に変更させてよい。位相推定装置２は、これらの遅延時間の情報を予め保持してよい。制御部２１は、上記いずれかの方法により、単位時間当たりの位相の変化量及び遅延時間の情報を取得し、取得された情報に従って、「単位時間当たりの位相の変化量×遅延時間」の演算を実行することで、遅延による位相のずれを算出してよい。位相のずれを特定すると、制御部２１は、次のステップＳ２０４２に処理を進める。
【0223】
（ステップＳ２０４２）
ステップＳ２０４２では、制御部２１は、補正部２１４として動作し、特定された位相のずれにより、補正された位相の推定値５７を更に補正する。具体的には、制御部２１は、補正された位相の推定値５７に特定されたずれを加算することで、更に補正された位相の推定値を算出してよい。
ステップＳ２０４２では、制御部２１は、補正部２１４として動作し、特定された位相のずれにより、補正された位相の推定値５７を更に補正する。具体的には、制御部２１は、補正された位相の推定値５７に特定されたずれを加算することで、更に補正された位相の推定値を算出してよい。
【0224】
これに応じて、ステップＳ２０５における補正された位相の推定値５７に関する情報は、更に補正された位相の推定値に関する情報により構成されてよい。上記制御対象装置の動作を制御する場面では、補正された位相の推定値５７から制御対象装置の駆動量を決定することは、更に補正された位相の推定値から制御対象装置の駆動量を決定することにより構成されてよい。上記歩行アシスト装置７０を用いる場面では、補正された位相の推定値５７からアシスト量６１を決定することは、更に補正された位相の推定値からアシスト量６１を決定することにより構成されてよい。上記電気刺激装置（機能的電気刺激装置７１）を用いる場面では、補正された位相の推定値５７から電気刺激装置による電気刺激の量を決定するは、更に補正された位相の推定値から電気刺激装置による電気刺激の量を決定することにより構成されてよい。上記賦活計測装置７３を用いる場面では、補正された位相の推定値５７から賦活計測装置７３における電気刺激の量を決定することは、更に補正された位相の推定値から賦活計測装置７３における電気刺激の量を決定することにより構成されてよい。上記歩行の異常を検出する場面では、補正された位相の推定値５７に基づいて、ユーザＺの歩行に異常があるか否かを判定することは、更に補正された位相の推定値に基づいて、ユーザＺの歩行に異常があるか否かを判定することにより構成されてよい。
【0225】
なお、ステップＳ２０４１の処理を実行するタイミングは、図２０の例に限られなくてよい。ステップＳ２０４１の処理は、ステップＳ２０４２の前の任意のタイミングに実行されてよい。また、図２０の例では、位相の推定を繰り返す度に、ステップＳ２０４１の処理が実行されている。しかしながら、ステップＳ２０４１の処理は、位相の推定を繰り返す度に必ずしも実行されなくてもよい。他の一例では、ステップＳ２０４１の処理は所定期間経過毎に実行されてよく、所定期間の間、ステップＳ２０４２の処理では、得られた位相のずれの値が繰り返し使用されてよい。
【0226】
（特徴）
本変形例によれば、遅延の影響を低減することができる。その結果、制御対象装置を制御する場面では、制御対象装置（歩行アシスト装置７０、機能的電気刺激装置７１、賦活計測装置７３）をより適切なタイミングで動作制御することができる。上記歩行アシスト装置７０を制御する場面では、遅延による影響を低減する他の方法として、上記位相のずれによる更なる補正を行うのではなく、アシストパターン６０を遅延に応じて修正する（ユーザに応じて再調整する）方法が挙げられる。ただし、この方法を採用した場合には、ユーザにより、遅延の影響が異なり得るため、与えるアシストパターンをユーザ間で比較することが困難になる。これに対して、補正モデル４５による補正と共に上記位相のずれによる更なる補正を採用した場合には、アシストパターン６０を変更しなくてもよいため、ユーザ間での比較が容易になる。また、アシストパターン６０を歩行のタイプに応じてテンプレート化することができる。また、歩行の異常を検出する場面では、歩行に異常があるか否かをよりリアルタイムに検出することができる。
本変形例によれば、遅延の影響を低減することができる。その結果、制御対象装置を制御する場面では、制御対象装置（歩行アシスト装置７０、機能的電気刺激装置７１、賦活計測装置７３）をより適切なタイミングで動作制御することができる。上記歩行アシスト装置７０を制御する場面では、遅延による影響を低減する他の方法として、上記位相のずれによる更なる補正を行うのではなく、アシストパターン６０を遅延に応じて修正する（ユーザに応じて再調整する）方法が挙げられる。ただし、この方法を採用した場合には、ユーザにより、遅延の影響が異なり得るため、与えるアシストパターンをユーザ間で比較することが困難になる。これに対して、補正モデル４５による補正と共に上記位相のずれによる更なる補正を採用した場合には、アシストパターン６０を変更しなくてもよいため、ユーザ間での比較が容易になる。また、アシストパターン６０を歩行のタイプに応じてテンプレート化することができる。また、歩行の異常を検出する場面では、歩行に異常があるか否かをよりリアルタイムに検出することができる。
【0227】
＜４．３＞
上記実施形態及び変形例では、補正モデル４５は、ユーザＺの歩行速度に関係なく使用されてもよい。ただし、後述する実験例により、基準モデルを使用して算出されるユーザの歩行の位相の推定値と理想値との間の誤差は歩行速度に応じて変わり得ることが分かった。そこで、上記実施形態及び変形例において、補正モデル４５は、ユーザＺの歩行速度に応じて生成されてもよい。一例では、補正モデル４５は、２ｋｍ／ｈ、３ｋｍ／ｈ、４ｋｍ／ｈ等の基準速度毎に生成されてよい。基準速度は、一定値で指定されてもよいし、或いは数値範囲で指定されてもよい。なお、以下では、説明の便宜上、基準速度は、一定値で指定されたものとして説明する。
上記実施形態及び変形例では、補正モデル４５は、ユーザＺの歩行速度に関係なく使用されてもよい。ただし、後述する実験例により、基準モデルを使用して算出されるユーザの歩行の位相の推定値と理想値との間の誤差は歩行速度に応じて変わり得ることが分かった。そこで、上記実施形態及び変形例において、補正モデル４５は、ユーザＺの歩行速度に応じて生成されてもよい。一例では、補正モデル４５は、２ｋｍ／ｈ、３ｋｍ／ｈ、４ｋｍ／ｈ等の基準速度毎に生成されてよい。基準速度は、一定値で指定されてもよいし、或いは数値範囲で指定されてもよい。なお、以下では、説明の便宜上、基準速度は、一定値で指定されたものとして説明する。
【0228】
生成された複数の補正モデル４５の使用方法の一例として、推定段階では、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、ユーザＺの歩行速度を測定し、測定された歩行速度に応じて、複数の補正モデル４５のうちのいずれかを選択してよい。位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、例えば、測定された歩行速度に最も近い基準速度で生成された補正モデル４５を選択してよい。そして、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、選択された補正モデル４５を使用して、ユーザＺの歩行の推定値５３を補正してよい。これにより、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、補正された位相の推定値５７を取得してよい。
【0229】
使用方法の他の一例では、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、測定された歩行速度に応じて、複数の補正モデル４５それぞれの合成比を決定してよい。決定方法の一例として、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、歩行速度の測定値に基準速度が近いほど、対応する補正モデル４５の合成比が高く、歩行速度の測定値に基準速度が離れているほど、対応する補正モデル４５の合成比が低くなるように各補正モデル４５の合成比を決定してよい。次に、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、決定された合成比で各補正モデル４５を合成することで、合成された補正モデル（以下、「合成補正モデル」と称する）を生成してよい。位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、生成された合成補正モデルを使用して、ユーザＺの歩行の推定値５３を補正してよい。これにより、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、補正された位相の推定値５７を取得してよい。
【0230】
なお、ユーザＺの歩行速度は、任意のセンサにより測定されてよい。ユーザＺの歩行速度の測定には、センサＳが用いられてもよいし、センサＳ以外の他のセンサが用いられてもよい。センサＳを歩行速度の測定にも使用する場合、歩行速度の測定のための情報処理は、歩行の位相推定のための情報処理と少なくとも部分的に共通であってもよいし、或いは歩行の位相推定のための情報処理とは完全に別個であってもよい。ユーザＺがトレッドミル上で歩行する場合、トレッドミルの速度が、ユーザＺの歩行速度として使用されてよい。すなわち、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、トレッドミルからユーザＺの歩行速度の測定値を得てよい。他の一例では、歩行の位相の変化量は、歩行速度に比例し得る。そこで、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、歩行の位相の推定結果から歩行速度を推定してもよい。
【0231】
更に他の一例では、歩行速度が速いほど、ユーザＺの足底に作用する荷重が大きくなり得る。そこで、足底センサを使用する場合、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、足底センサの測定値から歩行速度を推定してよい。或いは、補正モデル４５の指標として、足底に作用する荷重が、歩行速度に代えて／共に使用されてよい。すなわち、補正モデル４５は、ユーザＺの足底に作用する荷重に応じて生成されてよい。この場合、生成された複数の補正モデル４５は、上記歩行速度の例と同様に使用されてよい。一例では、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、足底センサの測定値に応じて、複数の補正モデル４５のうちのいずれかを選択してよい。他の一例では、位相推定装置２（制御装置２Ａ～２Ｃ、監視装置２Ｄ）は、足底センサの測定値に応じて複数の補正モデル４５を合成してもよい。
【0232】
§５ 実験例
上記実施形態の有効性を検証するため、以下の実験を行った。ただし、本発明は、以下の実験例に限定されるものではない。
上記実施形態の有効性を検証するため、以下の実験を行った。ただし、本発明は、以下の実験例に限定されるものではない。
【0233】
実験例では、健常な成人男性２名それぞれについて、基準モデルに対する補正モデルを生成し、トレッドミル上での歩行の位相を推定した。基準モデル（φａｖｇ）として、以下の式１～４で示される倒立振り子台車モデルにより歩行ダイナミクスを近似することで得られるモデルにより構成される推定器を用いた（参考文献：J. Morimoto, G. Endo, J. Nakanishi, and G. Cheng. A Biologically Inspired Biped Locomotion Strategy for Humanoid Robots: Modulation of Sinusoidal Patterns by a Coupled Oscillator Model. IEEE Transactions on Robotics, 24(1):185-191, Feb. 2008）。
【0234】
【数1】
・・・（式１）
【数2】
・・・（式２）
ここで、式１の左辺及び式２の左辺は、足底センサにより推定される歩行の位相及び人の歩行ダイナミクスにより生成される位相である。また、ωｃ（＞０）及びωａｖｇ（＞０）は、人の歩行ダイナミクス及び推定器の固有振動数である。Ｋｃ及びＫａｖｇは、正のカップリング定数である。このモデルに基づくと、基準モデルによる位相推定は、以下の式３及び式４により可能となる。
【0235】
【数3】
・・・（式３）
【数4】
・・・（式４）
ここで、ｙは、倒立振り子台車の床面の基準点を中心とした圧力中心である。ｆｒ及びｆｌは、足底センサにより測定される左右の正規化された垂直荷重である。
【0236】
補正モデル（φｓｔｙｌｅ）及び基準モデルの間の関係は、以下の式５により表現することができる。
【0237】
【数5】
・・・（式５）
ここで、φｈは、位相の理想値（真値）である。本実験例では、各被験者に一定の速度で歩行させ、得られたデータに対して踵接地から次の踵接地を検出することで分割し、０から２πの範囲に正規化することによりφｈを得た。補正モデル（φｓｔｙｌｅ）には、以下の式６及び式７により示される関数を用いた。
【0238】
【数6】
・・・（式６）
【数7】
・・・（式７）
Ｍは基底関数の分割数であり、Ｍが大きいほど位相空間の細かい変動に追従できる。本実験例では、Ｍは、２５とした。
【0239】
歩行の位相の推定には、足底センサとしてフォースセンシングレジスタを用いた。左右それぞれの靴のインソールの下側において、踵及び母指球それぞれに対応する位置に足底センサを配置した（すなわち、合計４つの足底センサを使用した）。センサ読取ユニットを被験者の腰部にベルトで固定し、各足底センサ及びセンサ読取ユニットを有線で接続した。センサ読取ユニットは、パーソナルコンピュータとＬＡＮケーブルで接続し、ＰｏＥ（Power Over Ethernet）により電力を供給した。
【0240】
実験例では、センサ読取ユニットにおいて、足底センサの測定値（ＦＳＲの電圧）に対して１６ビットのＡＤ変換を実行した。そして、パーソナルコンピュータにおいて、２５０Ｈｚの制御周期でサンプリングした。フォースセンシングレジスタは、荷重の増加に対して非線形に抵抗が減少する特性を有する。そのため、フォースセンシングレジスタのモデルを用いて各足底センサの測定値を線形化し、かつ踵及び母指球の測定値の合計を正規化することで、ｆｒ及びｆｌを算出した。トレッドミルは、外部電圧制御できるようにセットアップした。
【0241】
準備段階では、補正モデルを生成するため、トレッドミルの速度を２ｋｍ／ｈ（０．５６ｍ／ｓ）に設定し、２５秒間の歩行を行った際の足底センサのデータを取得した。計測開始のタイミングは、各被験者によって操作したため、１歩行サイクルの途中で歩行の計測が開始された。よって、１サイクル目のデータを除いたデータを用いて、二乗誤差が最小になるようにオフラインの機械学習を実行することで、各被験者の補正モデルを生成した。
【0242】
推定段階では、生成された補正モデルを使用して、各被験者の歩行の位相をリアルタイムに推定した。トレッドミルの最初の速度は、１ｋｍ／ｈ（０．２８ｍ／ｓ）に設定した。しばらく後に、トレッドミルの速度を３ｋｍ／ｈ（０．８３ｍ／ｓ）まで加速させた。その後、トレッドミルの速度を２ｋｍ／ｈ（０．５６ｍ／ｓ）まで減速させ、停止させた。各被験者には、トレッドミルの速度に応じて歩行位置を維持し、快適な歩幅で歩行させた。パーソナルコンピュータでは、基準モデル及び補正モデルを使用して、リアルタイムに２５０Ｈｚで位相の推定結果（補正された推定値）を算出し、得られた推定結果をＲＡＭに一時的に格納した。そして、１回の歩行実験が完了した後に、ＲＡＭに格納された推定結果のデータをストレージに保存した。データのサンプリングから歩行の位相推定までを２５０Ｈｚ（４ミリ秒以内）で完了（すなわち、リアルタイム解析）可能であることを確認した。
【0243】
図２１Ａ及び図２１Ｂは、第１被験者及び第２被験者に対するリアルタイムの位相推定実験の結果を示す。具体的には、図２１Ａ及び図２１Ｂは、上から順に、位相の推定結果、トレッドミルの速度及び足底センサの測定値（線形化した後の荷重推定値）を示す。図２１Ａ及び図２１Ｂに示されるとおり、補正モデルを使用することで、簡易かつリアルタイムに歩行の位相を精度よく推定可能であることが分かった。また、歩行速度が多少変動しても、補正モデルを使用することで、歩行の位相を精度よく推定可能であることが分かった。なお、本実験例では、トレッドミルの速度を２ｋｍ／ｈ（０．５６ｍ／ｓ）に設定して、補正モデルを生成した（キャリブレーションした）。これに応じて、トレッドミルの速度が異なる条件下では、位相の推定結果にわずかな歪みが生じた。この結果から、基準モデルを使用して算出されるユーザの歩行の位相の推定値と理想値との間の誤差は歩行速度に応じて変わり得ることが分かった。そこで、上記のとおり、ユーザの歩行速度に応じて補正モデルを用意することで、更に精度よくユーザの歩行の位相を推定可能であることが推測された。
【符号の説明】
【0244】
１…モデル生成装置、
１１…制御部、１２…記憶部、
１３…通信インタフェース、１４…外部インタフェース、
１５…入力装置、１６…出力装置、１７…ドライブ、
８１…モデル生成プログラム、９１…記憶媒体、
１１１…データ取得部、１１２…位相推定部、
１１３…算出部、１１４…生成部、１１５…評価部、
１２１…基準モデルデータ、１２５…補正モデルデータ、
３１…センサデータ、３３…推定値、３５…理想値、
４０…基準モデル、４５…補正モデル、
２…位相推定装置、
２１…制御部、２２…記憶部、
２３…通信インタフェース、２４…外部インタフェース、
２５…入力装置、２６…出力装置、２７…ドライブ、
８２…位相推定プログラム、９２…記憶媒体、
２１１…取得部、２１２…位相推定部、
２１３…誤差推定部、２１４…補正部、
２１５…出力部、２１６…監視部、
５１…センサ値、５３…推定値、５５…誤差、
５７…（補正された位相の）推定値
１１…制御部、１２…記憶部、
１３…通信インタフェース、１４…外部インタフェース、
１５…入力装置、１６…出力装置、１７…ドライブ、
８１…モデル生成プログラム、９１…記憶媒体、
１１１…データ取得部、１１２…位相推定部、
１１３…算出部、１１４…生成部、１１５…評価部、
１２１…基準モデルデータ、１２５…補正モデルデータ、
３１…センサデータ、３３…推定値、３５…理想値、
４０…基準モデル、４５…補正モデル、
２…位相推定装置、
２１…制御部、２２…記憶部、
２３…通信インタフェース、２４…外部インタフェース、
２５…入力装置、２６…出力装置、２７…ドライブ、
８２…位相推定プログラム、９２…記憶媒体、
２１１…取得部、２１２…位相推定部、
２１３…誤差推定部、２１４…補正部、
２１５…出力部、２１６…監視部、
５１…センサ値、５３…推定値、５５…誤差、
５７…（補正された位相の）推定値
【要約】
コンピュータが、ユーザの１周期以上の歩行をセンサにより計測することで生成されたセンサデータを取得し、基準モデルを使用して、センサデータにおける歩行の位相の推定値を算出し、センサデータに表れる歩行の周期に基づいて、算出される推定値に対応する位相の理想値を算出し、かつ歩行位相の推定値及び理想値の間の誤差をモデル化することにより、補正モデルを生成する。これにより、簡易かつリアルタイムに歩行の位相を精度よく推定するための技術を提供する。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10A】
【図10B】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21A】
【図21B】