(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-05-21
(45)【発行日】2024-05-29
(54)【発明の名称】演算装置の作動方法、及び、演算装置
(51)【国際特許分類】
A61B 10/00 20060101AFI20240522BHJP
A61B 5/11 20060101ALI20240522BHJP
A61B 5/18 20060101ALI20240522BHJP
【ＦＩ】
A61B10/00 W
A61B5/11 200
A61B5/18
【請求項の数】
12
(21)【出願番号】P 2020167162
(22)【出願日】2020-10-01
(65)【公開番号】P2022059422
(43)【公開日】2022-04-13
【審査請求日】2023-05-23
(73)【特許権者】
【識別番号】504143441
【氏名又は名称】国立大学法人 奈良先端科学技術大学院大学
(74)【代理人】
【識別番号】100111567
【弁理士】
【氏名又は名称】坂本 寛
(72)【発明者】
【氏名】和田 隆広
(72)【発明者】
【氏名】佐藤 勇起
(72)【発明者】
【氏名】岡藤 勇希
【審査官】増渕 俊仁
(56)【参考文献】
【文献】特開２０２０－１３１８８２（ＪＰ，Ａ）
【文献】特開２０２０－０１８７７０（ＪＰ，Ａ）
【文献】特開２０２０－１２４３７０（ＪＰ，Ａ）
【文献】特表２０１０－５１４４９８（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ９／００－１０／０６
Ａ６１Ｂ ５／０６－５／２２
Ａ６１Ｂ ５／００－５／０１
Ａ６１Ｂ ３／００－３／１８
Ｂ６０Ｗ １０／００
Ｂ６０Ｗ ３０／００－６０／００
(57)【特許請求の範囲】
【請求項1】
入力値から動揺病の推定値を算出する演算モデルを用いた演算処理を実行する演算装置の作動方法において、前記演算装置が実行する前記演算処理は、
第１の時点において人の身体に与えられた運動刺激を表す第１の身体運動値を取得し、
前記第１の時点において前記人の身体に与えられる運動刺激を表す身体運動値の予測値である第２の身体運動値を、前記第１の時点以前の時点に前記人の身体に与えられた運動刺激を表す身体運動値の履歴を用いて予測し、
前記第１の身体運動値と前記第２の身体運動値とに基づく値を前記入力値として前記演算モデルに入力し、前記人の前記第１の時点における前記動揺病の推定値を算出する、ことを含む、
演算装置の作動方法。
【請求項2】
前記第２の身体運動値を予測することは、前記身体運動値の履歴を解析することを含む請求項１に記載の演算装置の作動方法。
【請求項3】
前記第２の身体運動値を予測することにおいては、さらに、前記第１の時点に前記人の身体に与えられる前記運動刺激に影響を与える環境情報を用いる請求項１に記載の演算装置の作動方法。
【請求項4】
前記第１の身体運動値及び前記身体運動値の履歴は加速度を含み、前記第２の身体運動値は、前記加速度の予測値を含む
請求項１～３のいずれか一項に記載の演算装置の作動方法。
【請求項5】
前記入力値は、前記第１の身体運動値に前記加速度の予測値を用いて得られる値を含む請求項４に記載の演算装置の作動方法。
【請求項6】
前記第１の身体運動値及び前記身体運動値の履歴は角速度を含み、前記第２の身体運動値は、前記角速度の予測値を含む
請求項１～３のいずれか一項に記載の演算装置の作動方法。
【請求項7】
前記入力値は、前記第１の身体運動値に前記角速度の予測値を用いて得られる値を含む請求項６に記載の演算装置の作動方法。
【請求項8】
前記第２の身体運動値を予測することは、身体運動値の履歴から身体運動値を予測する予測アルゴリズムを用いることを含む請求項１～７のいずれか一項に記載の演算装置の作動方法。
【請求項9】
前記演算モデルは、感覚器での運動感覚量に対応した値と、中枢神経系に構築されている前記感覚器の内部モデルで推定された運動感覚量である運動推定量に対応した値と、の差に基づいて前記動揺病の推定値を算出する請求項１～８のいずれか一項に記載の演算装置の作動方法。
【請求項10】
前記入力値を前記演算モデルに入力することは、前記第２の身体運動値を、前記第２の身体運動値の予測の信頼度に応じて調整して入力することを含む請求項１～９のいずれか一項に記載の演算装置の作動方法。
【請求項11】
前記第２の身体運動値を調整することは、前記信頼度が高いと前記演算モデルへの入力度合いを高くし、前記信頼度が低いと前記入力度合を低くすることを含む請求項１０に記載の演算装置の作動方法。
【請求項12】
入力値から動揺病の推定値を算出する演算装置であって、第１の時点において人の身体に与えられた運動刺激を表す第１の身体運動値を入力する入力部と、
前記人の前記動揺病の推定値を算出する演算部と、を備え、
前記演算部は、
前記第１の時点において前記人の身体に与えられる運動刺激を表す身体運動値の予測値である第２の身体運動値を、前記第１の時点以前の時点に前記人の身体に与えられた運動刺激を表す身体運動値の履歴を用いて予測し、
前記第１の身体運動値と前記第２の身体運動値とに基づく値を前記入力値として、前記入力値から前記動揺病の推定値を算出する演算モデルに入力し、前記人の前記第１の時点における前記動揺病の推定値を算出する、ことを含む
演算装置。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、演算方法、及び、演算装置に関する。
【背景技術】
【0002】
動揺病は平衡失調に起因する疾病であり、車酔い、船酔いなどが含まれる。そのため、車両や船舶などの乗り物の快適性（乗り心地）を向上させるために、動揺病の発生や程度を抑えることは効果的である。
【0003】
この点について、本願発明者による特開２０２０－１８７７０号公報（以下、特許文献１）は、前庭感覚（半規管、耳石）と視覚、及び、それらの統合過程を模した数理モデルから構築された、動揺病の原因といわれる「感覚矛盾説」に基づく数理モデルを開示している。この数理モデルを用いることで、動揺病の程度を算出し、乗り物の揺れの制御などを行うことが可能になる。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０２０－１８７７０号公報
【発明の概要】
【0005】
乗り物の快適性をより向上させるには、動揺病の程度を高精度に算出することが望まれる。そこで、発明者は、自身が先に見出した数理モデルに基づいて、より高精度で動揺病の程度を算出するよう開発を重ねた。
【0006】
ある実施の形態に従うと、演算方法は、入力値から動揺病の推定値を算出する演算モデルを用いた演算方法において、第１の時点において人の身体に与えられた運動刺激を表す第１の身体運動値を取得し、第１の時点において人の身体に与えられる運動刺激を表す身体運動値の予測値である第２の身体運動値を、第１の時点以前の時点に人の身体に与えられた運動刺激を表す身体運動値の履歴を用いて予測し、第１の身体運動値と第２の身体運動値とに基づく値を入力値として演算モデルに入力し、人の第１の時点における動揺病の推定値を算出する、ことを含む。
【0007】
他の実施の形態に従うと、演算装置は、入力値から動揺病の推定値を算出する演算装置であって、第１の時点において人の身体に与えられた運動刺激を表す第１の身体運動値を入力する入力部と、動揺病の推定値を算出する演算部と、を備え、演算部は、第１の時点において人の身体に与えられる運動刺激を表す身体運動値の予測値である第２の身体運動値を、第１の時点以前の時点に人の身体に与えられた運動刺激を表す身体運動値の履歴を用いて予測し、第１の身体運動値と第２の身体運動値とに基づく値を入力値として、入力値から動揺病の推定値を算出する演算モデルに入力し、人の第１の時点における動揺病の推定値を算出する、ことを含む。
【0008】
更なる詳細は、後述の実施形態として説明される。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
＜１．演算方法、及び、演算装置の概要＞
【0011】
（１）実施の形態に係る演算方法は、入力値から動揺病の推定値を算出する演算モデルを用いた演算方法において、第１の時点において人の身体に与えられた運動刺激を表す第１の身体運動値を取得し、第１の時点において人の身体に与えられる運動刺激を表す身体運動値の予測値である第２の身体運動値を、第１の時点以前の時点に人の身体に与えられた運動刺激を表す身体運動値の履歴を用いて予測し、第１の身体運動値と第２の身体運動値とに基づく値を入力値として演算モデルに入力し、人の第１の時点における動揺病の推定値を算出すること、を含む。
【0012】
人の身体に与えられた運動刺激とは、例えば、頭部に与えられた運動刺激である。動揺病の推定値は、例えば、動揺病発症率（ＭＳＩ：Motion Sickness Incidence）である。ＭＳＩは、物理刺激に対して嘔吐に至る人数の割合である。
【0013】
第１の時点は、例えば現時点である。この場合、第１の身体運動値は現時点で得られた身体運動値を指す。身体運動値の履歴は、第１の時点以前の時点に人の身体に与えられた運動刺激を表す、１又は複数の身体運動値である。第１の時点以前の時点の複数の身体運動値には第１の時点の身体運動値が含まれてもよい。第２の身体運動値は、過去の身体運動値から予測された現時点での身体運動値の予測値を指す。
【0014】
第１の身体運動値と第２の身体運動値とを用いて得られる入力値を演算モデルに入力することで、第１の時点での身体運動値（第１の身体運動値）に対して、第１の時点における身体運動値の予測値（第２の身体運動値）を考慮して動揺病の推定値が得られる。これにより、人の身体に与えられる運動が予測しやすい場合には酔いが少なく、予測しにくい場合には酔いやすいことを表した動揺病の推定値が得られる。
【0015】
（２）好ましくは、第２の身体運動値を予測することは、身体運動値の履歴を解析することを含む。これにより、第２の身体運動値を算出することができる。
【0016】
（３）好ましくは、第２の身体運動値を予測することにおいては、さらに、第１の時点に人の身体に与えられる運動刺激に影響を与える環境情報を用いる。これにより、第２の身体運動値を算出することができる。
【0017】
（４）好ましくは、第１の身体運動値及び身体運動値の履歴は加速度を含み、第２の身体運動値は、加速度の予測値を含む。これにより、加速度の予測値を算出することができる。
【0018】
（５）好ましくは、入力値は、第１の身体運動値に加速度の予測値を用いて得られる値を含む。第１の身体運動値に加速度の予測値を用いて得られる値は、一例として、第１の身体運動値と、信頼度を考慮した加速度の予測値とを含む。これにより、予測値を考慮して動揺病の推定値を算出することができる。
【0019】
（６）好ましくは、第１の身体運動値及び身体運動値の履歴は角速度を含み、第２の身体運動値は、角速度の予測値を含む。これにより、角速度の予測値を算出することができる。
【0020】
（７）好ましくは、入力値は、第１の身体運動値に角速度の予測値を用いて得られる値を含む。第１の身体運動値に加速度の予測値を用いて得られる値は、一例として、第１の身体運動値と、角速度の予測値とを含む。これにより、予測値を考慮して動揺病の推定値を算出することができる。
【0021】
（８）好ましくは、第２の身体運動値を予測することは、身体運動値の履歴から身体運動値を予測する予測アルゴリズムを用いることを含む。予測アルゴリズムは、例えば、ガウス過程回帰である。これにより、第２の身体運動値を算出することができる。
【0022】
（９）好ましくは、演算モデルは、感覚器での運動感覚量に対応した値と、中枢神経系に構築されている感覚器の内部モデルで推定された運動感覚量である運動推定量に対応した値と、の差に基づいて動揺病の推定値を算出する。これにより、高精度で動揺病の推定値を算出できる。
【0023】
（１０）好ましくは、入力値を演算モデルに入力することは、第２の身体運動値を、第２の身体運動値の予測の信頼度に応じて調整して入力することを含む。これにより、動揺病の推定値に適切に第２の身体運動値を反映させることができる。
【0024】
（１１）好ましくは、第２の身体運動値を調整することは、信頼度が高いと演算モデルへの入力度合いを高くし、信頼度が低いと入力度合を低くすることを含む。これにより、動揺病の推定値に適切に第２の身体運動値を反映させることができる。
【0025】
（１２）実施の形態に係る演算装置は、入力値から動揺病の推定値を算出する演算装置であって、第１の時点において人の身体に与えられた運動刺激を表す第１の身体運動値を入力する入力部と、人の動揺病の推定値を算出する演算部と、を備え、演算部は、第１の時点において人の身体に与えられる運動刺激を表す身体運動値の予測値である第２の身体運動値を、第１の時点以前の時点に人の身体に与えられた運動刺激を表す身体運動値の履歴を用いて予測し、第１の身体運動値と第２の身体運動値とに基づく値を入力値として、入力値から動揺病の推定値を算出する演算モデルに入力し、人の第１の時点における動揺病の推定値を算出する、ことを含む。これにより、演算装置では、（１）～（１１）に記載の演算方法にて動揺病の推定値を算出することができる。
【0026】
＜２．演算方法、及び、演算装置の例＞
【0027】
［第１の実施の形態］
【0028】
本実施の形態に係る演算装置は、動揺病の程度を算出する。動揺病の程度は、一例として動揺病の推定値などの指標値によって表される。本実施の形態に係る演算装置は動揺病の推定値を算出する。動揺病の推定値は、一例として、動揺病発症率（ＭＳＩ：Motion Sickness Incidence）である。ＭＳＩは、物理刺激に対して嘔吐に至る人数の割合である。
【0029】
ＭＳＩは、例えば、車両などの乗り物の乗員の動揺病を防止、又は、程度を低減する制御に用いることができる。乗り物は、他の例として、船舶、電車、航空機、などである。動揺病が防止、又は、程度が軽減されることで、乗り物の快適性が向上する。そのため、より効果的に動揺病が防止、又は、程度が軽減されることが望ましい。そこで、一例として、乗り物の乗員を演算装置でＭＳＩを算出するためのデータを測定する人とする。
【0030】
発明者は、乗員の身体に与えられる運動が予測しやすい場合には酔いが少なく、予測しにくい場合には酔いやすいことに着目した。そこで、本実施の形態に係る演算装置では、従来の数理モデルに、このような運動の予想のしやすさを加味してＭＳＩを算出する。
【0031】
図１を参照して、本実施の形態に係る演算装置１は、プロセッサ１１と、記憶部１２と、を有する一般的なコンピュータなどで構成される。プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）である。
【0032】
演算装置１は、センサインタフェース（Ｉ／Ｆ）１４を備える。センサＩ／Ｆ１４は、第１のセンサＳＥ１及び第２のセンサＳＥ２それぞれと有線、又は、無線で接続されて、センサ信号の入力を受け付ける。センサＩ／Ｆ１４は、入力されたセンサ信号をプロセッサ１１に入力する。
【0033】
センサＳＥ１は、前庭感覚器に対応したセンサである。センサＳＥ１は、乗員の身体、例えば、頭部に与えられる運動刺激を検出し、運動刺激に対応した運動情報を出力する。センサＳＥ１の出力信号Ｉ１は、運動情報を表す。以下、センサＳＥ１からの出力を運動情報Ｉ１ともいう。
【0034】
運動情報Ｉ１は、頭部加速度及び頭部角度である。その他、頭部速度、又は、これらのうちの２以上の組み合わせ、などであってもよい。センサＳＥ１は、例えば、乗員の頭部（例えば帽子）に取り付けられ、頭部加速度を計測する加速度センサ、及び、頭部角度を計測するジャイロセンサである。
【0035】
なお、運動情報Ｉ１は、乗員の頭部に与えられる運動刺激とみなされる運動に関する情報であってもよく、例えば、車両Ｖ自体の加速度及び角度であってもよい。車両Ｖの加速度及び角度が車両Ｖの乗員のそれと同じであると推定されるためである。この場合、第１のセンサＳＥ１は車載の加速度センサ及びジャイロセンサである。
【0036】
センサＳＥ１は、予め規定された間隔（例えば１０ｍｓｅｃ間隔）でセンシングを実行し、運動情報Ｉ１を演算装置１に対して出力する。
【0037】
記憶部１２は、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ、ＲＡＭ（Random Access Memory）などを含む。記憶部１２は、１又は複数のプログラムからなる演算プログラム１２１を記憶する。
【0038】
プロセッサ１１は、センサ信号に応じて記憶部１２に記憶された演算プログラム１２１を読み出し、演算処理１１１を実行する演算部１１０として機能する。演算プログラム１２１は、ＣＤ－ＲＯＭや（Compact Disc Read only memory）やＤＶＤ－ＲＯＭ（Digital Versatile Disk ROM）などの記録媒体に記録した状態で譲渡することもできるし、サーバコンピュータなどのコンピュータ装置からのダウンロードによって譲渡することもできる。演算プログラム１２１は、ウェブブラウザ上で動作するいわゆるウェブアプリケーションであってもよいし、プロセッサ１１でのみ動作するいわゆる専用アプリケーションであってもよい。
【0039】
好ましくは、演算装置１は出力装置３に接続されている。出力装置３は、演算装置１での演算結果を出力可能な装置であって、例えば、ディスプレイである。プロセッサ１１は、演算処理１１１の演算結果を出力装置３に渡し、出力させる。
【0040】
演算処理１１１は、演算モデルである数理モデルＭを用いてＭＳＩを算出する処理である。数理モデルＭは、人の身体に与えられた運動刺激を表す身体運動値から人の動揺病の推定値としてＭＳＩを算出する演算モデルである。
【0041】
数理モデルＭは、感覚器での運動感覚量に対応した値と、中枢神経系に構築されている感覚器の内部モデルで推定された運動感覚量である運動推定量に対応した値と、の差に基づいてＭＳＩを算出する。感覚器は、前庭感覚を含む。
【0042】
図２を参照して、演算処理１１１を実行する演算部１１０には、センサＳＥ１にて第１の時点で得られた、人の運動刺激を表す身体運動値（第１の身体運動値）が入力される。ここでの運動刺激は、物理的な運動刺激を含み、身体運動値は、運動刺激に対応する運動情報Ｉ１を含む。
【0043】
演算処理１１１は感覚器処理（ステップＳ１）を含む。感覚器処理は、運動情報Ｉ１を用いて処理を行い、運動感覚量を示す運動感覚情報Ｉ３を出力することを含む。ここでの処理は、前庭感覚器の運動知覚の処理に対応した処理である。
【0044】
演算処理１１１は内部モデル処理（ステップＳ２）を含む。内部モデル処理は、運動情報Ｉ１を用いて処理を行い、推定された運動感覚量である運動推定量を示す運動推定情報Ｉ４を出力することを含む。ここでの処理は、前庭感覚器の内部モデルでの運動推定の処理に対応した処理である。
【0045】
演算処理１１１は誤差算出処理（ステップＳ３）を含む。誤差算出処理は、運動感覚情報Ｉ３として出力された運動感覚量と、運動推定情報Ｉ４として出力された運動推定量との誤差を算出することを含む。
【0046】
演算処理１１１は動揺病程度算出処理（ステップＳ４）を含む。動揺病程度算出処理は、誤差算出処理で算出された誤差からＭＳＩを算出することを含む。動揺病程度算出処理で得られた演算結果は、出力装置３に渡される。これにより、出力装置３で演算結果としてＭＳＩが出力される。
【0047】
演算処理１１１は、さらに、運動予測処理（ステップＳ５）を含む。運動予測処理は、センサＳＥ１が第１の身体運動値を得た第１の時点における身体運動値の予測値（第２の身体運動値）を算出し、運動予測値Ｉ５を出力することを含む。予測値は、第１の時点以前の複数の時点それぞれに人の身体に与えられた運動刺激（運動刺激の履歴）を表す複数の身体運動値を用いて算出される。内部モデル処理においては、運動予測値Ｉ５をさらに用いて処理を行う。
【0048】
好ましくは、運動予測処理は、さらに、予測値の信頼度を算出し、信頼度Ｉ６を出力することを含む。内部モデル処理においては、運動予測値Ｉ５に信頼度Ｉ６を考慮して用いてもよい。
【0049】
ここで、数理モデルＭにて採用した、動揺病の程度の推定原理について説明する。感覚器の１つである前庭器において頭部運動が検知され、頭部運動に対応する信号（運動感覚信号）が生じる。また、中枢神経系に同様の過程を模擬した内部モデルが構築されていると考えられており、内部モデルでは、頭部運動の運動感覚量を示す信号（運動推定信号）が生成される。運動感覚信号と運動推定信号との間に誤差がある場合、つまり、感覚器で得られた運動感覚量と内部モデルで推定された運動感覚量との間に誤差がある場合、その誤差は感覚矛盾となる。感覚矛盾が動揺病を引き起こすとされている。
【0050】
さらに、演算処理１１１では、運動の予想のしやすさを加味するため、数理モデルＭに入力する入力値として、第１の時点に得られた身体運動値（第１の身体運動値）と、第１の時点の身体運動値の予測値（第２の身体運動値）とを用いて得られる値を用いる。予測値は所定のゲインを乗じて用いられてもよい。所定のゲインは、一例として予測値の信頼度に基づくものであってもよい。以下の説明では、入力値は、身体運動値と、予測値を信頼度に応じて調整した値と、を含む。
【0051】
【0052】
図３を参照して、演算部１１０は処理部１０１を含む。処理部１０１は、感覚器としての前庭感覚器での運動知覚の処理に対応した処理を実行する。処理部１０１には、第１の時点において得られた運動情報Ｉ１が入力される。運動情報Ｉ１は、頭部座標系から見た頭部の重力と慣性力との合力である頭部加速度と、頭部角速度と、を含む。
【0053】
処理部１０１での処理は、耳石器での運動知覚に対応した処理、及び、半規管での運動知覚に対応した処理を含む。処理部１０１は、運動情報Ｉ１が入力されると、前庭感覚器から出力される、運動感覚量を示す運動感覚信号に相当する運動感覚情報を出力する。
【0054】
演算部１１０は運動予測部１２０を含む。運動予測部１２０には、運動情報Ｉ１が入力される。運動予測部１２０は、運動情報Ｉ１が入力されると、運動予測処理を実行して、第１の時点における身体運動の予測値（第２の身体運動値）を出力する。好ましくは、さらに、予測値の信頼度を出力してもよい。身体運動の予測値及び予測値の信頼度は、図２の運動予測値Ｉ５及び信頼度Ｉ６に相当する。
【0055】
演算部１１０は身体運動推定部１０３を含む。身体運動推定部１０３は、神経系において身体に与えられる刺激の遠心性コピーや体性感覚などに対応する情報（以下、コピー情報と略する）を生成する処理に対応した処理を実行する。詳しくは、身体運動推定部１０３には運動情報Ｉ１が入力される。また、身体運動推定部１０３には運動予測値Ｉ５及び信頼度Ｉ６も入力される。
【0056】
身体運動推定部１０３は、運動予測値Ｉ５に対してゲインＫを乗じる。ゲインＫは一例として、予め記憶されているものである。これにより、運動予測値Ｉ５が定数倍されて、後述する内部モデルに入力される。
【0057】
好ましくは、身体運動推定部１０３は、信頼度Ｉ６とゲインＫとの関係を予め記憶しており、身体運動推定部１０３は、入力された信頼度Ｉ６に応じたゲインＫを決定する。そして、運動予測値Ｉ５に対して、決定されたゲインＫを乗じる。信頼度Ｉ６とゲインＫとの関係は、信頼度をパラメータとした演算式であってもよい。ここでは、信頼度が高いほどゲインが大きくなる関係が記憶されている。
【0058】
身体運動推定部１０３は、運動情報Ｉ１に対して予め記憶しているゲインを乗じる。そして、身体運動推定部１０３は、運動情報Ｉ１から得られた値と運動予測値Ｉ５から得られた値とに基づく値をコピー情報とする。すなわち、身体運動推定部１０３は、運動予測値Ｉ５を信頼度Ｉ６で調整した情報を、上記のコピー情報とする。
【0059】
身体運動推定部１０３には、後述する適応処理部１０９から出力された情報が入力される。身体運動推定部１０３は、コピー情報、及び、適応処理部１０９から出力された情報を統合する統合処理を実行する。統合処理は、自身の身体運動を把握するために人が行っている様々な感覚情報を統合する感覚統合に対応した処理である。身体運動推定部１０３は、統合処理によって出力される情報を内部モデルに出力する。そのため、ゲインが大きいほど、運動予測値Ｉ５が内部モデルに入力される度合が大きくなり、ゲインが小さくほど、運動予測値Ｉ５が内部モデルに入力される度合が小さくなる。コピー情報は、誤差を含む運動情報Ｉ１に相当する。
【0060】
なお、信頼度を用いた調整方法は、信頼度が高いほど入力される度合が大きくなり、信頼度が低いほど入力される度合が小さくなるような調整方法であれば他のどのような方法であってもよい。
【0061】
演算部１１０は内部モデルでの運動推定の処理に対応した処理を実行する前庭感覚器モデル１０７を含む。前庭感覚器モデル１０７には、身体運動推定部１０３から出力された情報が入力される。身体運動推定部１０３から情報が入力されることで、前庭感覚器モデル１０７は、図２の運動推定情報Ｉ４に相当する情報を出力する。
【0062】
詳しくは、前庭感覚器モデル１０７は、身体運動推定部１０３から入力された情報を用いて内部モデルの前庭感覚器モデルでの運動推定の処理に対応した処理を実行する。前庭感覚器モデル１０７は、この処理によって運動感覚量を推定し、推定された運動感覚量である運動推定量を示す運動推定情報を出力する。
【0063】
演算部１１０は比較部１０８を含む。比較部１０８は加算器である。比較部１０８には、処理部１０１から出力された運動感覚情報、及び、前庭感覚器モデル１０７から出力された運動推定情報が入力される。
【0064】
比較部１０８は、運動感覚情報と運動推定情報とを用いて比較処理を実行する。これにより、比較部１０８は、処理部１０１で得られた運動感覚量と前庭感覚器モデル１０７で推定された運動感覚量（運動推定量）とを比較し、それらの差分（誤差）を算出する。算出された誤差は、感覚矛盾情報として出力される。
【0065】
演算部１１０は適応処理部１０９を含む。適応処理部１０９には、比較部１０８から出力された感覚矛盾情報が入力される。適応処理部１０９は、入力された感覚矛盾情報を蓄積し、内部モデルでの処理に適応させるための適応処理を施した情報を出力する。
【0066】
演算部１１０は感覚矛盾処理部１２５を含む。感覚矛盾処理部１２５には、比較部１０８から出力された感覚矛盾情報が入力される。感覚矛盾処理部１２５は、感覚矛盾情報を用いて動揺病の程度を示す指標値を算出するための演算式を予め記憶している。感覚矛盾処理部１２５は、記憶している演算式に比較部１０８から入力された感覚矛盾情報を代入することによってＭＳＩを算出する。
【0067】
図４を参照して、数理モデルＭに従って演算処理１１１を実行する演算部１１０には、センサＳＥ１からの運動情報Ｉ１として、頭部にかかる重力加速度ｇと慣性加速度ａとの和である頭部加速度ｆ（ｆ＝ｇ＋ａ）と、頭部角速度ωと、慣性加速度ａと、の第１の時点におけるセンシング結果が入力される。
【0068】
処理部１０１は、処理部ＯＴＯ、及び、処理部ＳＣＣを含む。処理部ＯＴＯには頭部加速度ｆが入力される。処理部ＯＴＯは、耳石器での運動知覚の処理に対応した処理を実行する。処理部ＳＣＣには頭部角速度ωが入力される。処理部ＳＣＣは、半規管での運動知覚の処理に対応した処理を実行する。
【0069】
処理部ＯＴＯ及び処理部ＳＣＣの伝達特性は、いずれも頭部固定座標系で記述された式で表される。処理部ＯＴＯの伝達特性は単位行列で表される。処理部ＳＣＣの伝達特性は図中の式（１）で表される。なお、式（１）中のτａ、τｄは時定数である。
【0070】
処理部ＯＴＯからは信号ｆ’が出力される。処理部ＳＣＣからは頭部角速度ωの感覚量ω’が出力される。信号ｆ’及び信号ω’に対してローパスフィルタＬＰを適用することで、重力方向速度の感覚量ｖｓが算出される。感覚量ｖｓを用いて慣性加速度ａの感覚量ａｓが算出される。ローパスフィルタＬＰの特性は図中の式（２）で表される。なお、式（２）中のτは時定数である。感覚量ａｓ、感覚量ωｓ、及び、感覚量ｖｓは、運動感覚情報に相当する。
【0071】
前庭感覚器モデル１０７は、耳石器の内部モデルに相当する処理部＜ＯＴＯ＞と、半規管の内部モデルに相当する処理部＜ＳＣＣ＞と、を含む。表記「＜＞」で挟まれた符号は、内部モデルに相当する処理を行う処理部を指している。以降の説明でも同様である。
【0072】
処理部＜ＯＴＯ＞の伝達特性は単位行列で表される。処理部＜ＳＣＣ＞の伝達特性は図中の式（３）で表される。処理部＜ＯＴＯ＞及び処理部＜ＳＣＣ＞それぞれから出力される信号に対してローパスフィルタ＜ＬＰ＞を適用することで、慣性加速度ａの推定量ａｓ^、頭部角速度ωの推定量ωｓ^、及び、重力方向速度の推定量ｖｓ^が得られる。ローパスフィルタ＜ＬＰ＞の特性もまた、図中の式（２）で表される。処理部＜ＯＴＯ＞及び処理部＜ＳＣＣ＞それぞれから出力される信号は、運動推定情報に相当する。
【0073】
比較部１０８は、処理部ＯＴＯ及び処理部ＳＣＣそれぞれから出力された感覚量ａｓ、感覚量ｖｓ、及び、感覚量ωｓと、処理部＜ＯＴＯ＞及び処理部＜ＳＣＣ＞それぞれから出力された推定量ａｓ^、推定量ωｓ^、及び、推定量ｖｓ^との誤差Δａ、Δｖ、Δωを算出し、それぞれを示す信号を出力する。比較部１０８からの出力信号は、感覚矛盾情報に相当する。
【0074】
適応処理部１０９は、比較部１０８からの出力信号に示される誤差Δａ、Δｖ、Δωをそれぞれ積分し、それぞれにゲインＫａｃ、Ｋωｃ、Ｋｖｃを乗じて得られた処理後の誤差Δａ’、Δｖ’、Δω’を身体運動推定部１０３に入力する。
【0075】
運動予測部１２０には、頭部加速度ｆが入力される。運動予測部１２０は、第１の時点における運動刺激を予測する処理を実行する。運動刺激を予測する処理は後述する。一例として、運動予測部１２０は、運動刺激のうちの慣性加速度ａを予測する。この場合、運動予測部１２０は、その処理によって、予測された慣性加速度である予測慣性加速度ａ’を出力する。さらに、運動予測部１２０は、予測慣性加速度ａ’の信頼度を算出し、信頼度を示す信号ｄを出力する。
【0076】
身体運動推定部１０３には、予測慣性加速度ａ’及び信号ｄが入力される。また、身体運動推定部１０３には、頭部角速度ωが入力される。身体運動推定部１０３は、信号ｄに基づいてゲインＫａを決定する。身体運動推定部１０３は、頭部角速度ωに、予め記憶しているゲインＫωを乗じて頭部角速度ω~を得る。身体運動推定部１０３は、予測慣性加速度ａ’に決定されたゲインＫａを乗じて慣性加速度ａ~を得る。頭部角速度ω~及び慣性加速度ａ~は、コピー情報に相当する。
【0077】
身体運動推定部１０３の実行する統合処理は、一例として、加算処理である。そのため、身体運動推定部１０３は、加算器６４，６６，６７をさらに含む。加算器６４は、慣性加速度ａ~と誤差Δａ’とを加算し、加算器６６に渡す。加算器６６は、慣性加速度ａ~と誤差Δａ’との加算結果、及び、誤差Δｖ’を加算して得られた結果を示す信号を処理部＜ＯＴＯ＞に入力する。加算器６７は、頭部角速度ω~と誤差Δω’とを加算した結果を処理部＜ＳＣＣ＞に入力する。
【0078】
感覚矛盾処理部１２５には、比較部１０８から出力された誤差Δｖが入力される。誤差Δｖは、主観的重力方向誤差（Subjective Vertical Conflict）とも呼ばれる。感覚矛盾処理部１２５は、誤差Δｖに２次のＨｉｌｌ関数及び２次遅れ伝達関数を適用する処理を実行する。この処理によって、ＭＳＩが出力される。
【0079】
なお、この例では、数理モデルＭが、前庭感覚器で表された、１つの感覚器を用いるものとしている。他の例として、数理モデルＭは、さらに他の感覚器も用いてもよい。すなわち、前庭感覚器に加えて他の感覚器についても運動感覚量を算出させ、その誤差に対応した値も用いてＭＳＩを算出させてもよい。人には前庭感覚器のみならず複数種類の感覚器が存在し、人は、神経系において様々な感覚情報を統合して自身の身体運動を把握していると考えられるためである。他の感覚器は、例えば、視覚器である。視覚器では、視覚刺激に対する視覚器での運動感覚量に対応する信号（視覚感覚信号）が生じる。この場合、内部モデルには視覚器などの他の感覚器に対応した内部モデルも含まれると考えられる。このようにすることで、より高精度にＭＳＩが算出されると考えられる。
【0080】
運動予測部１２０での運動刺激を予測し、予測値の信頼度を算出する処理について説明する。一例として、運動予測部１２０での処理は、人の運動刺激の履歴の解析を含む。以前の時点において人に与えられる運動刺激を指し、１又は複数の身体運動値である。複数の身体運動値は、第１の時点の身体運動値を含んでもよい。
【0081】
運動予測部１２０は、一例として、身体運動値の履歴から運動刺激の予測値が得られる予測アルゴリズムを予め記憶している。好ましくは、予測値の信頼度が得られる予測アルゴリズムもさらに記憶している。予測値及びその信頼度が得られる予測アルゴリズムは、一例としてガウス過程回帰である。
【0082】
例えば、図５に示されたような運動刺激の履歴が入力されたとする。図５は、人の身体に与えられる慣性加速度の時間変化を表している。図５の履歴では、慣性加速度の時間変化がパターン化され、一定周期で同じ変化が繰り返されている。
【0083】
この場合、ガウス過程回帰モデルによって図６の信頼度が得られる。図６を参照して、慣性加速度の履歴の１周期目のうちは信頼度が低いものの、２周期目以降は周期的な慣性加速度の時間変化であることから、そのパターンに基づいた予測値の信頼度が高くなっていることがわかる。この場合、身体運動推定部１０３の決定する、予測値に乗じるためのゲインは大きくなる。
【0084】
他の例として、図７に示された運動刺激の履歴が入力されたとする。図７も、人の身体に与えられる慣性加速度の時間変化を表している。図７の履歴では、慣性加速度の時間変化は周期的に加速度の変化が生じてはいるものの、パターン化されていない。
【0085】
この場合、ガウス過程回帰モデルによって図８の信頼度が得られる。図８を参照して、この場合、全体に信頼度が一定せず、図６の信頼度と比較して低いことがわかる。この場合、身体運動推定部１０３の決定する、予測値に乗じるためのゲインは、図５の場合よりも小さくなる。
【0086】
図５及び図７の運動刺激の履歴を用いて、同じ運動刺激に対するＭＳＩを算出すると、それぞれ、図９、図１０の結果が得られた。すなわち、図５の運動刺激の履歴はパターン化されているため図６のように信頼度が高い。その結果、決定されるゲインが大きくなる。つまり、推定値の内部モデルに入力される度合が高くなる。この場合、図９に示されたように、ＭＳＩの大きさは全体的に０．６以下の低さであり、時間経過に沿った傾きも緩やかとなる。
【0087】
一方、図７の運動刺激の履歴の場合、パターン化されたものでないために図８のように信頼度が低い。その結果、決定されるゲインが小さくなる。つまり、推定値の内部モデルに入力される度合が低くなる。この場合、図１０に示されたように、ＭＳＩの大きさは図０のＭＳＩと比較して全体的に高く、時間経過に沿った傾きも大きくなる。
【0088】
図９及び図１０の計算結果より、運動予測部１２０で予測値とその信頼度とを算出し、身体運動推定部１０３が信頼度に応じて上記のように予測値を用いることで、演算処理１１１の演算処理によって、身体に与えられる運動が予測しやすい場合には酔いが少なく、予測しにくい場合には酔いやすいことを表すＭＳＩが得られることが分かった。
【0089】
［第２の実施の形態］
【0090】
運動予測部１２０における予測値を算出する処理では、さらに、第１の時点において運動刺激に影響を与える環境情報を用いてもよい。また、予測値の信頼度を算出する処理も同様に、第１の時点において運動刺激に影響を与える環境情報を用いてもよい。
【0091】
第１の時点において運動刺激に影響を与える環境情報は、例えば、第１の時点に得られた交通状況画像や、交通情報や、地図情報や、走行計画などである。これら情報は、第１の時点において乗員や乗り物に取り付けられたセンサから得られたり、図示しない通信装置を用いてサーバなどの他の装置から取得したりされる。
【0092】
具体的に、交通状況画像の場合、演算装置１は、図１に示されたように、交通状況画像を得るためのセンサＳＥ２にさらに接続されている。センサＳＥ２は、一例としてカメラであって、例えば、乗員の頭部（例えば帽子）や車両などの乗り物の前方に取り付けられ、乗員の顔の向く方向を撮影する。センサＳＥ２は、所定のタイミングで撮影を行い、画像情報Ｉ２を演算装置に対して出力する。
【0093】
画像情報Ｉ２は、図２に示されたように、感覚器処理（ステップＳ１）及び運動予測処理(ステップＳ５）で用いられる。この場合、画像情報Ｉ２は、運動情報Ｉ１とともに処理部１０１、身体運動推定部１０３、及び、運動予測部１２０に入力される。
【0094】
この場合、運動予測部１２０は、画像情報Ｉ２で表される画像に対して画像解析処理を実行する。ここでは、一例として、運動予測部１２０は、進行方向を抽出してもよい。例えば、運動予測部１２０は、センターラインを抽出することで、カーブの有無や大きさを識別する。これにより、乗員の身体に与えられる運動刺激を予測可能になる。
【0095】
例えば、右にカーブしていることが識別された場合、運動予測部１２０は、乗員の身体に与えられる慣性加速度の向きを左向きと決定する。また、運動予測部１２０は、識別されたカーブの曲率が小さいほど乗員の身体に与えられる慣性加速度の大きさを大きくするよう、曲率に応じて慣性加速度の大きさを決定する。このようにすることでも、運動予測部１２０は運動刺激を予測することができる。
【0096】
なお、以上の説明では、運動予測部１２０で予測する運動刺激を表す身体運動値を慣性加速度としているが、慣性加速度に替えて、又は加えて、他の指標であってもよい。他の指標は、例えば、頭部加速度や角速度である。この場合も、上記と同様にして運動刺激を予測することができる。また、さらに、信頼度を算出することができる。
【0097】
＜３．付記＞
本発明は、上記実施形態に限定されるものではなく、様々な変形が可能である。
本発明は、上記実施形態に限定されるものではなく、様々な変形が可能である。
【符号の説明】
【0098】
１ ：演算装置
３ ：出力装置
１１ ：プロセッサ
１２ ：記憶部
１４ ：センサＩ／Ｆ
６４ ：加算器
６６ ：加算器
６７ ：加算器
１０１ ：処理部
１０３ ：身体運動推定部
１０７ ：前庭感覚器モデル
１０８ ：比較部
１０９ ：適応処理部
１１０ ：演算部
１１１ ：演算処理
１２０ ：運動予測部
１２１ ：演算プログラム
１２５ ：感覚矛盾処理部
Ｉ１ ：運動情報
Ｉ２ ：画像情報
Ｉ３ ：運動感覚情報
Ｉ４ ：運動推定情報
Ｉ５ ：運動予測値
Ｉ６ ：信頼度
Ｋ ：ゲイン
Ｋａ ：ゲイン
Ｋａｃ ：ゲイン
Ｋｖｃ ：ゲイン
Ｋω ：ゲイン
Ｋωｃ ：ゲイン
ＬＰ ：ローパスフィルタ
Ｍ ：数理モデル
ＯＴＯ ：処理部
ＳＣＣ ：処理部
ＳＥ１ ：センサ
ＳＥ２ ：センサ
ａ ：慣性加速度
ａ’ ：予測慣性加速度
ａｓ ：感覚量
ａｓ^ ：推定量
ｄ ：信号
ｆ ：頭部加速度
ｆ’ ：信号
ｇ ：重力加速度
ｖｓ ：感覚量
ｖｓ^ ：推定量
Δａ ：誤差
Δａ’ ：誤差
Δｖ ：誤差
Δｖ’ ：誤差
Δω’ ：誤差
ω ：頭部角速度
ω’ ：感覚量
ωｓ ：感覚量
ωｓ^ ：推定量
３ ：出力装置
１１ ：プロセッサ
１２ ：記憶部
１４ ：センサＩ／Ｆ
６４ ：加算器
６６ ：加算器
６７ ：加算器
１０１ ：処理部
１０３ ：身体運動推定部
１０７ ：前庭感覚器モデル
１０８ ：比較部
１０９ ：適応処理部
１１０ ：演算部
１１１ ：演算処理
１２０ ：運動予測部
１２１ ：演算プログラム
１２５ ：感覚矛盾処理部
Ｉ１ ：運動情報
Ｉ２ ：画像情報
Ｉ３ ：運動感覚情報
Ｉ４ ：運動推定情報
Ｉ５ ：運動予測値
Ｉ６ ：信頼度
Ｋ ：ゲイン
Ｋａ ：ゲイン
Ｋａｃ ：ゲイン
Ｋｖｃ ：ゲイン
Ｋω ：ゲイン
Ｋωｃ ：ゲイン
ＬＰ ：ローパスフィルタ
Ｍ ：数理モデル
ＯＴＯ ：処理部
ＳＣＣ ：処理部
ＳＥ１ ：センサ
ＳＥ２ ：センサ
ａ ：慣性加速度
ａ’ ：予測慣性加速度
ａｓ ：感覚量
ａｓ^ ：推定量
ｄ ：信号
ｆ ：頭部加速度
ｆ’ ：信号
ｇ ：重力加速度
ｖｓ ：感覚量
ｖｓ^ ：推定量
Δａ ：誤差
Δａ’ ：誤差
Δｖ ：誤差
Δｖ’ ：誤差
Δω’ ：誤差
ω ：頭部角速度
ω’ ：感覚量
ωｓ ：感覚量
ωｓ^ ：推定量
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】