混合余事象分布を内包した確率ニューラルネットに基づく5指駆動型ロボットハンドのEMG制御

摘要

筋電位（Electromyogram: EMG）信号は運動時の筋収縮に伴って発生する生体信号であり，動作パターンや運動の強弱，筋疲労などの有益な情報を多く含むことから動作推定や運動解析などの広い分野で利用されている．また，皮膚表面から非侵襲に計測できるEMG信号は腕切断者の残存筋からも取得でき，筋電義手や車いすなどのインタフェースの制御信号として用いられてきた．ヒトの手のように自由自在に操作できる筋電義手の実現にはEMG信号から行なわれた運動を精度よく推定することが求められ，これまでにさまざまな識別システムが提案されている．Tsujiらは混合正規分布を内包する確率ニューラルネット（Log-Linearized Gaussian Mixture Network: LLGMN）を提案し，脳波やEMG信号の分類に対する有効性を確認した．Yoshikawaらはサポートベクターマシン（Support Vector Machine: SVM）をEMG信号の分類に適用し，手のリアルタイム動作識別を実現した．しかしながら，これらの従来研究ではあらかじめ設定した動作（クラス）のみを学習し識別することで義手の制御を実現していることがほとんどであり，学習時に想定していない未知(未学習クラス）の動作パターンが入力された場合に必然的に発生する誤識別から，予期しない義手の動作が生じてしまう．これは，たとえば義手で把持する物体を意図せずに離してしまうなどの問題を引き起こす可能性がある．この問題を解消するために，事前に想定しない未学習動作を推定できる新たな分類システムが必要不可欠である．