学习完毕模型、复健辅助系统、学习装置及状态推断方法

摘要

本发明提供状态推断程序、学习完毕模型、复健辅助系统、学习装置以及状态推断方法。状态推断程序在训练者为了进行预先设定的动作的训练而使用的复健辅助系统使计算机以判定训练的状态的方式发挥功能，具有阈值设定步骤以及状态推断步骤。阈值设定步骤在训练者进行的训练中取得复健辅助系统所具有的传感器的输出亦即传感器输出，并基于传感器输出来设定用于对训练是正常状态还是异常状态进行判定的阈值。状态推断步骤基于阈值来推断正在正常状态还是异常状态下进行训练。

说明书

技术领域

本发明涉及状态推断程序、学习完毕模型、复健辅助系统、学习装置以及状态推断方法。

背景技术

偏瘫等患者在进行以使症状恢复为目的的复健锻炼(复健)时，有时利用步行训练装置等复健辅助系统。作为步行训练装置的例子，公开了一种具备被佩戴于训练者亦即患者的腿部来辅助训练者步行的步行辅助装置的步行训练装置(日本特开2015-23294号公报)。步行训练装置具有用于供训练者步行的跑步机等。另外，步行辅助装置具有马达单元，通过根据训练者的步行动作驱动膝关节部而使其旋转来辅助训练者的步行。

在训练者进行复健时，根据复健辅助系统，有时医师、物理治疗师(PT：PhysicalTherapist)等训练工作人员进行陪同、该复健辅助系统的设定操作作为训练者的辅助。

在利用这样的复健辅助系统的训练中，存在陷入训练无法正常进行的状态、即异常状态的情况。异常状态的一个例子是训练中的训练者意外跌倒等表示意想不到的举动的情况。另外，异常状态的其他例子是无论训练者的症状如何均进行了强制使训练者步行等不适合训练目的的设定的情况。复健辅助系统被要求在这样的难以预料的情况下确保训练者的安全。因此，训练工作人员会支承训练者的身体并且进行用于使复健辅助系统的动作紧急停止的操作。然而，训练工作人员难以并行进行这样的多个操作。

发明内容

本发明是为了解决这样的课题而完成的，提供抑制训练者的安全性降低的状态推断程序等。

本发明的1个实施方式中的状态推断程序在训练者为了进行预先设定的动作的训练而使用的复健辅助系统中，使计算机以判定训练的状态的方式发挥功能，具有阈值设定步骤以及状态推断步骤。阈值设定步骤在训练者所进行的训练中取得复健辅助系统所具有的传感器的输出亦即传感器输出，基于传感器输出来设定用于判定训练的正常状态或者异常状态的阈值。状态推断步骤基于阈值来推断正在正常状态还是异常状态下进行训练。

由此，状态推断程序能够根据预先进行了的训练的传感器输出来设定用于推断训练处于正常状态还是异常状态的阈值，并根据所设定的阈值来推断训练中的训练的状态。

在上述状态推断程序中，阈值设定步骤可以除了取得传感器输出之外，还取得训练者的个人资料数据，基于传感器输出以及个人资料数据来设定阈值。由此，状态推断程序能够根据训练者的个人资料数据来设定阈值。

在上述状态推断程序中，取得步骤可以取得包括与训练者的步行周期相关的数据的传感器输出，阈值设定步骤对应于步行周期来设定阈值。由此，状态推断程序能够设定与步行训练的周期对应的阈值，推断步行训练处于正常状态还是异常状态。

在上述状态推断程序中，传感器的输出可以包含检测了训练者的步行姿势而得到的数据。由此，状态推断程序能够设定与训练者的步行姿势对应的阈值。

本发明的1个实施方式中的学习完毕模型用于在训练者为了进行预先设定的动作的训练而使用的复健辅助系统中使计算机以判定训练的状态的方式发挥功能。上述学习完毕模型具有：输入层，取得复健辅助系统所具有的传感器的输出亦即传感器输出；中间层，基于输入层所取得的传感器输出来进行运算；以及输出层，输出运算的结果。通过将与作为学习数据而由输入层取得的传感器输出对应的表示训练处于正常状态还是异常状态的指标作为教导数据应用于输出层来学习中间层。在上述学习完毕模型中，当向输入层输入了训练中的复健辅助系统中的传感器输出的情况下，输出对训练处于正常状态还是异常状态进行表示的状态信号。

由此，学习完毕模型能够根据预先取得的传感器输出来推断训练处于正常状态还是异常状态。

在上述学习完毕模型中，输入层可以还取得训练者的个人资料数据，中间层基于传感器输出以及个人资料数据来判定训练的状态。由此，学习完毕模型能够根据训练者的个人资料数据来判定训练的状态。

在上述学习完毕模型中，输入层可以取得包含与训练者的步行周期相关的数据的传感器输出，中间层对应于步行周期来推断复健辅助系统的状态。由此，学习完毕模型能够推断步行训练处于正常状态还是异常状态。

在上述学习完毕模型中，传感器的输出可以包含检测了训练者的步行姿势而得到的数据。由此，学习完毕模型能够进行与训练者的步行姿势对应的推断。

本发明的1个实施方式中的复健辅助系统具有驱动部、传感器、状态推断部以及信息提示部。驱动部为了辅助训练者的动作而与训练者的动作对应地进行驱动。传感器检测训练者的状态或者驱动部的状态的至少任一方。状态推断部包含技术方案1～3中任一个所述的状态推断程序，通过取得传感器输出来对训练者正在进行的训练是否处于异常状态进行推断。信息提示部基于控制部输出的状态信号来对于训练者或者辅助训练者的训练工作人员提示训练是否处于异常状态。由此，复健辅助系统能够根据从上述状态推断程序取得的信号来对于训练者等提示训练的状态。

本发明的1个实施方式中的复健辅助系统具有驱动部、传感器、运算部以及信息提示部。驱动部为了辅助训练者的动作而与训练者的动作对应地进行驱动。传感器检测训练者的状态或者驱动部的状态的至少任一方。运算部包含技术方案4～7中任一个所述的学习完毕模型，通过取得传感器的输出来输出对训练者正在进行的训练是否处于异常状态进行表示的状态推断信号。信息提示部基于运算部输出的状态推断信号来对于训练者或者辅助训练者的训练工作人员提示训练是否处于异常状态。由此，复健辅助系统能够根据从上述学习完毕模型取得的信号来对于训练者等提示训练的状态。

上述复健辅助系统可以还具有控制驱动部的驱动控制部，在训练处于异常状态的情况下，驱动控制部使驱动部的驱动停止。由此，复健辅助系统能够抑制训练者的安全性降低。

在上述复健辅助系统中，在使驱动部的驱动停止的情况下，驱动控制部可以在使驱动部的驱动速度减速之后使之停止。另外，在上述复健辅助系统中，驱动控制部可以在使驱动部的驱动停止之后使驱动部向与即将停止之前的驱动方向相反的方向驱动。由此，复健辅助系统能够进一步抑制训练者的安全性降低。

本发明的1个实施方式中的学习装置具有数据取得部、学习部以及学习完毕模型生成部。数据取得部取得训练者为了进行预先设定的动作的训练而使用的复健辅助系统所具有的传感器的输出以及表示与传感器的输出对应的训练的状态是正常状态还是异常状态的状态标签作为学习用数据。学习部通过将传感器的输出应用于输入层、将与传感器的输出对应的状态标签作为教导数据应用于输出层，来学习对训练的状态是正常状态还是异常状态进行判定这一情况。学习完毕模型生成部基于学习来生成学习完毕模型，该学习完毕模型将与未学习的训练相关的传感器的输出作为输入来输出表示训练的状态是正常状态还是异常状态的状态信号。由此，学习装置能够生成用于抑制训练者的安全性降低的学习完毕模型。

根据本公开，能够提供抑制训练者的安全性降低的状态推断程序等。

根据以下的详细描述和附图会更充分理解本公开的上述和其他目的、特征以及优点，附图仅以例示的方式给出，因此不应认为限制本公开。

附图说明

图1是实施方式1所涉及的步行训练装置的简要立体图。

图2是步行辅助装置的简要立体图。

图3是表示实施方式1所涉及的步行训练装置的系统构成的框图。

图4是表示训练者的步行周期的例子的图。

图5是表示病腿的膝部伸展角度的例子的图。

图6是表示步行周期与膝部伸展角度的关系的图。

图7是表示步行训练装置设定阈值的处理的流程图。

图8是表示实施方式1所涉及的步行训练装置的处理的流程图。

图9是表示步行周期与膝部伸展角度的关系的图。

图10是表示设定阈值的处理的第2例的流程图。

图11是表示设定阈值的处理的第三例的流程图。

图12是表示根据图像数据设定的阈值的第1例的图。

图13是表示训练者的重心的推移与阈值的关系的图。

图14是表示根据图像数据设定的阈值的第2例的图。

图15是表示实施方式2所涉及的步行训练装置的处理的流程图。

图16是实施方式3所涉及的步行训练装置的简要立体图。

图17是表示实施方式3所涉及的步行训练装置的系统构成的框图。

图18是表示学习模型的例子的框图。

图19是表示学习装置所进行的处理的例子的流程图。

图20是表示实施方式3所涉及的步行训练装置的处理的流程图。

具体实施方式

以下，通过发明的实施方式来对本发明进行说明，但并不将技术方案所涉及的发明限定为以下的实施方式。另外，并不限定为实施方式中说明的结构全部是作为用于解决课题的手段所必需的。为了说明的明确化，以下的记载以及附图被适当地省略以及简化。此外，在各附图中，对相同的要素标注相同的附图标记，根据需要省略重复说明。

＜实施方式1＞

以下，参照附图对实施方式1进行说明。

(系统构成)

图1是实施方式1所涉及的步行训练装置100的简要立体图。步行训练装置100是辅助用户亦即训练者900的复健(复健锻炼)的复健辅助系统的一个具体例。步行训练装置100是用于供一条腿瘫痪的偏瘫患者亦即训练者900根据训练工作人员901的指导来进行步行训练的装置。在进行步行训练时，步行训练装置100为了辅助训练者的动作而使与训练者的动作对应地进行驱动的驱动部驱动。这里，训练工作人员901能够是治疗师(物理治疗师)或者医师，通过指导或者帮助等来辅助训练者的训练，因而还能够称为训练指导者、训练帮助者、训练辅助者等。

步行训练装置100主要具备：控制盘133，被安装于构成整体的骨架的框架130；跑步机131，供训练者900步行；以及步行辅助装置120，被佩戴于训练者900的瘫痪侧的腿部亦即病腿。另外，除此之外，步行训练装置100还具备作为安全装置的跌倒防止保护带装置。

跑步机131是促进训练者900的步行的装置。跑步机131通过未图示的马达使环状的带132旋转。进行步行训练的训练者900登上带132并配合带132的移动来尝试步行动作。即，跑步机131是为了辅助训练者的动作而与训练者的动作对应地进行驱动的驱动部之一。其中，例如如图1所示，训练工作人员901也能够站立在训练者900的背后的带132上一同进行步行动作，但通常优选处于以跨着带132的状态站立等容易进行训练者900的帮助的状态。

框架130立设于在地板面设置的跑步机131上。框架130对收纳进行马达、传感器的控制的整体控制部210的控制盘133、向训练者900提示训练的进展状况等的例如作为液晶面板的训练用监视器138等进行支承。另外，框架130在训练者900的头上部前方附近支承前侧抻拉部135，在头上部附近支承保护带抻拉部112，在头上部后方附近支承后侧抻拉部137。另外，框架130包括用于供训练者900抓握的扶手130a。

扶手130a被配置于训练者900的左右两侧。各个扶手130a沿着与训练者900的步行方向平行的方向配置。扶手130a能够调整上下位置以及左右位置。即，扶手130a能够包括变更其高度的机构。并且，扶手130a还能够构成为例如通过以使高度在步行方向的前方侧与后方侧不同的方式进行调整而能够变更其倾斜角度。例如，扶手130a能够带有沿着步行方向逐渐变高那样的倾斜角度。

另外，在扶手130a设置有检测从训练者900受到的载荷的扶手传感器218。例如，扶手传感器218能够是电极被配置为矩阵状的电阻变化检测型的载荷检测片。另外，扶手传感器218还能够是使3轴加速度传感器(x，y，z)与3轴陀螺仪传感器(roll，pitch，yaw)复合而成的6轴传感器。其中，扶手传感器218的种类、设置位置是任意的。

照相机140承担作为用于观察训练者900的全身的拍摄部的功能。照相机140以与训练者相对的方式设置于训练用监视器138的附近。照相机140拍摄训练中的训练者900的静态图像、动态图像。照相机140包括成为能够捕捉训练者900的全身的程度的视场角那样的镜头与拍摄元件的套件。拍摄元件例如是CMOS(Complementary Metal-Oxide-Semiconductor)影像传感器，将成像在成像面的光学像变换为图像信号。

训练用监视器138是作为用于供训练者900以及训练工作人员901在训练中获得规定的信息的信息提示部而设置的显示器装置。训练用监视器138设置为与训练中的训练者的正面对置。训练用监视器138例如显示照相机140拍摄到的训练中的训练者900的图像等。训练用监视器138可以作为信息提示部而根据整体控制部210输出的状态信号，对于训练者900以及训练工作人员901提示执行中的训练是否为异常状态。

前侧抻拉部135以及后侧抻拉部137通过相互的协作的动作，来以步行辅助装置120的载荷不成为病腿的负担的方式抵消该载荷，并且，根据设定的程度来辅助病腿的摆动动作。即，前侧抻拉部135以及后侧抻拉部137是为了辅助训练者的动作而与训练者的动作对应地进行驱动的驱动部之一。

前侧钢丝134的一端与前侧抻拉部135的卷取机构连结，另一端与步行辅助装置120连结。前侧抻拉部135的卷取机构通过使未图示的马达开/关来根据病腿的活动而卷取或导出前侧钢丝134。同样，后侧钢丝136的一端与后侧抻拉部137的卷取机构连结，另一端与步行辅助装置120连结。后侧抻拉部137的卷取机构通过使未图示的马达开/关来根据病腿的活动而卷取或导出后侧钢丝136。通过这样的前侧抻拉部135与后侧抻拉部137协作的动作，来以步行辅助装置120的载荷不成为病腿的负担的方式抵消该载荷，并且，根据设定的程度来辅助病腿的摆动动作。

例如，训练工作人员901作为操作人员来对于重度瘫痪的训练者将进行辅助的水平设定得大。若进行辅助的水平被设定得大，则前侧抻拉部135配合病腿的摆动时机以比较大的力卷取前侧钢丝134。若训练进展而不需要辅助，则训练工作人员901将进行辅助的水平设定为最小。若将进行辅助的水平设定为最小，则前侧抻拉部135配合病腿的摆动时机以仅消除步行辅助装置120的自重的力来卷取前侧钢丝134。

跌倒防止保护带装置具有背带110、保护带钢丝111以及保护带抻拉部112作为主要构成要素。背带110是被卷绕于训练者900的腹部的带，例如通过面粘扣被固定于腰部。背带110具备将作为吊具的保护带钢丝111的一端连结的连结钩110a，还能够称为悬吊带。训练者900以连结钩110a位于后背部的方式佩戴背带110。

保护带钢丝111的一端与背带110的连结钩110a连结，另一端与保护带抻拉部112的卷取机构连结。保护带抻拉部112的卷取机构通过使未图示的马达开/关来卷取或导出保护带钢丝111。通过这样的结构，在训练者900要跌倒的情况下，防跌倒保护带装置根据检测到该活动的整体控制部210的指示来卷取保护带钢丝111，通过背带110支承训练者900的上身而防止训练者900跌倒。

背带110具备用于检测训练者900的姿势的姿势传感器217。姿势传感器217例如是将陀螺仪传感器与加速度传感器组合而成的传感器，输出佩戴了背带110的腹部相对于重力方向的倾斜角。

管理用监视器139被安装于框架130，是主要用于供训练工作人员901进行监视以及操作的显示输入装置。管理用监视器139例如为液晶面板，在其表面设置有触摸面板。管理用监视器139显示与训练设定相关的各种菜单项目、训练时的各种参数值、训练结果等。管理用监视器139作为信息提示部而根据整体控制部210所输出的状态信号来对于训练工作人员901提示执行中的训练是否为异常状态。

紧急停止按钮232是用于当训练者在执行中的训练跌倒等发生紧急情况的情况下等使跑步机131、前侧抻拉部135以及后侧抻拉部137紧急停止的按钮。紧急停止按钮232被设置在训练工作人员901能够立刻按下的位置。

步行辅助装置120被佩戴于训练者900的病腿，通过减少病腿的膝关节处的伸展以及屈曲的负荷来辅助训练者900的步行。步行辅助装置120具备测量脚底载荷的传感器等，向整体控制部210输出与移动腿相关的各种数据。另外，背带110还能够使用具有旋转部的连接部件(以下，称为臀部接头：a hip joint)来与步行辅助装置120连接。关于步行辅助装置120的详细将后述。

其中，在本实施方式中，“腿”以及“腿部”被作为表示比髋关节靠下部的整体的用语使用，“脚”以及“脚部”被作为表示从脚踝至脚尖为止的部分的用语使用。

接下来，使用图2对步行辅助装置120进行说明。图2是表示步行辅助装置120的一个构成例的简要立体图。步行辅助装置120主要具备控制单元121、支承病腿的各部的多个框架、以及用于检测施加于脚底的载荷的载荷传感器222。

控制单元121包括进行步行辅助装置120的控制的辅助控制部220，另外，还包括产生用于对膝关节的伸展运动以及屈曲运动进行辅助的驱动力的未图示的马达。支承病腿的各部的框架包括大腿框架122和与大腿框架122连结为转动自如的小腿框架123。另外，该框架还包括与小腿框架123连结为转动自如的脚掌框架124、用于连结前侧钢丝134的前侧连结框架127、以及用于连结后侧钢丝136的后侧连结框架128。

大腿框架122与小腿框架123绕图所示的铰接轴H

前侧连结框架127被设置为在大腿的前侧沿左右方向伸延并在两端与大腿框架122连接。另外，在前侧连结框架127中，在左右方向的中央附近设置有用于连结前侧钢丝134的连结钩127a。后侧连结框架128被设置为在小腿的后侧沿左右方向伸延并在两端分别与沿上下伸延的小腿框架123连接。另外，在后侧连结框架128中，在左右方向的中央附近设置有用于连结后侧钢丝136的连结钩128a。

大腿框架122具备大腿带129。大腿带129是一体设置于大腿框架的带，被卷绕于病腿的大腿部来将大腿框架122固定于大腿部。由此，防止了步行辅助装置120的整体相对于训练者900的腿部偏移。

载荷传感器222是被埋入至脚掌框架124的载荷传感器。载荷传感器222检测训练者900的脚底所承受的垂直载荷的大小与分布，例如还能够构成为检测COP(Center OfPressure：载荷中心)。载荷传感器222例如是电极被配置为矩阵状的电阻变化检测型的载荷检测片。

接下来，参照图3对步行训练装置100的系统构成例进行说明。图3是表示步行训练装置100的系统构成例的框图。如图3所示，步行训练装置100能够具备整体控制部210、跑步机驱动部211、操作受理部212、显示控制部213以及抻拉驱动部214。另外，步行训练装置100能够具备保护带驱动部215、图像处理部216、姿势传感器217、扶手传感器218、通信连接IF(接口)219以及步行辅助装置120。

整体控制部210例如是MPU(Micro Processing Unit)，通过执行从系统存储器读入的控制程序来执行装置整体的控制。在本实施方式中，整体控制部210执行对被执行的训练处于正常状态还是异常状态进行推断的状态推断程序。整体控制部210例如使用从各种传感器取得的数据来评价训练者900的步行动作是否是异常步行。另外，整体控制部210例如基于异常步行的累计数来对于一系列步行训练判定训练结果。整体控制部210能够生成该判定结果或成为其根源的异常步行的累计数等作为复健数据的一部分。整体控制部210具有阈值设定部210a、步行周期检测部210b、状态推断部210c以及驱动控制部210d。

阈值设定部210a取得传感器输出，根据所取得的传感器输出来设定用于判定训练的正常状态或者异常状态的阈值。其中，关于阈值的设定的具体例将后述。

步行周期检测部210b检测训练中的训练者900的步行周期。步行周期检测部210b例如根据从步行辅助装置120的载荷传感器222取得的数据来对病腿的脚底是否接触跑步机131、或者脚底接地的时间亦即立腿期和脚底未接地的摆腿期进行判定。而且，步行周期检测部210b检测训练者900的步行模式。其中，关于步行周期的详细将后述。步行周期检测部210b可以从由照相机140拍摄到的训练者900的身体的图像而代替从载荷传感器222取得的数据来识别训练者并根据识别出的训练者900的图像检测步行模式。步行周期检测部210b也可以根据步行辅助装置120所具有的载荷传感器222、角度传感器223生成的数据检测步行模式而代替上述的手段。

状态推断部210c根据阈值设定部设定的阈值来推断训练是在正常状态还是异常状态下进行。驱动控制部210d进行与跑步机驱动部211、抻拉驱动部214以及关节驱动部221的驱动相关的控制。例如，若检测为紧急停止按钮232被按下，则驱动控制部210d进行用于使驱动中的上述驱动部停止的控制。

跑步机驱动部211包括使带132旋转的马达及其驱动电路。整体控制部210通过向跑步机驱动部211发送驱动信号来执行带132的旋转控制。整体控制部210例如根据由训练工作人员901设定的步行速度来调整带132的旋转速度。

操作受理部212受理来自训练工作人员901的输入操作并将操作信号向整体控制部210发送。训练工作人员901对构成操作受理部212的、设置于装置的操作按钮、与管理用监视器139重叠的触摸面板、附属的遥控器等进行操作。通过该操作，训练工作人员901能够赋予电源的开/关、训练的开始的指示、进行与设定相关的数值的输入、菜单项目的选择。另外，操作受理部212还受理紧急停止按钮232的操作。通过该操作，训练工作人员901能够使训练中的步行训练装置100的驱动部紧急停止。此外，操作受理部212还能够受理来自训练者900的输入操作。

显示控制部213接受来自整体控制部210的显示信号来生成显示图像，并显示于训练用监视器138或者管理用监视器139。显示控制部213根据显示信号来生成表示训练的进展的图像、由照相机140拍摄到的实时影像。

抻拉驱动部214包括构成前侧抻拉部135的用于抻拉前侧钢丝134的马达及其驱动电路、和构成后侧抻拉部137的用于抻拉后侧钢丝136的马达及其驱动电路。整体控制部210通过向抻拉驱动部214发送驱动信号来分别控制前侧钢丝134的卷取与后侧钢丝136的卷取。另外，并不局限于卷取动作，还通过控制马达的驱动转矩来控制各钢丝的抻拉力。整体控制部210例如根据载荷传感器222的检测结果来确定病腿从立腿状态切换为摆腿状态的时机，通过与该时机同步地使各钢丝的抻拉力增减，来辅助病腿的摆动动作。

保护带驱动部215包括构成保护带抻拉部112的用于抻拉保护带钢丝111的马达及其驱动电路。整体控制部210通过向保护带驱动部215发送驱动信号来控制保护带钢丝111的卷取和保护带钢丝111的抻拉力。例如在预测到训练者900跌倒的情况下，整体控制部210卷取一定量的保护带钢丝111来防止训练者跌倒。

图像处理部216与照相机140连接，能够从照相机140接受图像信号。图像处理部216根据来自整体控制部210的指示来从照相机140接受图像信号，对接受到的图像信号进行图像处理而生成图像数据。另外，图像处理部216还能够根据来自整体控制部210的指示来对从照相机140接受到的图像信号实施图像处理而执行特定的图像解析。例如，图像处理部216通过图像解析来检测与跑步机131接触的病腿的脚的位置(立腿位置)。具体而言，例如通过提取脚掌框架124的前端附近的图像区域并对描绘在与该前端部重叠的带132上的识别标识进行解析来运算立腿位置。

姿势传感器217如上述那样检测训练者900的腹部相对于重力方向的倾斜角，并将检测信号向整体控制部210发送。整体控制部210使用来自姿势传感器217的检测信号来运算训练者900的姿势、具体为躯干的倾斜角。其中，整体控制部210与姿势传感器217可以通过有线连接，也可以通过近距离无线通信连接。

扶手传感器218检测施加于扶手130a的载荷。即，训练者900无法通过两腿完全支承自身的体重的量的载荷施加于扶手130a。扶手传感器218检测该载荷，并将检测信号向整体控制部210发送。

存储部209是包括DRAM(Dynamic Random Access Memory)等易失性存储器、闪存、SSD(Solid State Drive)或者HDD(Hard Disc Drive)等非易失性存储器的存储装置。存储部209存储阈值设定部210a设定的阈值等。

通信连接IF219是与整体控制部210连接的接口，是用于向被佩戴于训练者900的病腿的步行辅助装置120赋予指示、接受传感器信息的接口。

步行辅助装置120能够具备与通信连接IF219通过有线或者无线连接的通信连接IF229。通信连接IF229与步行辅助装置120的辅助控制部220连接。通信连接IF219、229是符合通信标准的例如有线LAN或者无线LAN等通信接口。

另外，步行辅助装置120能够具备辅助控制部220、关节驱动部221、载荷传感器222以及角度传感器223。辅助控制部220例如为MPU，通过执行从整体控制部210赋予的控制程序来执行步行辅助装置120的控制。另外，辅助控制部220将步行辅助装置120的状态经由通信连接IF219、229向整体控制部210通知。另外，辅助控制部220接受来自整体控制部210的指示，执行步行辅助装置120的启动/停止等控制。

关节驱动部221包括控制单元121的马达121M及其驱动电路。辅助控制部220通过向关节驱动部221发送驱动信号来以大腿框架122与小腿框架123绕铰接轴Ha相对打开或关闭的方式施力。通过这样的动作，来辅助膝部的伸展动作以及屈曲动作、防止折膝。即，关节驱动部221是为了辅助训练者的动作而与训练者的动作对应地进行驱动的驱动部之一。

其中，关节驱动部221能够将控制单元121的马达121M的驱动力切换为预先设定的水平。控制单元121中的该马达121M的驱动力的切换被设定为辅助水平。即，本实施方式中的辅助水平是表示对于进行步行训练的训练者900进行的辅助动作的强度的水平。

载荷传感器222如上述那样检测训练者900的脚底所承受的垂直载荷的大小与分布并将检测信号向辅助控制部220发送。辅助控制部220能够通过接受检测信号并解析来进行摆腿/立腿的状态判别等。

角度传感器223如上述那样检测大腿框架122与小腿框架123绕铰接轴H

(步行周期)

参照图4对训练者900的步行周期进行说明。图4是表示训练者的步行周期的例子的图。图中所示的是着眼于从左向右步行的训练者900的病腿亦即右腿的情况下的1个周期的步行轨迹。步行轨迹将右腿与地板面接触的位置表示为0％，将进行了1个周期的步行的位置表示为100％。

1个周期的步行周期被分类为0～10％的两腿支承期1、10～50％的立腿期、50～60％的两腿支承期2以及60～100％的摆腿期。两腿支承期1是立腿初期，是相反侧的腿亦即左腿也与地板面接触的状态。立腿期是所着眼的腿亦即右腿(病腿)与地板面接触、相反侧的左腿离开地板面的状态。两腿支承期2是立腿终止期，是相反侧的腿亦即左腿也与地板面接触的状态。摆腿期是所着眼的腿亦即右腿离开地板面的状态。

存在右腿瘫痪的训练者900在图示的步行周期中的立腿期难以支承自身体重的情况。在这样的情况下，训练者900存在膝部大幅度屈曲而发生“折膝”的可能性。折膝是伴随着膝部伸展功能的降低而膝部屈曲导致无法保持伸展位的状态，是指步行时膝部无意识折弯的现象。另外，在步行周期的30％前后的位置，需要使膝部伸展，但训练者900有可能在膝部屈曲之后无法使其伸展。鉴于此，控制单元121的马达121M以在立腿期中的规定的时机抑制膝部过度弯曲、帮助膝部伸展的方式进行驱动。

接下来，参照图5对膝关节的角度进行说明。图5是表示病腿的膝部伸展角度的例子的图。病腿的膝部伸展角度是训练者900的步行姿势的一个例子。图5是相对于步行方向从侧方观察病腿侧的下半身亦即瘫痪体部的情况下的示意图，从上依次表示躯干TL、髋关节HJ、大腿HL、膝关节NJ、小腿CL、踝关节FJ、脚FL。另外，作为使小腿CL向上方延伸的延长线，小腿延长线CLL用虚线表示。而且，大腿HL与小腿延长线CLL所成的角度被表示为膝部伸展角度Ak。图5所示的示意图是训练者900的病腿处于立腿期并与地板面接触的状态。

图5所示的立腿期的状态下的健康正常人的膝部伸展角度Ak为10～15度。因此，在训练者900的步行中，也优选立腿期中的最大的膝部伸展角度Ak为10～15度左右。然而，在训练者900无法完全支承自身的体重的情况下，存在膝部伸展角度Ak大幅度超过15的情况。鉴于此，在膝部伸展角度Ak超过预先设定的值的情况下，被佩戴于膝关节NJ的控制单元121的马达121M向使膝部伸展角度Ak返回至规定的范围的方向进行驱动。

接下来，参照图6对利用膝部伸展角度Ak检测步行周期、并且设定用于对训练的状态进行推断的阈值的原理的一个例子加以说明。图6是表示步行周期与膝部伸展角度的关系的图。图6所示的图表的横轴表示步行周期，纵轴表示膝部伸展角度。图表中用实线描绘的曲线L11是对正常进行了的步行训练中的表示训练者900的步行姿势的膝部伸展角度Ak的变化进行表示的步行轨迹。

如图所示，膝关节在步行周期中反复进行2次伸展与屈曲。训练者900的腿在步行周期0％中以约5度的屈曲位初始接地，然后在屈曲至15度左右之后转为伸展。而且，训练者900的腿在直至步行周期的40％为止大致完全伸展，然后再次开始屈曲。最大屈曲在摆腿中期的起初(步行周期70％左右)发生，膝部伸展角度Ak约为60度。在摆腿中期以后，朝向下一初始接地大致伸展至完全伸展位(膝部伸展角度Ak为0度附近)。

在正常进行训练的情况下，训练者900的腿重复曲线L11所示那样的模式。角度传感器223通过每隔预先设定的间隔检测训练中的膝部伸展角度Ak来识别步行周期。其中，作为曲线L11例示的步行周期的数据也可以是根据多个步行周期的数据计算平均值等统计值等而生成的。

图中用虚线所示的曲线L12是阈值设定部210a所设定的下限侧的阈值的例子。例如根据训练者900多次进行了的步行的数据计算标准偏差并根据计算出的标准偏差来设定L12。即，该阈值是在设想为在正常进行训练的情况下的训练者900的步行模式中不会低于曲线L12的基础上设定的。因此，在训练中，当膝部伸展角度Ak低于曲线L12的情况下，状态推断部210c推断为训练的状态是异常状态。

同样，图中用单点划线所示的曲线L13是阈值设定部210a所设定的上限侧的第1阈值的例子。与下限侧的阈值同样，根据训练者900进行了多次的步行的数据计算标准偏差并根据计算出的标准偏差来设定L13。因此，在训练中，当膝部伸展角度Ak低于曲线L13的情况下，状态推断部210c推断为训练的状态是异常状态。

图中用双点划线所示的曲线L14是阈值设定部210a所设定的上限侧的第2阈值的例子。曲线L14所示的第2阈值将比曲线L13所示的第1阈值大的角度设定为阈值。这样，阈值设定部210a能够变更上限侧的阈值与下限侧的阈值的设定。

另外，阈值设定部210a可以根据步行周期的时机来适当地变更阈值的设定的方式。例如，步行周期15％中的第2阈值与曲线L11之差被设定得比步行周期40％中的第2阈值与曲线L11之差小。阈值设定部210a通过预先具有根据步行周期的时机来对阈值乘以的系数等加权值，由此进行这样的设定。另外，阈值设定部210a可以通过用户的操作来变更阈值。这样，通过根据步行周期的时机来变更阈值的设定的方式，步行训练装置100能够有效地推断训练的状态。

接下来，参照图7对步行训练装置100设定阈值的处理进行说明。图7是表示步行训练装置100设定阈值的处理的流程图。图示的流程图表示根据正常状态下的传感器输出设定阈值的情况下的整体控制部210的处理。

首先，整体控制部210进行用于开始步行训练的处理(步骤S10)。若训练者900开始步行，则整体控制部210取得阈值设定用的传感器输出(步骤S11)。优选阈值设定用的传感器输出是训练者900进行的正常状态的训练中例如100步量等的多个数据。

接下来，整体控制部210对是否存在用于使用所取得的传感器输出来设定阈值的指示进行判定(步骤S12)。用于设定阈值的指示例如通过训练工作人员901进行规定的操作来传递至整体控制部210。

在用于阈值设定的步行训练中包含异常状态的情况下，训练工作人员901不指示阈值的设定。该情况下，整体控制部210不判定为存在阈值设定指示(步骤S12：否)，返回至步骤S11，再次进行传感器输出的取得。

另一方面，在正常进行了用于阈值设定的步行训练的情况下，训练工作人员901指示阈值的设定。该情况下，整体控制部210判定为存在阈值设定指示(步骤S12：是)，进行阈值的设定(步骤S13)。若进行阈值的设定，则整体控制部210以所设定的阈值能够在此后进行的训练中使用的方式将阈值存储于存储部209(步骤S14)。

接下来，参照图8对步行训练装置100在训练时进行的处理加以说明。图8是表示实施方式1所涉及的步行训练装置的处理的流程图。图8所示的流程图是在训练者900进行步行训练的情况下由整体控制部210进行的处理。

首先，整体控制部210进行用于开始步行训练的处理(步骤S101)。若训练者900开始步行，则整体控制部210检测步行周期(步骤S102)。具体而言，步行周期检测部210b例如如图6所示的例子那样根据角度传感器223的输出来检测步行周期。

接下来，整体控制部210从训练中的步行训练装置100取得传感器输出(步骤S103)。例如，整体控制部210取得与检测到的步行周期对应的来自角度传感器223的输出。

接下来，整体控制部210的状态推断部210c对执行中的训练是否处于异常状态进行推断(步骤S104)。执行中的训练是否处于异常状态例如通过检测如图6所示那样所取得的传感器输出未进入阈值这一情况来推断。

在推断为执行中的训练不处于异常状态的情况下(步骤S104：否)，整体控制部210返回至步骤S102，再次检测步行周期。另一方面，在推断为执行中的训练处于异常状态的情况下(步骤S104：是)，整体控制部210进行警告(步骤S105)。警告例如通过在训练用监视器138显示“异常状态”、“请停止训练”等之类的消息来实现。另外，警告除了这样的消息的显示之外还可以或者代替消息的显示而通过声音、光等来实现。整体控制部210例如指示显示控制部213使训练用监视器138将这样的警告显示3秒、5秒等规定期间。接下来，在完成了进行警告显示的处理之后，整体控制部210再次返回至步骤S102来检测步行周期。

这样，在推断出异常状态的情况下，步行训练装置100进行警告。通过适当地设定用于进行警告的阈值，训练工作人员901能够在训练者900跌倒等之前按下紧急停止按钮232等进行确保训练者900的安全性的操作。因此，根据本实施方式，能够提供对训练者的安全性降低进行抑制的状态推断程序等。

此外，状态推断部210c可以针对步行周期中的预先设定的期间或者时机设定阈值来判定状态。例如，状态推断部210c可以在步行周期中的预先设定的时机(例如15％的位置等)判定状态。另外，状态推断部210c可以将步行周期离散化并分别判定离散化了的时机的状态。

＜实施方式1的第1变形例＞

接下来，对实施方式1的第1变形例进行说明。本变形例所涉及的阈值设定部210a除了取得传感器输出之外还取得训练者的个人资料数据(profile data)，利用传感器输出以及个人资料数据来设定阈值。

图9是表示实施方式1的第1变形例所涉及的步行周期与膝部伸展角度的关系的图。图9所示的图在图6所示的曲线L14的上方描绘了曲线L15。曲线L15与曲线L14相比将立腿期(1％～50％)中的阈值设定得大。设定曲线L14的阈值的训练者与设定曲线L15的阈值的训练者因个人资料数据存在差异而这样设定不同的阈值。

(个人资料数据)

这里，对个人资料数据进行说明。阈值设定部210a取得的个人资料数据是表示与训练者相关的信息的数据，例如是训练者基于功能独立性评价法的认知水平。作为评价训练者的认知水平的手法，例如公知有FIM(Functional Independence Measure：功能独立性评价表)。FIM决定了评价ADL(Activities of Daily Life)的评价方法之一。在FIM中，根据帮助量而以1分～7分这7个阶段进行评价。

个人资料数据也可以是训练者基于中风功能评价法的评价得分。作为用于将训练者所患的中风的功能障碍定量化的评价手法，例如存在SIAS(Stroke ImpairmentAssessment Set)。SIAS能够包括髋屈曲测试(Hip-Flex)、膝部伸展测试(Knee-Ext)、脚底板测试(Foot-Pat)。另外，SIAS能够包括下肢触觉(Touch L/E)、下肢位置感(Position L/E)、腹肌力(Abdominal)、以及垂直性测试(Verticality)。

个人资料数据也可以是表示训练者的属性的数据。表示训练者的属性的数据例如包括表示训练者的年龄、性别、体格(身高、体重等)、身体状态的得分等。

阈值设定部210a所取得的个人资料数据例如是与上述的信息中的至少一个信息所包含的得分对应生成的系数。该情况下，阈值设定部210a通过将根据个人资料数据生成的系数乘以根据取得的传感器输出计算的值来设定阈值。

对于被设定了图9所示的曲线L14的阈值的训练者与被设定了曲线L15的阈值的训练者而言，例如与步行相关的FIM的得分不同。在这样的情况下，即便传感器输出相同，阈值设定部210a也设定不同的阈值。

接下来，参照图10对实施方式1的第1变形例所涉及的处理进行说明。图10是表示实施方式1的第1变形例所涉及的整体控制部210所进行的处理的其他例子的流程图。图10所示的流程图在步骤S10之前附加了步骤S20这一点与图7所示的流程图不同。以下，关于与图7所示的流程图同样的处理适当省略来对整体控制部210的处理进行说明。

在进行实施方式1的第1变形例所涉及的处理时，首先，阈值设定部210a取得个人资料数据(步骤S20)。个人资料数据通过训练工作人员901等进行的操作被输入至步行训练装置100。

接着，与图7所示的处理同样，整体控制部210进行开始步行训练的处理(步骤S10)，进而取得阈值设定用的传感器输出(步骤S11)。在用于阈值设定的步行训练正常进行了的情况下，训练工作人员901指示阈值的设定。该情况下，整体控制部210判定为存在阈值设定指示(步骤S12：是)，进行阈值的设定(步骤S13)。

在进行阈值的设定的情况下，整体控制部210使用所取得的传感器输出与个人资料数据来进行运算。若进行阈值的设定，则整体控制部210以设定好的阈值能够在此后进行的训练中使用的方式将阈值存储于存储部209(步骤S14)。

通过如以上那样使用个人资料数据，步行训练装置100能够根据训练者900的个人资料数据适当地设定阈值。其中，在取得训练者900的个人资料数据设定了阈值的情况下，为了执行上述的状态推断程序，在输入了训练者的个人资料数据之后开始训练。通过进行这样的处理，能够针对每个训练者设定优选的阈值来进行训练。

＜实施方式1的第2变形例＞

接下来，参照图11对实施方式1的第2变形例进行说明。图11是表示实施方式1的第2变形例所涉及的阈值设定部210a所进行的处理的流程图。本变形例中的流程图在具有步骤S30来代替步骤S12这一点上与图7所示的流程图不同。即，在本变形例中，步行训练装置100取得阈值设定用的传感器输出(步骤S11)，对所取得的传感器输出所涉及的训练的状态加标签(步骤S30)。

更具体而言，步行训练装置100进行用于对为了取得阈值设定用的传感器输出而进行了的步行训练是处于正常状态还是异常状态加以表示的加标签。对于用于表示训练处于正常状态还是异常状态的加标签而言，按进行了的每个训练，例如进行由训练工作人员901适当地判断并附加对应的标签的操作。

本变形例所涉及的步行训练装置100通过这样取得关于正常状态与异常状态各自的传感器输出来计算正常状态与异常状态的边界。作为计算正常状态与异常状态的边界的手法，步行训练装置100例如能够利用SVM(support vector machine)。

以上，对实施方式1的构成例进行了说明，但实施方式1并不局限于上述的结构。以下，对传感器输出的其他例进行说明。图12是表示根据图像数据设定的阈值的第1例的图。图12所示的骨架模型900M是通过拍摄训练者900而生成的训练者900的骨架模型。通过步行训练装置100处理照相机140所拍摄的训练者900的图像而生成。另外，整体控制部210生成骨架模型900M，根据所生成的骨架模型900M来推断训练者900的重心COP10。其中，关于拍摄人物并根据拍摄到的图像的图像数据生成这样的骨架模型、推断重心的技术是本领域技术人员所公知的。因此，这里省略详述。

在这样的状况中，整体控制部210例如通过进行每隔规定的期间便追踪重心COP10的处理，来进行训练者900的步行周期的检测、训练的状态的推断。

图13是表示训练者900的重心COP10的推移与阈值的关系的图。图13所示的图像140D提取出根据骨架模型900M推断出的重心COP10的区域。图像140D所包括的虚线L20表示了正常状态下的步行训练中的重心COP10的轨迹。重心COP10在虚线L20上沿着箭头推移为8字形。虚线L20上包含点IC。点IC相当于图4中所示的步行周期的0％的位置。

以包围虚线L20的方式用实线描绘的线B20表示了正常状态与异常状态的阈值。即，当重心COP10在由线B20围起的区域内推移的情况下，状态推断部210c将训练者900所进行的训练推断为正常状态。另一方面，在重心COP10超出由线B20围起的区域内的情况下，状态推断部210c将训练者900所进行的训练推断为异常状态。

接下来，对利用了骨架模型900M的处理的另外的例子进行说明。图14是表示根据图像数据设定的阈值的第2例的图。图14所示的骨架模型900M根据步行训练中的训练者900的图像生成。图14中分别示出了将骨架模型900M的左右的肩部连接的线与沿附图的水平方向延伸的线的角度As、和正中线与沿附图的垂直方向延伸的线的角度At。阈值设定部210a能够将角度As或者角度At作为阈值来使用。该情况下，状态推断部210c根据骨架模型900M来计算训练中的角度As或者角度At的值，并根据计算出的值来推断训练处于正常状态还是异常状态。

例如，阈值设定部210a能够在角度At作为阈值而超过20度的情况下设定为处于异常状态。在步行训练中，若训练者900失去平衡，则存在角度At超过20度的可能性。在这样的情况下，状态推断部210c推断为训练处于异常状态。

阈值设定部210a可以设定角度As或者角度At的角速度、角加速度作为阈值。该情况下，无论训练者900的姿势如何，在训练者900的躯干的变化剧烈的情况下，状态推断部210c能够推断为训练处于异常状态。

此外，上述的骨架模型900M的例子最多只不过是一个例子。即，阈值的设定、用于推断状态的参数并不局限于上述的情况。例如，阈值的设定、用于推断状态的参数也可以根据训练者900在步行动作中的腿的步幅量来取得。另外，拍摄训练者900的图像的照相机140不需要设置于训练者900的正面，也可以从训练者900的侧方、斜向拍摄训练者900。另外，也可以是照相机140设定了多台，并根据拍摄到训练者900的多个图像数据来设定阈值等。另外，阈值的设定、用于推断状态的参数也可以使用姿势传感器217、前侧抻拉部135、后侧抻拉部137或者载荷传感器222的传感器输出。

以上，对实施方式1进行了说明。根据实施方式1，能够提供抑制训练者的安全性降低的步行训练装置、状态推断程序等。

＜实施方式2＞

接下来，参照图15对实施方式2进行说明。实施方式2的推断出异常状态之后的处理与图8所示的实施方式1的处理不同。图15是表示实施方式2所涉及的步行训练装置的处理的流程图。以下，关于与实施方式1的处理同样的内容适当省略来对本实施方式的处理进行说明。

在步骤S104中，当推断为执行中的训练处于异常状态的情况下(步骤S104：是)，整体控制部210进行使驱动部停止的处理(步骤S201)。驱动部是为了辅助训练者的动作而与训练者的动作对应进行驱动的驱动部，例如是跑步机131、前侧抻拉部135、后侧抻拉部137以及马达121M。

在步骤S201中，整体控制部210进行考虑了训练者900的身体安全性的处理。例如，在使上述驱动部停止的情况下，整体控制部210使驱动部减速。由此，步行训练装置100能够抑制对训练者900施加剧烈的负荷。

另外，整体控制部210可以在使驱动部停止之后将驱动部向相反方向驱动之后停止。例如，整体控制部210将跑步机131向相反方向驱动几十厘米量。通过进行这样的处理，例如在跌倒的训练者900被跑步机131拖动的情况下，步行训练装置100能够使训练者900接近规定的初始位置。即，步行训练装置100能够在不给训练者900的身体带来负担的状态下使驱动部停止，并且处于容易重新开始训练的状态。即，通过这样的结构，步行训练装置100能够进一步抑制训练者的安全性的降低。

接下来，整体控制部210进行将训练处于异常状态并紧急停止了的情况通知给训练者900以及训练工作人员901的处理(步骤S202)。通知训练处于异常状态并紧急停止这一情况的处理可以显示在训练用监视器138或者管理用监视器139，也可以通过发出声音、光等手段来实现。

以上，对实施方式2进行了说明。此外，实施方式2可以构成将实施方式1所示的警告处理与实施方式2所示的紧急停止处理适当地分开使用的处理。即，实施方式2所涉及的步行训练装置100可以分别具有用于进行警告处理的阈值和用于进行紧急停止处理的阈值，根据训练的状态来分别执行这些处理。

通过上述的结构，步行训练装置100能够自动地进行训练工作人员901必须立刻操作的处理。因此，根据实施方式2，能够提供减轻训练工作人员的负担并抑制训练者的安全性降低的步行训练装置等。

＜实施方式3＞

接下来，对实施方式3进行说明。实施方式3所涉及的复健辅助系统在使用与步行训练装置连接的服务器所储存的学习完毕模型来推断训练的状态这一点上与实施方式1不同。图16是表示实施方式3所涉及的复健辅助系统的一个构成例的整体示意图。实施方式3所涉及的复健辅助系统(复健系统)主要由步行训练装置200、外部通信装置300以及服务器(服务器装置)500构成。

步行训练装置200的硬件结构在与外部通信装置300连接为能够通信的点上与实施方式1所涉及的步行训练装置100不同。此外，在与已经说明过的步行训练装置100共通的点上，省略这里的说明。

外部通信装置300是将个人资料数据、复健数据向外部发送的发送机构的一个具体例。外部通信装置300能够具有接受步行训练装置200所输出的数据并暂时进行存储的功能和将所存储的数据向服务器500发送的功能。

外部通信装置300与步行训练装置200的控制盘133例如通过USB(UniversalSerial Bus)线连接。另外，外部通信装置300经由无线通信设备410例如通过无线LAN(Local Area Network)与因特网或者局域网等网络400连接。此外，步行训练装置200还能够具备通信装置来代替外部通信装置300。

服务器500是接收个人资料数据并处理接收到的个人资料数据的信息处理机构的一个具体例。服务器500与网络400连接，具有蓄积从外部通信装置300接收到的个人资料数据的功能。关于服务器500的功能将后述。

接下来，参照图17对步行训练装置200的系统构成例进行说明。图17是表示步行训练装置200的系统构成例的框图。步行训练装置200在具有输入输出单元231这一点上与实施方式1所涉及的步行训练装置100不同。

输入输出单元231例如包括USB(Universal Serial Bus)接口，是用于与外部的设备(外部通信装置300、其他外部设备)连接的通信接口。整体控制部210的输入输出控制部210e经由输入输出单元231与外部的设备通信，进行上述的整体控制部210内的控制程序、辅助控制部220内的控制程序的重新写入、指令的接受、规定的数据的输出等。

根据上述结构，步行训练装置200通过输入输出控制部210e的控制来经由输入输出单元231以及外部通信装置300进行与服务器500的通信。例如，输入输出控制部210e经由输入输出单元231以及外部通信装置300将从传感器取得的输出的数据亦即传感器输出数据发送至服务器500。另外，输入输出控制部210e接收与发送出的传感器输出数据对应地推断出训练的状态的状态推断信号。

接下来，对服务器500的详细进行说明。服务器500经由网络400从步行训练装置200接收传感器输出数据，并对接收到的传感器输出数据进行处理。在处理传感器输出数据时，服务器500利用预先存储的学习完毕模型。通过利用多个教导数据进行机器学习来生成学习完毕模型。服务器500利用学习完毕模型，根据接收到的传感器输出数据来推断训练的状态。服务器500经由网络400将推断的结果发送至步行训练装置200。其中，服务器500能够构成为从多个步行训练装置200接收多个传感器输出数据。由此，服务器500能够收集传感器输出数据。

图18是表示服务器500的一个构成例的框图。如图18所示，服务器500能够具备控制部510、通信IF514、数据蓄积部520以及模型存储部521。控制部510例如是MPU，通过执行从系统存储器读入的控制程序来执行服务器500的控制。控制部510能够具备后述的数据取得部510a、学习部510b以及响应处理部510c，该情况下，上述的控制程序包括用于使这些部位510a～510c的功能实现的程序。

通信IF514例如包括有线LAN接口，是用于与网络400连接的通信接口。控制部510能够经由通信IF514接收来自步行训练装置200的传感器输出数据，并能够向步行训练装置200发送处理结果。

数据蓄积部520例如具有HDD、SSD等存储装置，能够存储从步行训练装置200供给的传感器输出数据等。控制部510将经由通信IF514从外部通信装置300接收到的传感器输出数据向数据蓄积部520写入。

模型存储部521也具有HDD、SSD等存储装置。此外，数据蓄积部520与模型存储部521还能够具有共通的存储装置。在服务器500与步行训练装置200配合执行复健辅助处理的情况下，模型存储部521中至少存储有能够运用的学习完毕模型。

服务器500除了具有输出对于从步行训练装置200接收到的传感器输出数据推断训练的状态的状态推断信号的功能之外，还具有作为用于生成学习完毕模型的学习装置的功能。即，控制部510能够构成为进行对作为学习装置的功能与通过学习完毕模型进行复健辅助处理的功能加以切换的控制。不过，服务器500也能够按照在学习阶段使用的装置和在伴有学习完毕模型的运用阶段使用的装置进行分散。

数据取得部510a在学习阶段中取得用于获得状态推断信号的传感器输出数据以及与该传感器输出数据对应供给的状态标签信号。状态标签信号是为了生成学习完毕模型而与传感器输出数据对应地预先生成的信号。例如，当在正常状态的训练中输出了数据取得部510a所取得的传感器输出数据的情况下，与之对应的状态标签成为表示正常状态的信号。在进行复健辅助处理的情况下，数据取得部510a取得任意的传感器输出数据。

学习部510b为了使服务器500作为学习装置发挥功能而设置，响应处理部510c为了使服务器500执行复健辅助处理的一部分而设置。

模型存储部521存储未学习(也包括学习中的情况)的学习模型(以下，称为未学习模型)以及学习完毕的学习模型(以下，称为学习完毕模型)的至少一方。作为学习装置的服务器500是处理各种数据的处理装置。例如，服务器500使用所取得的传感器输出数据以及教导数据来进行机器学习，生成学习完毕模型。此外，学习装置还能够称为学习模型生成装置。当服务器500作为学习装置发挥功能时，在模型存储部521至少存储有未学习的学习模型。

(学习阶段)

接下来，参照图19对作为学习装置的服务器500所进行的学习阶段中的处理进行说明。图19是用于对作为学习装置的服务器500中的处理进行说明的流程图。

首先，服务器500的数据取得部510a取得传感器输出数据以及状态标签作为学习用数据(步骤S1)。即，在服务器500进行学习时，传感器输出数据以及与所取得的传感器输出数据对应的状态标签成为1组学习用的数据组。

接下来，服务器500的学习部510b将所取得的传感器输出数据应用于输入层并将对应的状态标签作为教导数据来执行学习(步骤S2)。

输入至学习装置的数据包括应用于输入层的多个参数和应用于输出层的教导数据。通过利用这样的多个数据组进行学习，作为学习装置的服务器500使学习部510b进行学习。学习部510b利用上述的学习用数据来学习在训练者利用步行训练装置200的情况下推断训练的状态这一情况。

此外，这里学习的学习模型的种类、其算法是任意的，作为算法，能够使用神经网络，特别优选使用将隐藏层多层化的深层神经网络(DNN)。作为DNN，例如能够使用采用了误差反向传播法的多层感知器(MLP)等前馈(正向传播型)神经网络。

接下来，学习部510b生成因进行了的学习而被更新的学习完毕模型(步骤S3)。其中，学习完毕模型是指通过上述的处理被更新过的学习模型成为能够运用的阶段的学习模型。

通过以上的处理，作为学习装置的服务器500生成输出状态推断信号的学习完毕模型。由此，复健辅助系统能够利用所生成的学习结束模型来推断步行训练的状态。

此外，作为学习模型，除了使用上述的结构之外，学习部510b例如还能够使用RNN(Recurrent Neural Network)等具有递归构造的神经网络。另外，RNN还能够是扩展为具有LSTM(Long short-term memory)区块的神经网络(有时亦简称为LSTM)。

(运用阶段)

接下来，参照图20对步行训练装置200在运用阶段所进行的处理进行说明。运用阶段是指利用由上述的学习装置生成的学习完毕模型来进行复健锻炼的阶段。图20是用于对服务器的处理的一个例子进行说明的流程图。如上所述，步行训练装置200通过访问服务器500而能够利用该学习完毕模型。在运用阶段，主要是步行训练装置200和与其网络连接的服务器500配合、即作为复健辅助系统来进行复健辅助处理。

首先，步行训练装置200进行开始步行训练的处理(步骤S301)。接下来，步行训练装置200检测步行周期(步骤S302)，与检测到的步行周期对应地取得传感器输出(步骤S303)。

接下来，步行训练装置200将所取得的传感器输出发送至服务器500的学习完毕模型(步骤S304)。若步行训练装置200将传感器输出发送至服务器500，则服务器500根据接受到的传感器输出来推断正在进行的训练的状态，并将状态推断信号发送至步行训练装置200。

接下来，步行训练装置200对是否从服务器500接收到表示异常状态的信号进行判断(步骤S305)。在判定为未从服务器500接收到表示异常状态的信号的情况下(步骤S305：否)，步行训练装置200返回至步骤S302，再次检测步行周期。

另一方面，在判断为从服务器500接收到表示异常状态的信号的情况下(步骤S305：是)，步行训练装置200进行警告(步骤S306)。这里进行的警告处理与在实施方式1中说明过的同样。因此，省略这里的说明。接下来，步行训练装置200返回至步骤S302，再次检测步行周期。

以上，对实施方式3进行了说明，但实施方式3并不局限于上述的结构。学习数据的数据组中也可以包含训练者的个人资料数据。通过包含训练者的个人资料数据，学习完毕模型能够针对每个训练者进行恰当的阈值的设定。另外，图20所示的处理可以与实施方式2同样，是在异常状态的情况下进行紧急停止的结构。

在实施方式3中，用于输入至学习模型的传感器输出也可以是多个传感器输出。另外，传感器输出也可以是图像数据本身。另外，训练者的个人资料数据并不局限于实施方式1中说明那样的得分数据，也可以是表示训练者罹患的疾病的症状信息等定性的数据或者表示属性的数据。

通过这样的处理，步行训练装置100能够显示受理到的个人资料数据以及与状态标签对应的状态推断信号。PT能够将显示出的状态推断信号设定为步行辅助装置120进行的辅助水平。通过这样的结构，无论PT的经验、直觉等如何，步行训练装置100均能够适当地设定辅助水平。

以上，对实施方式3进行了说明。根据实施方式3，能够提供抑制训练者的安全性降低的学习完毕模型等。

能够使用各种类型的非暂时性计算机可读介质来储存上述的程序，并供给至计算机。非暂时性计算机可读介质包括各种类型的有实体的记录介质。非暂时性计算机可读介质的例子包括磁记录介质(例如软盘、磁带、硬盘驱动器)、光磁记录介质(例如磁光盘)、CD-ROM(Read Only Memory)、CD-R、CD-R/W、半导体存储器(例如，掩模ROM、PROM(ProgrammableROM)、EPROM(Erasable PROM)、闪速ROM、RAM(Random Access Memory))。另外，程序可以通过各种类型的暂时性计算机可读介质供给至计算机。暂时性计算机可读介质的例子包括电信号、光信号以及电磁波。暂时性计算机可读介质能够经由电线以及光纤等有线通信路、或者无线通信路将程序供给至计算机。

此外，本发明并不局限于上述实施方式，在不脱离主旨的范围内能够适当地变更。例如，上述的步行训练装置可以是除了训练者的膝关节的动作之外或者代替膝关节的动作而训练训练者的髋关节、脚踝的动作的装置。另外，也可以代替上述的实施例而应用于训练训练者的手臂的动作的复健辅助装置或者复健辅助系统。

根据上述公开的内容，显然本公开的实施例可以以多种方式变化。这些变化不应视为脱离本公开的精神和范围，并且对于本领域技术人员而言，显然所有这些变更旨在包括于技术方案的范围。