研究内容
本研究室ではヒトの運動システムを解明し，それを応用した新しいシステムに関する研究を行っています。
人の運動はとても巧みな運動や、早く、力強い運動など、様々な運動ができます。このような運動ができるのは、脳神経系がどのように手足を動かすかを決定し、筋肉を制御することで実現できています。この、ヒトの運動がどのような原理で行なわれているのかを調べるために、現在、様々な観点からの研究が世界中で行なわれています。その一つとして、計算論的神経科学と呼ばれる分野が存在します。脳を調べるためには脳を測ることなどの方法もありますが、計算論的神経科学とは、脳がどのような情報処理メカニズムで働いているかを知るために、ある機能が働いている際の脳と同じ働きを行なう計算機プログラムや機械(ロボットなど)を作れる程度に脳の機能を理解すること、いわば脳を創ることで脳を理解しようという目的で研究を進める、理学（サイエンス）のことをいいます。
運動制御の情報処理メカニズムを知るためには、まず様々な条件下での人の運動を計測・解析し、その運動の特徴を調べます。そして、なぜその特徴が現れるの仮説を立てます。それを基に、その特徴を再現できるような計算機プログラムを作り、それをシミュレーション、またはロボットに実装して、人と同じような運動が実現できるかを調べる、という手順で研究を進めています。さらに、そこで立てた仮説が、他の運動に応用できるかを調べるために、また条件を変えて運動を計測・解析する、というように発展してきます。さらに、福祉工学への応用や、柔軟に環境に適応できる人に優しい知能ロボットの実現を目指しています。それでは、いくつかの具体的な研究内容を紹介します。
上肢の運動原理の解明
我々の研究室では特に腕や手指の運動に注目し、その巧みな運動を実現している運動原理の解明を目指して研究を行なっています。具体的には手や腕の運動軌道を計測、そして解析し、その運動の特徴を調べます。人の運動は、様々なように思いますが、同じ条件であれば何度繰り返しても、他の人が行っても、共通である特徴があります。その普遍的な特徴は、おそらく何らかの理由があって脳がそのような運動を作り出していると考えられています。その特徴が現れる計算過程を解明し、運動を実現する基本原理の神経計算モデルを構築します。このモデルを使えば、同じ条件を与えれば手や腕の運動を予測・再現できる訳です。
運動原理を解明する研究の例として、腕の2点間到達運動というものを取り上げましょう。それではマウスを持って、下の青丸の点●にカーソルを置いてください。そして、黄色の丸の点●へマウスを移動させてください。このように、運動の開始点から目標点まで手先を動かす運動を2点間到達運動と呼びます。この運動は●の点に到達すれば良いのですから、色々な軌道が考えられますが、実際は人はだいたい赤の線のような直線的な運動を行い、緑線で描かれたような遠回りはしません。さらに、そのときの手先位置xの運動時間tに対する変化を調べると、
2点間到達運動のこのような特徴を再現する仮説をより複雑な運動を説明する事に使えるかを、さらに条件を加えた運動を計測・解析することで検証しています。例えば、下に示すような字を書く運動を実行する時にも、同じモデルに新たな経由点の位置を条件として付加する事で、人の運動を再現出来ています。
アイ・ハンド・コーディネーション
ヒトが字を書く時のように線などを正確に描く場合，視覚から得た情報が正確な腕運動を行うためには重要な役割を担っています．すなわち，腕運動を正確に行うために必要な情報を得られるように，視線位置を適切に制御しなければなりません．例えばペンで字を書いているときには，私たちはペン先の位置を見ているように思いますが，上の項目でも述べたように，人の視覚情報処理には時間がかかるため，仮にペンで字を書いている時に線がずれてしまったとしても，それを視線で検知して，そのずれを修正するためにはとても時間がかかってしまい，ペンの位置がずれたまま，ペン先位置がさらに進んでしまい，ずれがさらに大きくなってしまう恐れがあります．そのため，線を描くような運動においては，実際にはペンの位置よりも先を見ていることが，眼球運動と腕運動の同時計測の実験を通して明らかになっています．このような眼球運動と腕運動の協調制御（アイ・ハンド・コーディネーション）を，両者を同時に計測し，視線が先行することによりどのような制御が行われているかを調べて行きます．
対象物操作における認知・運動学習メカニズムの解明
人は対象物を認識して、その結果に基づいて手や腕の運動を計画することにより、様々な運動を巧みに実行しています。目の前にあるコップを取って水を飲む運動を考えてもらえればわかるでしょうか。コップには色々な形や大きさ、重さのものがあります。そのコップを認識した結果、我々はそのコップ自体をつかんで持った方が良いのか、あるいはそのコップに付いている取っ手を持った方が良いのか、さらにはその取っ手の中に何本の指を入れたら良いのかといったことを瞬時に判断し、かつ、コップの中の水をこぼさないように指や腕の運動を計画して実行しているわけです。本研究テーマでは、対象物操作における認知・運動学習メカニズムを運動計測・解析を行なうことにより明らかにします。手の運動は手指運動計測装置により指の開き加減や傾き、曲げ具合などを計測し、腕の運動は３次元位置計測装置を用いて腕の姿勢の計測を行ないます。
対象物操作のための視覚運動変換モデルをロボットハンドでの検証
対象物操作のための認識と運動の統合メカニズムをニューラルネットワークモデルを用いてモデル化を行なう研究も行ない、さらにロボットへの応用も検討しています。
運動自由度の制御モデル
我々の身体は非常に多自由度のシステムです。上肢で考えると、腕は３関節で７自由度、指も？？自由度あります。人が巧みに運動を行うことができるもう１つの要因は、この目的の運動を実現するためには過剰な自由度（冗長自由度）をうまく使っているからです。しかし、人はこの自由度を最初からうまく使いこなしているわけではなく、運動学習の初期には一部の関節を固定し、運動が上達するにつれて、徐々に運動に使う関節を増やす事で自由度を増やし、巧みな運動が実現できていると考えられます。これをフリージングと言います。この数理モデルを構築して計算機シミュレーションで検証しています。
画像認識技術を併用した筋電義手システム
事故や病気などで手を失ってしまった人にとって、義手は日常生活の質を向上させるためにも重要であり、義手として自分の意図通りに動くロボットハンドの利用が望まれています。そのために、人が運動を行う時に腕の皮膚表面で計測できる筋電によってロボットハンドを動かす筋電義手の研究は古くから行われているものの、皮膚筋電信号は微弱でノイズが大きいため、典型的な数種類の把持姿勢の分類を行う程度の機能に限られており、かつその精度も十分ではありません。一方で、近年の機械学習、特に画像認識の技術の進展は目覚ましくさらにそれに基づいたロボットハンド制御の研究も進められています。しかし、人は物体を操作する際にその用途に応じて、同じ物体であっても様々な把持姿勢で物体を持ちます。画像認識の結果だけでは、そのような複数の把持姿勢から適したユーザーの意図を反映した把持姿勢を選んで実現することはできません。そこで、本研究室では画像認識技術で操作しようとしている物体を識別し、その物体に可能な把持形状の中から、筋電信号によって制御者の意図している把持姿勢を選んで義手ハンドを制御する義手システムの構築を目指しています。この際、上で紹介した対象物操作における認知・運動学習のモデルも取り入れて、対象物体のサイズに合わせて指関節角°を調整した把持姿勢を実現できる、義手システムの構築を目指しています。
運動学習サポートシステムの検討
スポーツなどの運動学習をサポートすることで、効率的に運動技能を学習するシステムの検討を行います。様々な運動計測システムを用いて学習者の運動を計測すると同時にパフォーマンスも測定し、運動のコツなどを抽出し、VR技術なども利用して適切なフィードバックをすることで効率的に学習できるシステムを目指します。
実験装置
人間の運動原理を解明するためには、実際に人間の運動を計測したり、理論をロボットに適応して制御を行う必要があります。ここでは本研究室にある実験装置の代表的なものを紹介します。
OptiTrack：同じく計測対象物に取り付けられたマーカーを複数のカメラで追跡し、３次元位置データをリアルタイムに計測できます。カメラの位置を任意に変えられ、かつマーカー側にはケーブルがないためより様々な運動を計測できます。
Liberty：磁気式の3次元計測装置。ソースから発生している磁界中を移動するマーカーの位置と向きを計測できます。
カメラを使っていないため、オクリュージョンと呼ばれる計測できない空間は生じないので任意の運動を計測できますが、精度は落ち、かつ計測環境がかなり限定されます。下の写真のように、CyberGloveという手形状の計測装置と組み合わせて、手話運動の計測などに使います。
DataGlove：手指角度の計測装置です．両手分あります
筋電計：運動を行うと筋肉に電気が流れます。それを皮膚表面から測定する装置です。
Tobii：目でモニター画面上のどこを見ているかを計測する装置です．
ロボットハンド：これまで使ってきたロボットハンドです．（左：ロボットハンド RH7D Dexterous Hand + マニピュレータ WidowXL Robot Arm、右：Allegro HAND）
