| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-16 15:10 筋電図・モーションキャプチャに基づく合気道熟練者手技の特徴抽出と逆強化学習による報酬関数の推定 ○島谷光澄・野村泰伸（京大）  NC2025-99 |
|
| 抄録 | （和） | 合気道における熟練者の技法は，しばしば「気」と呼ばれる主観的かつ抽象的な言葉で表現され，その力学的・生理学的な実態は未だ明確ではない．特に，力に頼らず相手を崩す高度な身体操作は，単なる動作の模倣だけでは習得が困難であり，その背後にある暗黙的な行動規範を解明することが求められている．本研究は，合気道の代表的な手技である「片手取り呼吸投げ」を対象に，熟練者が無意識に最適化している行動規範（報酬関数）を，計測データに基づく逆強化学習により客観的な数理モデルとして記述することを目的とする．実験では，熟練者，中級者，初級者を被験者とし，マーカーレスモーションキャプチャによる全身運動データおよび16チャネルの筋電図データを同時計測した．得られた時系列データから，身体の幾何学的関係や微分量，筋活動の周波数解析や筋間コヒーレンスなど計171次元の特徴量を抽出した．さらに，前進ステップワイズ法を適用し，熟練者と非熟練者を最も高精度に判別可能な30次元の重要特徴量空間を同定し，その経時変化を記述する状態空間と状態ベクトルを定義した．最大エントロピー原理に基づく逆強化学習を用いて，報酬関数を推定した．この際，報酬関数を線形項とガウシアン基底の和による非線形関数として設計し，かつ「熟練者の行動を模倣しつつ，初級者の行動特性を回避する」ようパラメータを最適化した．これにより，熟練度による差異が曖昧になりがちな動作データの中から，高度熟練技術の本質的な成分を抽出することを目指した．推定された報酬関数の解析からは，熟練者が「間合い」や「動作の平滑性」を重視していることに加え，互いの筋活動が特定の強度で連動する状態に高い報酬を与えていることが示唆された．また，学習データに含まれていない中級者の動作に対してこの報酬関数を適用したところ，その累積報酬は熟練者と初級者の中間の値を示した．これは，本モデルが高度熟練技術の本質的な特性を報酬関数として抽出できていること，また既知のデータへの適合に留まらず，未知の動作に対しても技能レベルを定量的に評価できる尺度として機能することを示唆している．本研究の結果は，これまで感覚的に語られてきた合気道の技術を，生体情報学的な特徴量空間上の報酬関数として再定義するものである．本手法は，合気道に限らず身体的相互作用を伴う他分野の技術を記述・評価するための手法としても応用できると考える． |
| （英） | Expert techniques in Aikido are often described using the subjective concept known as "textit{Ki}," and their physical mechanisms remain unclear. This advanced body manipulation that unbalances an opponent with minimal mechanical force is difficult to acquire through mere imitation, requiring the elucidation of the implicit behavioral norms. This study aims to describe the behavioral norms (reward function) as an objective mathematical model using Maximum entropy inverse reinforcement learning (MaxEnt IRL) based on measurement data, focusing on the representative Aikido technique "textit{Katatedori Kokyunage}." In the experiment, whole-body motion and 16-channel EMG data were collected from experts, intermediates, and beginners. From 171 extracted features, forward stepwise selection identified the 30 most discriminative dimensions utilized as a state vector of the dynamics. MaxEnt IRL was employed to optimize a unique nonlinear reward function defined as the sum of linear terms and Gaussian bases. Parameters for the reward function were adjusted using both expert and beginner data to "imitate experts while avoiding beginner characteristics," with the aim of extracting the essential components of highly skilled techniques. Analysis of the estimated reward function revealed that experts prioritize spacing, smoothness, and specific muscle coordination. The estimated reward function was validated by trajectory simulations, which successfully replicated characteristic expert behaviors. Furthermore, when applied to untrained intermediate data, the cumulative reward yielded values falling between those of experts and beginners, which demonstrates the capability of the model to generalize beyond known data, serving as a quantitative metric for evaluating skill levels in novel motions. The results of this study redefine Aikido techniques, which are traditionally discussed intuitively, as optimization problems within the bioinformatic feature space. This approach is applicable not only to Aikido but also to other fields involving physical interaction, providing a generic framework for describing and evaluating complex techniques. | |
| キーワード | （和） | 合気道 / 逆強化学習 / 筋電図 / モーションキャプチャ / 報酬関数 / / / |
| （英） | Aikido / Inverse ｒeinforcement learning / Electromyography / Motion capture / Reward function / / / | |
| 文献情報 | 信学技報, vol. 125, no. 413, NC2025-99, pp. 47-52, 2026年3月. | |
| 資料番号 | NC2025-99 | |
| 発行日 | 2026-03-09 (NC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2025-99 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2026-03-16 - 2026-03-18 |
| 開催地（和） | 東京大学 |
| 開催地（英） | The University of Tokyo |
| テーマ（和） | 一般（NC, ME） |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2026-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | 筋電図・モーションキャプチャに基づく合気道熟練者手技の特徴抽出と逆強化学習による報酬関数の推定 |
| サブタイトル（和） | |
| タイトル（英） | Feature Extraction and Reward Function Estimation by Inverse Reinforcement Learning for Aikido Expert Techniques Based on EMG and Motion Capture Data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 合気道 / Aikido |
| キーワード(2)（和/英） | 逆強化学習 / Inverse ｒeinforcement learning |
| キーワード(3)（和/英） | 筋電図 / Electromyography |
| キーワード(4)（和/英） | モーションキャプチャ / Motion capture |
| キーワード(5)（和/英） | 報酬関数 / Reward function |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 島谷 光澄 / Azumi Shimatani / シマタニ アズミ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 野村 泰伸 / Taishin Nomura / ノムラ タイシン |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-16 15:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2025-99 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.413 |
| ページ範囲 | pp.47-52 |
| ページ数 | 6 |
| 発行日 | 2026-03-09 (NC) |
[研究会発表申込システムのトップページに戻る]