推荐负载决定装置、能力参数推测模型学习装置、方法以及程序制造方法及图纸

本发明专利技术的推荐负载决定装置(10)利用推测模型(18)，该推测模型输出根据负载数据和动作数据计算出的与利用者的能力相关的参数，负载数据表示向利用者施加的负载，动作数据表示利用者在该负载下的一个动作单位的动作，其中，获取部(12)获取负载数据和动作数据，负载数据表示对作为推荐负载的决定对象的对象利用者施加的负载，动作数据表示对象利用者在该负载下的一个动作单位的动作；决定部(20)根据与对象利用者的能力相关的参数决定表示用于对象利用者的推荐负载的推荐负载数据，该参数是通过将获得的负载数据及动作数据输入推测模型(18)而由推测模型(18)输出的。(18)而由推测模型(18)输出的。(18)而由推测模型(18)输出的。

【技术实现步骤摘要】
【国外来华专利技术】推荐负载决定装置、能力参数推测模型学习装置、方法以及程序


[0001]本公开涉及推荐负载决定装置、能力参数推测模型学习装置、推荐负载决定方法以及推荐负载决定程序。

技术介绍

[0002]目前，提出了在人使用机械进行运动、作业、康复等时，根据人的生物体信息等自动决定机械的控制量的技术。
[0003]例如，提出了根据作业的熟练度控制生产线的驱动部的控制装置(参照专利文献1：日本特开2018
‑
55611号公报)。专利文献1中记载的控制装置具有存储部，该存储部用于按照作业的熟练度来存储与该熟练度相应的生物体信息。另外，该控制装置从作业者获取测定出的生物体信息，并将作业时获得的生物体信息所具有的特征量与存储部的每个熟练度的生物体信息所具有的特征量进行比较。而且，该控制装置根据比较的结果来判定该获得的生物体信息符合哪个熟练度，并根据判定出的熟练度来决定驱动部的控制量。
[0004]另外，例如，提出了能够设定适当的难易度的康复支援装置(参照专利文献2：日本特开2019
‑
107235号公报)。专利文献2中记载的装置具备受理部、获取部、计算部以及输出控制部。受理部针对作为康复的对象的对象者，受理通过fMRI测量的脑活动的第一指标值、康复的任务的第一达成率、以及康复的任务的第一难易度的输入。获取部针对进行了康复的多名人员，获取通过fMRI测量的脑活动的第二指标值、康复的任务的第二达成率、以及康复的任务的第二难易度的相关关系。计算部根据输入及相关关系算出对象者执行的康复的第三难易度，输出控制部输出第三难易度。
[0005]另外，提出了一种运动能力评价装置，该运动能力评价装置不对受检者赋予拘束性，不能评价的情况少，也不需要特别的生理信息传感器来评价运动能力(参照专利文献3：日本特开平11
‑
235401号公报)。专利文献3中记载的装置使运动的负载强度呈阶梯状地从P1增加至P2，通过该负载增加使基于运动的旋转机的转速从R1降低ΔR。另外，该装置之后根据受检者为了恢复至原来的转速R1而以提高转速的方式进行运动的情况，求出转速恢复ΔR的1/2的时间1/2tf，并根据该时间1/2tf评价运动能力。

技术实现思路

[0006]专利技术所要解决的技术问题
[0007]例如，在向利用者施加负载来实施某一运动课题的情况下，期望施加适当的负载以提高利用者相对于运动课题的技能。然而，在专利文献1记载的技术中，无法区别生物体信息的变动是由从机器人施加于人的负载的变化引起的还是由本人的进步引起的。即，无法掌握利用者的技能是否提高。因此，在专利文献1记载的技术中，存在如下问题：无法施加使利用者相对于某一运动课题的技能提高这样的适当负载。
[0008]另外，专利文献2记载的技术是根据患者适当地调整康复的任务的难易度的技术。
另外，专利文献3记载的技术是进行运动能力的评价的技术。因此，如上所述，所有技术都存在如下问题：无法适用于施加使利用者相对于某一运动课题的技能提高这样的适当负载的情况。
[0009]本公开是鉴于上述点而完成的，其目的在于，在向利用者施加负载而实施运动课题的情况下，决定有益于提高利用者的技能的负载。
[0010]用于解决问题的技术方案
[0011]为了实现上述目的，公开的推荐负载决定装置利用推测模型，所述推测模型输出根据负载数据和动作数据计算出的与利用者的能力相关的参数，所述负载数据表示向所述利用者施加的负载，所述动作数据表示所述利用者在该负载下的一个动作单位的动作，其构成为包括：获取部，获取负载数据和动作数据，所述负载数据表示对作为推荐负载的决定对象的对象利用者施加的负载，所述动作数据表示所述对象利用者在该负载下的一个动作单位的动作；以及决定部，根据与所述对象利用者的所述能力相关的参数决定表示用于所述对象利用者的推荐负载的推荐负载数据，所述参数是通过将获得的所述负载数据及所述动作数据输入所述推测模型而由所述推测模型输出的。
[0012]公开的推荐负载决定装置利用推测模型，该推测模型输出根据负载数据和动作数据计算出的与利用者的能力相关的参数，负载数据表示向利用者施加的负载，动作数据表示利用者在该负载下的一个动作单位的动作，其中，获取部获取负载数据和动作数据，负载数据表示对作为推荐负载的决定对象的对象利用者施加的负载，动作数据表示对象利用者在该负载下的一个动作单位的动作；决定部根据与对象利用者的能力相关的参数决定表示用于对象利用者的推荐负载的推荐负载数据，该参数是通过将获得的负载数据及动作数据输入推测模型而由推测模型输出的。
[0013]由此，在向利用者施加负载而使其实施运动课题时，可以决定有益于提高利用者的技能的负载。
[0014]另外，所述动作数据可以是所述利用者或所述利用者进行所述动作时保持的器具的特定部位的位移数据、所述利用者的肌肉活动量数据、或者所述位移数据或所述肌肉活动量数据的微分数据或积分数据。另外，所述利用者的特定部位的位移数据可以是所述利用者的骨骼信息的时序数据。
[0015]另外，所述推测模型输出的与所述能力相关的参数可以是极限负载数据，所述极限负载数据表示关于所述动作的成功期望比预定基准大的关于一个负载项目的所述负载的值的范围中对于所述利用者的负担最大的所述负载的值，所述决定部可以将关于所述对象利用者的所述极限负载数据决定为所述推荐负载数据。
[0016]另外，所述推测模型输出的与所述能力相关的参数可以是表示所述负载与关于所述动作的成功期望的大小的关系的参数，所述决定部可以根据与关于所述对象利用者的所述能力相关的参数决定所述推荐负载数据。
[0017]另外，表示关于所述对象利用者的所述负载与关于所述动作的成功期望的大小的关系的参数可以是确定表示关于一个负载项目的所述负载的值与所述成功期望的大小的关系的图表的参数，所述决定部可以将极限负载数据决定为所述推荐负载数据，所述极限负载数据表示在所述图表中所述成功期望比预定基准大的所述负载的值的范围中对于所述对象利用者的负担最大的所述负载的值。
[0018]另外，表示关于所述对象利用者的所述负载与关于所述动作的成功期望的大小的关系的参数可以是确定表示关于多个负载项目的所述负载的值与所述成功期望的大小的关系的热图的参数，所述决定部可以将所述热图中所述成功期望比预定基准大的负载的值的组决定为所述推荐负载数据。
[0019]另外，所述决定部可以输出用于将所述热图可视化并显示的数据。
[0020]所述决定部可以形成为能够利用比较用热图，在与所述比较用热图的比较中可以制作确定相对擅长范围的相对擅长图或确定相对不擅长范围的相对不擅长图，并将所述相对擅长范围或所述相对不擅长范围中的负载的值的组决定为所述推荐负载数据，所述相对擅长范围是所述对象利用者的所述成功期望大的所述负载的值的组的范围，所述相对不擅长范围是所述对象利用者的所述成功期望小的所述负载的值的组的范围。
[0021]另外，所述比较用热图可以按所述利用者的等级进本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种推荐负载决定装置，利用推测模型，所述推测模型输出根据负载数据和动作数据计算出的与利用者的能力相关的参数，所述负载数据表示向所述利用者施加的负载，所述动作数据表示所述利用者在该负载下的一个动作单位的动作，所述推荐负载决定装置包括：获取部，获取负载数据和动作数据，所述负载数据表示对作为推荐负载的决定对象的对象利用者施加的负载，所述动作数据表示所述对象利用者在该负载下的一个动作单位的动作；以及决定部，根据与所述对象利用者的所述能力相关的参数决定表示用于所述对象利用者的推荐负载的推荐负载数据，所述参数是通过将获得的所述负载数据及所述动作数据输入所述推测模型而由所述推测模型输出的。2.根据权利要求1所述的推荐负载决定装置，其中，所述动作数据是所述利用者或所述利用者进行所述动作时保持的器具的特定部位的位移数据、所述利用者的肌肉活动量数据、或者所述位移数据或所述肌肉活动量数据的微分数据或积分数据。3.根据权利要求2所述的推荐负载决定装置，其中，所述利用者的特定部位的位移数据是所述利用者的骨骼信息的时序数据。4.根据权利要求1至3中任一项所述的推荐负载决定装置，其中，所述推测模型输出的与所述能力相关的参数是极限负载数据，所述极限负载数据表示关于所述动作的成功期望比预定基准大的关于一个负载项目的所述负载的值的范围中对于所述利用者的负担最大的所述负载的值，所述决定部将关于所述对象利用者的所述极限负载数据决定为所述推荐负载数据。5.根据权利要求1至3中任一项所述的推荐负载决定装置，其中，所述推测模型输出的与所述能力相关的参数是表示所述负载与关于所述动作的成功期望的大小的关系的参数，所述决定部根据与关于所述对象利用者的所述能力相关的参数决定所述推荐负载数据。6.根据权利要求5所述的推荐负载决定装置，其中，表示关于所述对象利用者的所述负载与关于所述动作的成功期望的大小的关系的参数是确定表示关于一个负载项目的所述负载的值与所述成功期望的大小的关系的图表的参数，所述决定部将极限负载数据决定为所述推荐负载数据，所述极限负载数据表示在所述图表中所述成功期望比预定基准大的所述负载的值的范围中对于所述对象利用者的负担最大的所述负载的值。7.根据权利要求5所述的推荐负载决定装置，其中，表示关于所述对象利用者的所述负载与关于所述动作的成功期望的大小的关系的参数是确定表示关于多个负载项目的所述负载的值与所述成功期望的大小的关系的热图的参数，所述决定部将所述热图中所述成功期望比预定基准大的负载的值的组决定为所述推荐负载数据。
8.根据权利要求7所述的推荐负载决定装置，其中，所述决定部输出用于将所述热图可视化并显示的数据。9.根据权利要求7或8所述的推荐负载决定装置，其中，所述决定部被形成为能够利用比较用热图，在与所述比较用热图的比较中制作确定相对擅长范围的相对擅长图或确定相对不擅长范围的相对不擅长图，并将所述相对擅长范围或所述相对不擅长范围中的负载的值的组决定为所述推荐负载数据，所述相对擅长范围是所述对象利用者的所述成功期望大的所述负载的值的组的范围，所述相对不擅长范围是所述对象利用者的所述成功期望小的所述负载的值的组的范围。10.根据权利要求9所述的推荐负载决定装置，其中，所述比较用热图按所述利用者的等级进行准备，所述决定部利用关于等级与所述对象利用者的等级同等、或者等级比所述对象利用者的等级高且最接近于所述对象利用者的等级的所述利用者的所述比较用热图。11.根据权利要求9或10所述的推荐负载决定装置，其中，所述获取部还获取关于所述对象利用者的擅长或不擅长的指定，所述决定部在获取了所述擅长的指定时制作所述相对擅长图，在获取了所述不擅长的指定时制作所述相对不擅长图。12.根据权利要求9至11中任一项所述的推荐负载决定装置，其中，所述决定部输出用于将所述相对擅长图及所述相对不擅长图的至少一方可视化并显示的数据。13.根据权利要求1至12中任一项所述的推荐负载决定装置，其中，所述推测模型按所述动作的类型进行准备，所述获取部从所述对象利用者获取任意一种所述类型的指定，所述决定部使用与指定的所述类型相对应的所述推测模型决定所述推荐负载数据。14.根据权利要求1至13中任一项所述的推荐负载决定装置，其中，所述...

【专利技术属性】
技术研发人员：栗栖崇纪，八濑哲志，中山雅宗，
申请(专利权)人：欧姆龙株式会社，
类型：发明
国别省市：