動力式義足は従来、インピーダンスコントローラに依存しており、多大な手動チューニングと明示的なモード分類を必要とする。arXivに投稿された新しい論文は、こうした長年の工学的負担を回避することを目指し、エンドツーエンドの義足コントローラをリアルタイムで実装・展開した。このコントローラは義足に搭載されたセンサーから連続的なアクチュエータ信号を直接推定するため、独立した意図分類器も、使用者ごとのパラメータ調整も不要になる。
研究チームは制御方針の中核としてTemporal Convolutional Networksを採用した。訓練データは大腿切断者18名の多地形歩行データセットで、5つの運動モードを網羅している。その後、システムはリアルタイム環境に展開され検証された。被験者は4名で、うち3名が健常者、1名が大腿切断者であり、平地、上り坂、下り坂、階段の昇降を歩行した。
平地歩行では、実装されたコントローラは歩行速度に対するピーク足関節トルクのスケーリングを訓練データと同様に再現した。義足への異常な荷重に起因する外れ値を1例除外した後、実装システムの傾きは毎秒1メートルあたり0.85 Nm/kg（p = 0.001）、訓練データは毎秒1メートルあたり0.96 Nm/kg（95%信頼区間0.42〜1.50、p = 0.002）であった。これはリアルタイムシステムが速度適応の面で訓練段階と一致した傾向を保っていることを示す。
上り坂では、コントローラは勾配に応じて膝の予備屈曲を調整した。実装システムのスケーリングは勾配1度あたり2.92度（p = 0.027）、訓練データは勾配1度あたり3.30度（95%信頼区間1.83〜4.77、p < 0.001）であった。下り坂では、コントローラは平地歩行と比較して膝の抵抗トルクを増加させ、実装システムは0.16 Nm/kg増（p < 0.001）、訓練データも同様に0.16 Nm/kg増（p = 0.008）であった。これらの結果は、コントローラが坂道条件で訓練データに合致するモード適応行動を生成できることを示している。
階段の場面は特に注目に値する。訓練データには片方の肢が先行する昇降系列しか含まれていなかったにもかかわらず、実装後のコントローラは健側先行と義足側先行の両方の順序で、昇りと降りの両方向において滑らかな階段移行を生成した。著者らは、これらの結果が、被験者ごとのチューニングを必要としない統一的なモード適応型義足支援をエンドツーエンド制御で実現できる可能性の初期証拠になると述べている。
ただし、この研究はまだ初期検証の段階であり、被験者数は限られ、健常者も含まれているため、結論の一般性については、より大規模で多くの切断者が参加する研究による確認が必要である。論文は2026年6月5日に投稿され、著者はJohn Shim氏ら6名である。