NeuroCommitSSM: EEG-EMG-ETによるコミット準備状態を利用した安全な支援操作のための意思決定中心型共有自律
NeuroCommitSSMは、支援ロボット操作における安全なコミット・実行制御のための意思決定中心型フレームワークです。同期したEEG、EMG、アイトラッキングから連続的なコミット準備スコアを予測し、滞留時間とヒステリシスフィルタリングにより離散的なコミットイベントに変換します。3状態有限状態スーパーバイザーHOLD-ASSIST-COMMIT（HAC）は、神経モデルからの持続的なコミット準備信号とリアルタイムの実行可能性チェックの両方を要求して実行を制御します。32名の被験者による5つの日常生活動作タスクの評価では、0.950の行動バランス精度、1000RESTウィンドウあたり0.75の誤コミットを達成し、センサー欠落下でも頑健性を維持します。ハードウェアインザループ検証により、誤起動と意思決定の不安定性を低減しつつ、タスク成功率を損なわないことが示されました。
NeuroCommitSSMは、支援ロボット操作における安全な「コミット・実行」制御を実現する、意思決定中心型の共有自律フレームワークです。従来の「何をすべきか」に焦点を当てた手法とは異なり、このフレームワークは「いつ実行すべきか」をモデル化し、時間的な意思決定を導入します。同期した脳波（EEG）、筋電図（EMG）、アイトラッキング（ET）信号を利用して、連続的なコミット準備スコアc_t∈[0,1]を予測し、滞留時間とヒステリシスフィルタリングにより離散的なコミットイベントに変換します。
中核となるコンポーネントは、3状態の有限状態スーパーバイザー「HOLD-ASSIST-COMMIT（HAC）」です。HACは動作を実行する前に、神経モデルからの持続的なコミット準備信号と、リアルタイムの知覚およびロボット状態の実行可能性チェック（ターゲットの可視性、逆運動学の可解性、衝突のない経路計画）の両方を要求します。この二重検証メカニズムにより、ユーザーの意図が明確で環境が許容する場合にのみ動作が実行され、安全性が大幅に向上します。
研究チームは32名の被験者を対象に、国際生活機能分類（ICF）に準拠した5つの日常生活動作タスクを実施して評価を行いました。1被験者除去交差検証と7つのセンサー欠落シナリオ（S0-S6）を用いてテストした結果、NeuroCommitSSMは0.950の行動バランス精度を達成し、1000RESTウィンドウあたりわずか0.75回の誤コミットイベントを記録しました。センサー欠落条件下でも低い誤コミット率と安定した状態遷移を維持しました。例えば、EEGのみの条件ではバランス精度0.785、誤コミット率0.29 FP/1k RESTを達成したのに対し、比較対象のTemporal Convolutional Networkベースラインは同じ条件下で99.95 FP/1k RESTを生成しました。
さらに、Kinova Gen3アームを用いたハードウェアインザループ検証により、実行可能性チェックを伴う動作が誤起動と意思決定の不安定性を低減し、タスク成功率を損なわないことが実証されました。すべての補足資料（コード、データセット、動画、分析）は公開されています。本論文は2026年のIEEE/RSJ知能ロボットとシステムに関する国際会議（IROS 2026）に採択されています。この研究は、異なるセンサー欠落条件に対する頑健性や、既存の時間畳み込みネットワークベースの手法と比較した顕著な利点を強調しています。これらの結果は、特に高い安全性とユーザーの信頼が求められる場面における、現実世界の支援ロボットへの応用可能性を示しています。今後の展開として、より多様なタスクへの拡張、複雑なセンサー構成、リアルタイム展開などが考えられます。