生活辅助系统、行走辅助机器人以及生活辅助方法与流程

本公开涉及对从椅子站起之后的用户顺畅地开始动作进行辅助的生活辅助系统、行走辅助机器人以及生活辅助方法。

背景技术：

近年来，发达国家的少子老龄化不断加剧，老年人的照护和生活辅助的必要性持续增加。特别是存在因为老年人随着年龄增加而身体机能下降故而难以维持家中生活的qol(qualityoflife：生活质量)的倾向。为了预防老年人的肌肉减少症(sarcopenia)等并维持身体机能，重要的是通过持续一定以上的运动来维持肌肉量。然而，在由于身体机能的下降导致外出困难而常常呆在家中不出的老年人的情况下，会陷入难以维持一定的运动量而肌肉量会进一步减少下去这样的恶性循环。

近年来，基于这样的背景，提出了对从作为生活行动基点的椅子站起的站起动作进行辅助的各种装置。

例如，专利文献1所公开的站起动作辅助机器人，通过使机器人的支承部跟随用户胸部的动作来辅助坐在椅子上的用户的站起动作。

另外，例如专利文献2所公开的牙科治疗椅，通过与座部的上升联动地使支撑患者肘部的托垫部向斜上方上升来辅助患者的站起动作。

现有技术文献

专利文献1：日本特开2012-200409号公报

专利文献2：日本特开2011-10874号公报

技术实现要素：

在专利文献1以及2的装置中，仅通过机器人或者仅通过椅子的功能来进行站起动作的辅助，根据对从椅子站起之后的用户顺畅地开始动作进行辅助这一观点，尚有改善的余地。

本公开是解决所述问题的发明，提供一种能够对从椅子站起之后的用户顺畅地开始动作进行辅助的生活辅助系统、行走辅助机器人以及生活辅助方法。

本公开的一个技术方案涉及的生活辅助系统，是行走辅助机器人和进行用户就座的座面的座面移动的自动升降型椅子经由网络连接的生活辅助系统，所述自动升降型椅子具备：清醒度检测装置，其检测用户的清醒度；和第1通信部，其将与由所述清醒度检测装置检测到的所述用户的清醒度有关的清醒度信息经由所述网络发送给所述行走辅助机器人，所述行走辅助机器人具备：主体部；移动装置，其具有旋转体，通过所述旋转体的旋转使该行走辅助机器人移动；以及第2通信部，其经由所述网络接收所述清醒度信息，所述移动装置具有阻力控制部，该阻力控制部基于由所述第2通信部接收到的所述清醒度信息来控制对所述旋转体旋转的阻力。

如上所述，根据本公开的生活辅助系统，能够对从椅子站起之后的用户顺畅地开始动作进行辅助。

附图说明

图1是本公开的实施方式1的生活辅助系统的概略图。

图2是本公开的实施方式1中的机器人的外观图。

图3是本公开的实施方式1中的椅子的外观图。

图4是本公开的实施方式1的生活辅助系统的控制框图。

图5是表示本公开的实施方式1的生活辅助系统的动作的流程图。

图6a表示本公开的实施方式1的生活辅助系统的辅助动作的进度。

图6b表示本公开的实施方式1的生活辅助系统的辅助动作的进度。

图6c表示本公开的实施方式1的生活辅助系统的辅助动作的进度。

图6d表示本公开的实施方式1的生活辅助系统的辅助动作的进度。

图7a是表示用户的清醒度的检测方法的一例的图。

图7b是表示用户的清醒度的检测方法的一例的图。

图7c是表示用户的清醒度的检测方法的一例的图。

图8是表示坐在本公开的实施方式1中的椅子上的用户站起并进行稳定行走之前的扶手负荷的变化的图。

图9是基于心跳变动的混沌分析的清醒度推定方法的流程图。

图10是本公开的实施方式2的生活辅助系统的控制框图。

图11是实施方式2中的椅子的外观图。

标号的说明

1、51生活辅助系统

2机器人

3、53椅子

21主体部

22移动装置

23扶手部

24车轮

25驱动部

26制动部

27阻力控制部

28扶手负荷检测部

29通信部

31座面

32框架

33座面移动装置

34座面控制装置

35、55清醒度检测装置

36通信部

37升降致动器

38心跳检测部

39、59清醒度算出部

58脑电波检测部

θ座面角度

具体实施方式

(得到本公开的经过)

近年来，正在开发对用户的行走进行辅助的行走辅助机器人和进行用户就座的座面的座面移动的自动升降型椅子经由网络连接的生活辅助系统。该生活辅助系统通过行走辅助机器人和自动升降型椅子来进行站起辅助并且进行行走辅助。

然而，在坐在椅子上的状态下的用户的清醒度低的情况下，存在如下问题：用户在通过站起辅助而站起之后，无法开始稳定的动作。例如，在用户处于睡醒状态的情况下，若在接受站起辅助而站起之后开始基于行走辅助机器人的行走辅助，则用户有时会摇晃而摔倒。

本发明人发现通过根据用户的清醒度来控制对作为行走辅助机器人的移动机构的旋转体的旋转的阻力，能够辅助站起之后的用户开始稳定的动作。因此，本发明人得到了以下的发明。

本公开的一个技术方案涉及的生活辅助系统，是行走辅助机器人和进行用户就座的座面的座面移动的自动升降型椅子经由网络连接的生活辅助系统，所述自动升降型椅子具备：清醒度检测装置，其检测用户的清醒度；和第1通信部，其将与由所述清醒度检测装置检测到的所述用户的清醒度有关的清醒度信息经由所述网络发送给所述行走辅助机器人，所述行走辅助机器人具备：主体部；移动装置，其具有旋转体，通过所述旋转体的旋转使该行走辅助机器人移动；以及第2通信部，其经由所述网络接收所述清醒度信息，所述移动装置具有阻力控制部，该阻力控制部基于由所述第2通信部接收到的所述清醒度信息来控制对所述旋转体旋转的阻力。

根据这样的构成，能够基于用户的清醒度来控制行走辅助机器人的动作。其结果是，在用户通过自动升降型椅子的座面移动而站起之后，能够通过行走辅助机器人来辅助用户顺畅地开始行走动作。

在所述生活辅助系统中，也可以：所述用户的清醒度越低，则所述阻力控制部使所述阻力越大。

根据这样的构成，在用户的清醒度低的情况下，能够抑制行走辅助机器人的移动。其结果是，能够使站起之后的用户摇晃而摔倒等的危险性减小，能够辅助用户更顺畅地开始行走动作。

在所述生活辅助系统中，也可以：所述清醒度检测装置具备：心跳检测部，其检测所述用户的心跳；和清醒度算出部，其基于由所述心跳检测部检测出的所述心跳的波动中的lf成分和hf成分，算出所述用户的清醒度。

根据这样的构成，基于用户的心跳，能够更容易地检测用户的清醒度。

在所述生活辅助系统中，也可以：所述清醒度检测装置具备：脑电波检测部，其检测所述用户的脑电波；和清醒度算出部，其基于由所述脑电波检测部检测出的所述脑电波，算出所述用户的清醒度。

根据这样的构成，基于用户的脑电波，能够更准确地检测用户的清醒度。

在所述生活辅助系统中，也可以：所述行走辅助机器人还具备：扶手部，其设置于所述主体部，能够供所述用户把持；和扶手负荷检测部，其检测施加于所述扶手部的扶手负荷，所述阻力控制部基于由所述扶手负荷检测部检测的所述扶手负荷，结束所述阻力的控制。

根据这样的构成，能够基于施加于行走辅助机器人的扶手部的扶手负荷来结束对旋转体旋转的阻力的控制，能够顺畅地开始由行走辅助机器人进行的行走辅助。

在所述生活辅助系统中，也可以：所述自动升降型椅子具备：座面移动装置，其使所述座面移动；和座面控制装置，其控制由所述座面移动装置进行的所述座面的移动，所述座面控制装置基于由所述行走辅助机器人的所述扶手负荷检测部检测出的所述扶手负荷，控制与坐着的所述用户的站起动作对应的所述座面的移动。

根据这样的构成，用户能够从坐着的状态起顺畅地开始行走。

本公开的一个技术方案涉及的行走辅助机器人，经由网络与检测用户的清醒度的清醒度检测装置连接，所述行走辅助机器人具备：主体部；移动装置，其具有旋转体，通过所述旋转体的旋转使该行走辅助机器人移动；以及第2通信部，其经由所述网络接收与所述用户的清醒度有关的清醒度信息，所述移动装置具有阻力控制部，该阻力控制部基于由所述第2通信部接收到的所述清醒度信息来控制对所述旋转体旋转的阻力。

根据这样的构成，能够基于用户的清醒度来控制行走辅助机器人的动作。其结果是，能够通过行走辅助机器人来辅助用户顺畅地开始行走动作。

在所述行走辅助机器人中，也可以：所述用户的清醒度越低，则所述阻力控制部使所述阻力越大。

根据这样的构成，在用户的清醒度低的情况下，能够抑制行走辅助机器人的移动。其结果是，能够辅助用户更顺畅地开始行走动作。

在所述行走辅助机器人中，也可以：还具备：扶手部，其设置于所述主体部，能够供所述用户把持；和扶手负荷检测部，其检测施加于所述扶手部的扶手负荷，所述阻力控制部基于由所述扶手负荷检测部检测的所述扶手负荷，结束所述阻力的控制。

根据这样的构成，能够基于施加于行走辅助机器人的扶手部的扶手负荷来结束对旋转体旋转的阻力的控制，能够顺畅地开始由行走辅助机器人进行的行走辅助。

本公开的一个技术方案涉及的生活辅助方法，包括：检测用户的清醒度的步骤；将与所述用户的清醒度有关的清醒度信息经由网络发送给行走辅助机器人的步骤；和基于所述清醒度信息来控制对旋转体旋转的阻力的步骤，所述旋转体是所述行走辅助机器人的移动装置所具备的旋转体。

根据这样的构成，能够基于用户的清醒度来控制行走辅助机器人的动作。其结果是，能够通过行走辅助机器人来辅助用户顺畅地开始行走动作。

在所述生活辅助方法中，也可以：在控制所述旋转体的阻力的步骤中，所述用户的清醒度越低，则使所述阻力越大。

根据这样的构成，在用户的清醒度低的情况下，能够抑制行走辅助机器人的移动。其结果是，能够辅助用户更顺畅地开始行走动作。

在所述生活辅助方法中，也可以：检测所述用户的清醒度的步骤包括：检测所述用户的心跳的步骤；和基于所述心跳的波动中的lf成分和hf成分来算出所述用户的清醒度的步骤。

根据这样的构成，基于用户的心跳，能够更容易地检测用户的清醒度。

在所述生活辅助方法中，也可以：检测所述用户的清醒度的步骤包括：检测所述用户的脑电波的步骤；和基于所述脑电波来算出所述用户的清醒度的步骤。

根据这样的构成，基于用户的脑电波，能够更准确地检测用户的清醒度。

在所述生活辅助方法中，也可以：在控制所述旋转体的阻力的步骤中，基于施加于所述行走辅助机器人的扶手部的扶手负荷，结束所述阻力的控制。

根据这样的构成，能够基于施加于行走辅助机器人的扶手部的扶手负荷来结束对旋转体旋转的阻力的控制，能够顺畅地开始由行走辅助机器人进行的行走辅助。

以下，参照附图对本公开的实施方式进行说明。另外，在各图中，为了使得说明易于理解而夸张地示出了各要素。

(实施方式1)

[整体构成]

图1表示实施方式1的生活辅助系统1的构成。如图1所示，生活辅助系统1具备作为行走辅助机器人的机器人2和作为站起辅助用椅子的椅子3。在实施方式1中，作为机器人2，例如使用通过用户的推力进行移动的自主移动型机器人。另外，在实施方式1中，作为椅子3，使用自动升降型椅子。在实施方式1中，例如，机器人2和椅子3这两者经由通信网络连接，由此构成生活辅助系统1。另外，图2中示出机器人2的外观图，图3中示出椅子3的外观图。在图1所示的例子中，机器人2和椅子3配置在地面上。

(行走辅助机器人的构成)

如图1以及图2所示，与行走辅助机器人对应的机器人2具备：主体部21；移动装置22，其使主体部21在自立的状态下移动；以及扶手部23，其设置于主体部21，能够供用户把持。

移动装置22具备：设置于主体部21的下部的多个车轮24；通过驱动车轮24旋转来使主体部21移动的驱动部25；进行车轮24的制动的制动部26；以及控制对车轮24旋转的阻力的阻力控制部27。

车轮24在使主体部21自立的状态下对该主体部21进行支承，通过被马达等驱动部25驱动旋转，在保持自立的姿势的状态下，使主体部21向图1所示的箭头的方向(前方或后方)移动。此外，在实施方式1中，虽然以移动装置22具备使用了车轮24的移动机构的情况为例，但也可以是使用车轮以外的旋转体(移动带、滚筒等)的情况。

制动部26具有制动机构，该制动机构通过对车轮24施加阻力来制止或抑制车轮24的旋转。制动机构例如可以是具备夹持车轮24的制动器的机构，也可以是具备利用了驱动部25的再生制动器的机构。

阻力控制部27基于用户的清醒度来控制对车轮24旋转的阻力。在实施方式1中，阻力控制部27通过控制制动部26来控制对车轮24施加的阻力。在本说明书中，清醒度表示用户清醒的程度。清醒度低的状态表示用户睡醒的状态(困倦状态)。清醒度高的状态表示用户清醒的状态(意识清楚的状态)。在实施方式1中，用户的清醒度越低，则阻力控制部27使对车轮24旋转的阻力越大。

阻力控制部27例如具备存储有作为阻力控制部27发挥功能的程序的存储器(未图示)和与cpu(centralprocessingunit，中央处理单元)等处理器对应的处理电路(未图示)，通过由处理器执行程序来作为阻力控制部27发挥功能。

或者，阻力控制部27也可以使用作为阻力控制部27发挥功能的集成电路来构成。

扶手部23设置于主体部21的上部，设置成在用户坐下来的状态以及站起来的状态下容易被用户两手把持的形状和高度位置。

另外，在机器人2设置有对施加于扶手部23的扶手负荷进行检测的扶手负荷检测部28。扶手负荷检测部28检测通过用户把持扶手部23而由用户施加于扶手部23的负荷。

例如，当就座于椅子3的用户把持扶手部23而站起时，用户对扶手部23施加负荷(扶手负荷)。扶手负荷检测部28检测用户施加于扶手部23的扶手负荷的方向、大小。

另外，扶手负荷检测部28例如也可以将用户施加于扶手部23的扶手负荷分解到相对于地面的垂直方向和水平方向，检测在垂直方向和水平方向的各个方向上施加的扶手负荷。

作为这样的扶手负荷检测部28，例如可以使用力学传感器。另外，由扶手负荷检测部28检测出的扶手负荷被输入到阻力控制部27，被用于控制对车轮24旋转的阻力。在实施方式1中，阻力控制部27基于由扶手负荷检测部28检测出的扶手负荷来结束对车轮24旋转的阻力的控制。

在机器人2还设置有经由通信网络接收从椅子3发送的信息的通信部29。

(自动升降型椅子的构成)

如图1以及图3所示，与自动升降型椅子对应的椅子3具备用户就座的座面31、框架32、座面移动装置33、座面控制装置34、清醒度检测装置35和通信部36。

此外，在本说明书中，前方是指坐在椅子3上的状态下的用户的正面侧的朝向或朝椅子3前方的方向(前向)，后方是指用户的后面侧的朝向或朝椅子3后方的方向(后向)。

另外，左右方向是指椅子3的左右方向或以用户的正面侧的朝向为基准的左右方向，例如，在图1中与纸面正交的方向成为左右方向。

座面31由框架32支承。具体而言，座面31的前方侧端部以能够通过转动轴(未图示)进行转动的方式支承于框架32。座面31的后方侧端部例如经由液压式的升降致动器37作为在上下方向上以机械方式伸缩的机构而支承于框架32。升降致动器37通过液压进行伸缩，由此座面31进行移动。具体而言，在图1中，例如，升降致动器37进行伸展，由此座面31以转动轴为中心沿顺时针转动。另外，在图1中，伸展开的升降致动器37进行收缩，由此座面31以转动轴为中心沿逆时针转动。通过升降致动器37如此进行伸缩，能够进行座面的移动以使座面31相对于地面(或框架32)的角度θ发生位移(即，使座面31相对于地面以角度θ倾斜)。

座面移动装置33使座面31移动成向前方倾斜。在实施方式1中，座面移动装置33具备升降致动器37，通过使升降致动器37伸缩，能够使座面31移动成向前方倾斜。此外，在本说明书中，座面31相对于地面的角度θ被表示为以用户就座姿势下的座面姿势(例如，大致水平状态的姿势)为基准时的角度位移。

座面的姿势为大致水平状态也即是座面31与地面平行或视为大致平行的状态，在该状态下，框架32与地面成为平行的状态或视为大致平行的状态。由此，在处于用户就座的姿势的情况下，座面31与框架之间的角度成为0度或视为0度的值。

此外，座面31的移动除了使用液压式的升降致动器37之外，例如也可以将其他各种驱动装置用作升降致动器37，诸如将电动马达用作升降致动器37。

座面控制装置34控制由座面移动装置33进行的座面31的移动。具体而言，座面控制装置34基于辅助控制信息来控制由座面移动装置33(即，升降致动器37)进行的座面31的移动。辅助控制信息包含与座面31的移动速度有关的信息。与座面31的移动速度有关的信息例如包含由配置在座面31内的座面负荷检测部(未图示)检测出的座面负荷等的信息。

座面控制装置34算出与辅助控制信息所包含的移动速度对应的控制值，将算出的控制值输出给座面移动装置33。

座面移动装置33在收到控制值时，使座面31以与控制值对应的移动速度进行移动。如此，座面31以辅助控制信息所包含的移动速度进行移动(倾斜)。

座面31的移动速度例如是指座面31每单位时间的移动量。在实施方式1中，座面31以转动轴为中心进行转动。座面31的移动速度是指由座面移动装置33每单位时间使座面31倾斜的量、即、使座面31倾斜的速度。

由座面移动装置33每单位时间使座面31倾斜的量也称为座面31的角度θ每单位时间的位移量、座面31的角速度、座面31的转速或座面角度θ的速度。

清醒度检测装置35检测用户的清醒度。在实施方式1中，基于用户的心跳的rr间隔的波动来算出用户的清醒度，制作与用户的清醒度有关的清醒度信息。清醒度检测装置35具备检测用户的心跳的心跳检测部38和基于由心跳检测部38检测出的心跳来算出用户的清醒度的清醒度算出部39。在实施方式1中，作为心跳检测部38，例如除了心跳传感器之外，还可以使用压力传感器和/或负荷传感器。也可以在座面31设置有多个心跳检测部38，使得无论用户坐在座面31的哪个位置都能够检测心跳。

通信部36例如经由通信网络进行由清醒度检测装置35制作出的清醒度信息的发送。例如，通信部36将由清醒度检测装置35制作出的清醒度信息发送给机器人2的通信部29。

(生活辅助系统的控制结构)

对在具有如此构成的生活辅助系统1中用于辅助用户在站起之后开始稳定的动作的控制结构进行说明。图4是表示生活辅助系统1中的主要的控制结构的控制框图。另外，在图4的控制框图中，也示出了各个控制结构与被处理的信息之间的关系。

如图4所示，清醒度检测装置35将由心跳检测部38检测出的心跳的数据输入清醒度算出部39，由清醒度算出部39算出用户的清醒度。由清醒度算出部39算出的用户的清醒度，作为清醒度信息被输入通信部36。被输入通信部36的清醒度信息例如经由通信网络被发送给机器人2的通信部29。

发送给了机器人2的通信部29的清醒度信息被输入阻力控制部27。阻力控制部27基于被输入的清醒度信息来控制对车轮24旋转的阻力。具体而言，用户的清醒度越低，则阻力控制部27使对车轮24旋转的阻力越大。即，阻力控制部27在用户的清醒度低的情况下，通过使由制动部26施加的对车轮24旋转的阻力增大，抑制机器人2的移动。并且，若用户的清醒度从低的状态变高，则通过使由制动部26施加的对车轮24旋转的阻力减小，顺畅地进行机器人2的移动动作。此外，对于阻力的控制，可以根据用户的清醒度来连续地变更阻力的值，也可以根据用户的清醒度来阶段性地变更为预先设定的阻力的值。

另外，由机器人2所具备的扶手负荷检测部28检测出的扶手负荷，被输入阻力控制部27。阻力控制部27基于被输入的扶手负荷来控制对车轮24旋转的阻力。具体而言，阻力控制部27在扶手负荷稳定的情况下，解除由制动部26施加的对车轮24旋转的阻力。

(生活辅助系统的动作)

使用图5以及图6a～6d对实施方式1的生活辅助系统1的动作进行说明。

图5是表示生活辅助系统1的动作的流程图。在图5的流程图中，并列地示出机器人2中的步骤和椅子3中的步骤，并且也示出了机器人2与椅子3之间的信息的授受。图6a～6d表示生活辅助系统1的辅助动作的进度。

如图5所示，在步骤s1中，通过清醒度检测装置35，检测就座状态的用户的清醒度(参照图6a)。具体而言，通过心跳检测部38检测就座状态的用户的心跳，基于所检测出的心跳来检测用户的清醒度。关于清醒度的检测方法，在后面叙述。

接着，在步骤s2中，判定椅子3的站起辅助是否开始。在椅子3的站起辅助开始的情况下，移向步骤s3以及步骤s4。另一方面，在椅子3的站起辅助未开始的情况下，返回到步骤s1。

对椅子3的站起辅助是否开始的判定的一例进行说明。椅子3判断机器人2相对于椅子3的相对位置是否位于与预先设定的位置对应的辅助位置。机器人2相对于椅子3的相对位置例如通过设置于机器人2的相对位置算出部来算出。

在判断为通过机器人2的相对位置算出部算出的相对位置位于辅助位置的情况下，通过扶手负荷检测部28进行扶手负荷的检测。在坐在椅子3上的用户把持着扶手部23的情况下，通过扶手负荷检测部28检测扶手负荷。当通过扶手负荷检测部28检测到扶手负荷时，机器人2经由通信部29向椅子3发出信号。椅子3经由通信部36接收来自机器人2的信号，开始站起辅助。

在实施方式1中，当椅子3的站起辅助开始时，行走辅助机器人2开始控制对车轮24旋转的阻力。即，在椅子3的站起辅助开始时，机器人2从行走辅助模式切换到阻力控制模式。在本说明书中，“行走辅助模式”是指机器人2进行辅助用户行走的动作的模式。“阻力控制模式”是指机器人2控制对车轮24旋转的阻力的模式。在阻力控制模式中，通过制动部26，对车轮24旋转的阻力增大，成为机器人2的移动被抑制的状态。“机器人2的移动被抑制的状态”不是将机器人2的移动完全锁死的状态，而是指如下状态：在以比由制动部26施加的阻力大的力推动机器人2的情况下，该机器人2能够进行移动。

阻力控制模式例如也可以通过从椅子3的座面控制装置34接收到与站起辅助的开始有关的信息来开始。

在步骤s3中，将通过步骤s1检测到的与用户的清醒度有关的清醒度信息从椅子3的通信部36经由网络发送给机器人2的通信部29(参照图6b)。被发送到通信部29的清醒度信息，被输入阻力控制部27，移向步骤s5。

在步骤s4中，座面控制装置34基于用户的座面负荷信息等辅助控制信息来控制由座面移动装置33(即，升降致动器37)进行的座面31的移动。具体而言，通过座面控制装置34的控制，升降致动器37根据用户的状态进行伸展，由此座面31以旋转轴为中心沿顺时针转动(参照图6c)。

在步骤s5中，阻力控制部27基于用户的清醒度信息来控制对机器人2的车轮24旋转的阻力。具体而言，在用户的清醒度低的情况下，阻力控制部27控制制动部26来增大对车轮24旋转的阻力。另一方面，在用户的清醒度高的情况下，阻力控制部27控制制动部26来减小对车轮24旋转的阻力。

在步骤s6中，阻力控制部27判定由扶手负荷检测部28检测出的扶手负荷是否稳定(参照图6d)。在扶手负荷稳定的情况下，阻力控制部27结束阻力的控制。当由阻力控制部27进行的阻力的控制(阻力控制模式)结束时，机器人2切换到辅助用户行走的模式(行走辅助模式)。另一方面，在扶手负荷不稳定的情况下，返回到步骤s5，继续进行阻力的控制。

(清醒度的检测方法)

接着，使用图7a～7c来说明由清醒度检测装置35进行的用户的清醒度的检测方法的一例。

在实施方式1中，清醒度检测装置35的心跳检测部38检测用户的心跳。基于由心跳检测部38检测出的心跳，清醒度算出部39算出用户的清醒度。以下，对由清醒度算出部39进行的清醒度计算的例子进行说明。

图7a中示出由心跳检测部38检测出的用户的心跳(心电图)。图7a中，将纵轴设为电压(mv)，将横轴设为时间。如图7a所示，在心电图中包含多个作为最尖峰值的“r波”。清醒度算出部39算出该“r波”的间隔、即rr间隔。rr间隔分别存在细微变化。

图7b中示出将算出的rr间隔的变化进行图表化而得到的图。图7b中，将纵轴设为rr间隔(sec)，将横轴设为心率。在图7b中，通过rr间隔的变化，示出了心跳的波动。

图7c中示出对心跳的波动的频率实施滤波并进行了频谱分析而得到的图。图7c中，将纵轴设为功率谱密度(msec²/hz)，将横轴设为频率(hz)。如图7c所示，示出在0.1hz附近具有峰值的lf成分和在0.25hz附近具有峰值的hf成分。在此，“lf成分”反映交感神经和副交感神经活动。“hf成分”反映副交感神经活动。交感神经是在“正在活动”、“正在紧张”等情况下活动的神经。副交感神经是“正在休息”、“正在放松”等情况下活动的神经。

接着，作为交感神经功能的指标，算出lf成分/hf成分。在清醒度算出部39中判断为：lf成分/hf成分越低则用户的清醒度越低，lf成分/hf成分越高则用户的清醒度越高。

(阻力控制模式的结束)

使用图8对机器人2结束阻力控制模式并切换到行走辅助模式的方法进行说明。

图8示出坐在椅子3上的用户站起并进行稳定行走之前的扶手负荷的变化。图8所示的扶手负荷是指向机器人2的移动方向(图1所示的前方)推动的力。

如图8所示，当坐在椅子3上的用户开始站起时，将手放在机器人2的扶手部23上(图8的时间t1)。通过用户将手放在扶手部23上，施加于扶手部23的扶手负荷逐渐增大。在用户从椅子3的座面离开而站起时，成为用户最依靠扶手部23的状态，施加于扶手部23的扶手负荷达到峰值(图8的时间t2)。当用户成为已站立的状态时，扶手负荷逐渐减少。然后，站立状态的用户开始行走。如果用户稳定地进行行走，则施加于扶手部23的扶手负荷以比时间t2的扶手负荷小的值成为稳定的状态(图8的时间t3)。稳定的状态是指扶手负荷几乎没有变化的状态、即扶手负荷大致恒定的状态。例如，将扶手负荷的变动处于预先设定的范围内的状态称为稳定的状态。

在实施方式1中，在开始了椅子3的站起辅助之后由扶手负荷检测部28检测出的扶手负荷稳定的情况(例如，图8的时间t3以后)下，结束阻力控制模式，并切换到行走辅助模式。

[效果]

根据实施方式1涉及的生活辅助系统1，能够起到以下的效果。

根据实施方式1涉及的生活辅助系统1，基于用户的清醒度，能够控制对机器人2的车轮24旋转的阻力。根据这样的构成，根据用户的清醒度，能够抑制机器人2的移动，因此在用户通过椅子3的站起辅助而站起之后，能够顺畅地开始行走动作。

生活辅助系统1在用户的清醒度低的情况下，使对机器人2的车轮24旋转的阻力增大。根据这样的构成，能够使清醒度低的用户在接受椅子3的站起辅助而站起之后摇晃而摔倒等的危险减小，能够开始稳定的行走动作。

在通过阻力控制部27控制了对车轮24旋转的阻力的状态(阻力控制模式)下，并不是将机器人2的车轮24完全锁死的状态，而是如果用户的推力比阻力大则车轮24能够旋转的状态。因此，在用户的推力大的情况(用户的清醒度高的情况)下，能够使机器人2移动，用户在站起之后能够顺畅地开始行走。

根据生活辅助系统1，基于用户的心跳，能够容易地检测用户的清醒度。

另外，阻力控制部27在由扶手负荷检测部28检测的扶手负荷稳定的情况下，结束阻力控制模式。如此，阻力控制部27在扶手负荷稳定时，判定为用户从清醒度低的状态变为了清醒度高的状态，能够容易地判断阻力控制模式的结束。

此外，在实施方式1中，作为清醒度的检测方法，说明了通过基于用户的心跳算出lf成分/hf成分来进行清醒度计算的例子，但并不限定于此。例如，作为基于心跳的清醒度的检测方法，也可以使用基于心跳变动的混沌分析的清醒度推定方法。

图9表示基于心跳变动的混沌分析的清醒度推定方法的流程图。

如图9所示，在步骤s11中，通过心跳检测部38检测用户的心跳。在步骤s12中，通过清醒度算出部39提取rr间隔数据。在步骤s13中，基于takens嵌入定理(takens'embeddingtheorem)，进行延时坐标系的重建。在此，对于延时坐标系的重建，若将rr间隔的时间序列数据设为x[n](n为数据点的个数)并将嵌入维度设为d，则能够通过以下的式来表示。

第1点:(x[1]，x[2]，···x[d])

第2.点：(x[2]，x[3]，···x[d+1])

第3点:(x[3]，x[4]，···x[d+2])

·····

第(n-d)点：(x[n-d]，x[n-d+1]，···x[n])

如此，延时坐标系的重建是指将连续的d个rr间隔数据视为一个矢量、并将各矢量作为d维空间的一个点来重新表达。在步骤s14中，对重建后的延时坐标系的重建维度矢量进行最大李雅普诺夫(lyapunov)指数分析。在此，当最大李雅普诺夫指数成为正值时，可知数据具有混沌的性质。在步骤s15中，基于通过最大李雅普诺夫指数分析而得到的李雅普诺夫指数和睡眠阶段的关系式(一次式)来推定清醒度。

此外，在实施方式1中，对在椅子3开始了站起控制时机器人2开始阻力控制模式的例子进行了说明，但不限定于此。机器人2只要在从用户开始站起到把持扶手部23为止开始阻力控制模式即可。

在实施方式1中，扶手负荷检测部28也可以检测向与底面垂直的方向的扶手负荷。根据这样的构成，也可以在向与底面垂直的方向的扶手负荷变得稳定的情况下结束阻力控制模式。另外，扶手负荷检测部28也可以检测用户的右手和左手各自的扶手负荷。根据这样的构成，也可以基于施加于由用户的右手和左手把持的扶手部23的扶手负荷的左右的平衡来结束阻力控制模式。机器人2例如也可以在由扶手负荷检测部28检测的通过用户的右手施加的扶手负荷和通过左手施加的扶手负荷大致相等的情况下，结束阻力控制模式。

在实施方式1中，对作为机器人2使用了通过用户的推力进行移动的自主移动型机器人的例子进行了说明，但不限定于此。机器人2例如也可以是以向目标方向拉拽用户的方式进行移动的自主移动型机器人。

在实施方式1中，说明了由设置于机器人2的阻力控制部27来控制对车轮24旋转的阻力的例子，但不限定于此。例如，阻力控制部27也可以设置于椅子3，并在椅子3侧进行阻力的控制。

在实施方式1中，对座面控制装置34基于座面负荷信息作为辅助控制信息来控制座面移动装置33使座面31移动的例子进行了说明，但不限定于此。例如，座面控制装置34也可以包含用户的姿势信息等作为辅助控制信息来控制座面移动装置33。

在实施方式1中，通信网络包括有线的网络、无线的网络的任一方或者包含两方。

在实施方式1中，对清醒度算出部39和阻力控制部27分别设置于椅子3和机器人2的例子进行了说明，但不限定于此。例如，清醒度算出部39和阻力控制部27也可以设置于经由通信网络与椅子3和机器人2连接的服务器装置。

在实施方式1中，对将由椅子3的清醒度算出部39算出的清醒度信息经由通信部36发送给机器人2的结构进行了说明，但不限定于此。例如，由椅子3的清醒度算出部39算出的清醒度信息也可以暂时存储在未图示的寄存器中。

也可以：在从机器人2接收到清醒度信息的询问的情况下，从寄存器中读出清醒度信息，经由椅子3的通信部36取得清醒度信息。即，只要是在从机器人2接收到清醒度信息的询问时通信部36能够取得清醒度信息并进行发送这样的结构即可。

(实施方式2)

[整体构成]

使用图10以及图11对本公开的实施方式2的生活辅助系统进行说明。

图10是实施方式2的生活辅助系统51的控制框图。图11是实施方式2中的椅子53的外观图。此外，在实施方式2中，主要对与施方式1不同之处进行说明。在实施方式2中，对与实施方式1相同或者同等的结构标注相同的标号来说明。另外，在实施方式2中，省略与实施方式1重复的记载。

如图10所示，生活辅助系统51具备与自主移动型机器人对应的机器人2和与自动升降型椅子对应的椅子53。

在实施方式2中，与实施方式1不同之处在于：检测用户的脑电波，基于检测出的脑电波来检测用户的清醒度。如图10以及图11所示，实施方式2与实施方式1不同之处在于脑电波检测部58和清醒度算出部59构成清醒度检测装置55。

脑电波检测部58检测用户的脑电波。在实施方式1中，脑电波检测部58例如是检测α波以及θ波的脑电波传感器。如图11所示，脑电波检测部58设置于椅子53的靠背部分，例如设置于供用户头部接触的位置。另外，也可以在椅子53的靠背部分设置多个脑电波检测部58。

清醒度算出部59基于由脑电波检测部58检测出的脑电波，算出用户的清醒度。

(清醒度的检测方法)

对实施方式2的清醒度的检测方法进行说明。

首先，使脑电波传感器与用户的头部接触。此时，已知用户的后头部附近(10/20法的o1、o2、oz等)合适，容易检测信号。这是因为不容易掺入因眼球活动产生的噪声等理由。

接着，检测用户的信号波形。检测有无作为脑电波的特征性波形的α波等。如果β波占优势，则判断为用户的清醒度高，如果α波或θ波占优势，则判断为清醒度低。此外，已知α波容易在入睡时出现，θ波容易在深度睡眠时出现。

在此，关于利用了上述内容的清醒度的识别方法，只要将脑电波的波形变换到频域(傅里叶变换)、并根据优势频率(dominantfrequency，主导频率)是什么频率来检测哪个波形处于优势即可。基于该检测结果来判断清醒度。

[效果]

根据实施方式2涉及的生活辅助系统51，能够起到以下的效果。

根据实施方式2涉及的生活辅助系统51，基于用户的脑电波，能够检测用户的清醒度，因此能够更准确地检测用户的清醒度。因此，在用户通过椅子3的站起辅助而站起之后，能够更顺畅地开始行走动作。

通过使用脑电波，能够进行对头部与传感器的位置偏离有抵抗力的清醒度检测。

以一定程度的详细情况在各实施方式中说明了本公开，但这些实施方式的公开内容在结构的细节部分发生变化是适当的。另外，能够不脱离本公开的范围以及思想地实现各实施方式中的要素的组合和/或顺序的变化。

此外，实施方式1以及2中说明的清醒度的检测方法是例示，不限定于此。作为清醒度的检测方法，也可以采用周知的各种方法。

产业上的可利用性

本公开能够适用于辅助从椅子站起之后的顺畅动作的生活辅助系统以及生活辅助方法。

例如，本公开的具备行走辅助机器人和自动升降型椅子的生活辅助系统，能够辅助接受椅子的站起辅助而站起之后的顺畅动作。因此，对需要在接受站起动作的辅助而站起之后开始稳定行走的用户应用生活辅助系统是有用的。