動力義肢の制御は従来、インピーダンスコントローラに依存しており、ユーザーごとの手動チューニングと明示的な動作モード分類が必要でした。しかし新しい研究では、これらの課題を根本的に解決する端末間制御システムが開発されました。搭載センサーから連続的な駆動信号を推定することで、意図分類器と個別チューニングの必要性を完全に排除したこのシステムは、リアルタイムで機能することが実証されています。 このシステムは、Temporal Convolutional Networks（時間畳み込みニューラルネットワーク）を使用して構築されました。18名の大腿義肢利用者から収集された多種地形データセットで訓練され、5つの移動モードにおけるリアルタイム展開を実現しています。4名の参加者（健常者3名、大腿義肢利用者1名）を対象とした検証では、平坦地歩行、階段上昇下降、スロープの上下移動など複数のシナリオが試行されました。 平坦地歩行では、展開されたコントローラは訓練データのスケーリングをほぼ再現し、歩行速度に対するピーク足首トルクの関係性（展開時：0.85 Nm/kg per m/s、訓練データ：0.96 Nm/kg per m/s）を示しました。スロープ上昇では、膝の事前屈曲が勾配に応じて適応的にスケーリング（展開時：2.92 deg/deg）され、下降時には抵抗性膝トルクが平坦地歩行時比較で0.16 Nm/kg増加するなど、状況に応じた正確な制御が確認されました。特に注目すべき点は、訓練データに含まれていない脚の主導シーケンスにおいても、階段の上下移動でシームレスな移行が実現されたことです。これらの結果は、個別チューニングなしに複数モードに対応する統一的で適応的な義肢支援の実現可能性を示す初期的な証拠となっています。