本研究室では、脳波・筋電・心電・IMUなどの生体信号*を対象に、計測・整備の難しさがボトルネックになりがちな領域で、まず大規模データセット構築とベンチマーキングを行い、汎用的に使える生体信号基盤モデルの確立を目指します。さらに、実運用では被験者や装着条件、環境が変化し続けるため、過去の知識を失わずに性能を伸ばす継続学習が不可欠です。本研究室では、実世界の限られたメモリの下でオンラインに学習し続ける手法を開発し、Brain-computer interface (BCI)や筋電制御などのヒューマンマシンインタフェースを、より頑健・高精度・長期安定にすることを目指します。加えて、映像など他モダリティと組み合わせたラベル付け・状態推定の自動化にも取り組み、実験フレームワークとアルゴリズムを往復しながら、人とAIが協調する次世代の生体情報知能基盤を構築します。
*身体の内部から生じる信号という定義だとIMUは違いますが、ここでは運動を含む身体活動から生じる信号、を生体信号としています
We construct large-scale biosignal datasets and benchmarks to establish foundation models. We further develop continual learning methods that can adapt online under limited memory in real-world settings, enabling robust long-term human–AI interfaces such as BCI and myoelectric control. We also explore multimodal integration (e.g., vision) to automate labeling and state estimation, bridging experimental frameworks and algorithms.
生体信号 Biosignal processing
基盤モデル Foundation model
自己教師あり学習 Self-supervised learning
継続学習 Continual Learning
パーソナライズ化 Personalization
BCI/筋電制御 Brain-computer interface, Myoelectric control system
2026.03 デジタルヒューマンシンポジウム2026で5件発表しました。 Five research topics were presented in Digital Human Symposium 2026.
2025.12 IEEE Accessにアクセプトされました。A paper has been accepted from IEEE Access.
2025.06 Expert Systems with Applicationsにアクセプトされました。A paper has been accepted from Expert Systems with Applications.
〒135-0064 東京都江東区青海2-3-26 産業技術総合研究所 臨海副都心センター 本館3F, 2-3-26 Aomi, Koto, Tokyo, 135-0064, Japan
〒 305-8560 茨城県つくば市梅園1-1-1 産業技術総合研究所 つくばセンター 中央事業所 つくば本部・情報技術共同研究棟5F, 1-1-1 Umezono, Tsukuba, Ibaraki, 305-8560, Japan
筑波大学 システム情報系 Institute of Systems and Information Engineering, University of Tsukuba