研究テーマ/Research themes

<研究テーマ1/Research theme1>

人体状態の理解 (Biosignal Understanding)
- 生体信号 (EEG・sEMG・PPGなど)を用いて、人の生理状態・認知状態・運動状態を推定する基礎研究を行う

We study fundamental methods to estimate physiological, cognitive, and motor states from biosignals such as EEG, sEMG, and PPG.

- 実環境におけるノイズやセンサ制約を考慮し，信頼性の高い信号処理および機械学習手法の確立を目指す

Our research focuses on robust signal processing and machine learning techniques that can operate reliably under real-world conditions, including noise and sensing constraints.

-サブテーマ1/Sub-theme1-

アーチファクト除去・分離 (Artifact Reduction and Source Separation)

-サブテーマ2/Sub-theme2-

脈波ベース血圧推定モデリング (PPG-based Blood Pressure Estimation)

-サブテーマ3/Sub-theme3-

<研究テーマ2/Research theme2>

個人的欧と長期利用 (Personalization and Continual Learning)
- 生体信号に特有の個人差や計測条件の違いに対応し，長期的に適応し続けるAIの実現を目指す

We develop adaptive learning methods that address individual variability and changing measurement conditions in biosignals.

- 転移学習・継続学習・少量データ学習を通じて，実世界で持続的に利用可能なモデルを構築する

By leveraging transfer learning, continual learning, and few-shot learning, we aim to build models that can operate and improve continuously in real-world environments over long periods.

-サブテーマ1/Sub-theme1-

IMUベース人間行動タスクにおけるBlurry class-incremental learningシナリオの検討 (IMU-based Human Activity Recognition under Blurry Class-Incremental Learning Scenario)

-サブテーマ2/Sub-theme2-

生体信号特性に適した転移学習手法開発 (Development of Transfer Learning Methods Tailored to Biosignal Characteristics)

-サブテーマ3/Sub-theme3-

<研究テーマ3/Research theme3>

ヒューマンマシンインタフェース (Human-Machine Interface)
- 筋電などを用いた人間の意図推定に基づき、直観的で高精度なヒューマンマシンインタフェースを構築する

We develop human–machine interfaces that interpret human intent from biosignals such as sEMG, enabling intuitive and high-precision interaction.

- 支援機器やロボティクスとの連携を通じて、人間能力の拡張を目指す

Our goal is to enhance human capabilities through integration with assistive devices and robotic systems.

-サブテーマ1/Sub-theme1-

筋電ベース上腕動作識別(sEMG-based Gesture Recognition)

-サブテーマ2/Sub-theme2-

<研究テーマ4/Research theme4>

デジタルヒューマン・行動理解 (Human Modeling and Simulation)
- IMU・環境センサ・生体信号を統合し、人間の行動・姿勢・位置を推定する

We integrate IMU, biosignals, and environmental sensors to estimate human behavior, posture, and location.

- データ駆動とシミュレーションを組み合わせたデジタルヒューマンの構築を目指す

By combining data-driven approaches with simulation, we aim to construct digital human models for understanding and predicting human activities.

-サブテーマ1/Sub-theme1-

PIRセンサを用いた生活空間における位置推定 (Position Estimation in Living Spaces Using PIR Sensors)

-サブテーマ2/Sub-theme2-

少数のIMUセンサを用いた全身姿勢推定(Pose Estimation with Few IMU Sensors)

-サブテーマ3/Sub-theme3-

<研究テーマ5/Research theme5>

次世代基盤モデル (Foundation Models)
- 大規模データに基づく生体信号の基盤モデルを構築し、様々なタスクに汎用的な適用可能な表現学習を実現する

We develop foundation models for biosignals using large-scale data to learn general-purpose representations applicable across diverse tasks.

- 本テーマで開発した基盤モデルは、上記すべてのテーマ(理解・適応・応用)に適用される

These models serve as a unifying foundation that supports all research areas, including understanding, adaptation, and applications.

-サブテーマ1/Sub-theme1-

官公庁審査業務の効率化に向けた特許文書検索AIの開発 (Development of an AI System for Patent Document Search to Improve the Efficiency of Goverment Review Process)

-サブテーマ2/Sub-theme2-

脳波×音声統合による状態タグ付き対話適応AI (Neuro-emphathetic Avatar)

-サブテーマ3/Sub-theme3-

Page updated

Google Sites

Report abuse