KAIST-서울대 공동연구팀, 딥러닝 결합한 피부형 센서 패치 개발

단 한 개의 센서로 손가락 움직임과 같은 복잡한 인체의 움직임을 예측하는 센서 기술이 개발됐다.

KAIST 전산학부 조성호 교수 연구팀이 서울대 고승환 교수(기계공학과) 연구팀과 협력 연구를 통해 딥러닝 기술을 센서와 결합, 최소한의 데이터로 인체 움직임을 정확하게 측정 가능한 유연한 ‘피부 형 센서’를 개발했다. 공동연구팀이 개발한 피부 형 센서에는 인체의 움직임에 의해 발생하는 복합적 신호를 피부에 부착한 최소한의 센서로 정밀하게 측정하고, 이를 딥러닝 기술로 분리, 분석하는 기술이 적용됐다.



기존의 웨어러블 장비를 통한 움직임 측정 방식은 측정 부위에 직접적으로 센서를 부착하는 형식으로, 측정하는 관절의 개수가 늘어남에 따라 더 많은 센서를 필요로 할 수밖에 없다. 보조해주는 액추에이터 장비가 관절에서 가장 효과적으로 힘을 전달할 수 있기 때문에 관절에 센서를 붙일 경우 액추에이터와 충돌을 일으킨다.

또한 관절에서 조금 떨어진 곳에서 움직임을 측정하는 방식이 있지만 각 근육마다 측정기를 장착해야 하며, 근접해 있는 근육 간 노이즈, 신호 증폭기와 같은 값비싼 외부 장비 필요 등의 문제가 있었다. 이러한 문제들로 웨어러블 기술을 사용한 인체 모션 측정 방식은 수많은 외부장비와 와이어가 필요하여 기술의 확정성에 비해 시장에 적극적으로 사용되지 못하였다.

웨어러블 증강현실 보편화 기대

연구팀이 개발한 피부형 센서는 ‘크랙’에 기반한 고(高) 민감 센서로, 인체의 움직임이 발생하는 근원지에서 먼 위치에 부착해서 간접적으로도 인체의 움직임을 측정할 수 있다. ‘크랙’이란 나노 입자에 균열이 생긴다는 뜻인데, 연구팀은 이 균열로 인해 발생하는 센서값을 변화시켜 미세한 손목 움직임 변화까지 측정할 수 있다고 설명했다.

연구팀은 또 딥러닝 모델을 사용, 센서의 시계열 신호를 분석해 손목에 부착된 단 하나의 센서 신호로 여러 가지 손가락 관절 움직임을 측정할 수 있게 했다. 사용자별 신호 차이를 교정하고, 데이터 수집을 최소화하기 위해서는 전이학습(Transfer Learning)을 통해 기존 학습된 지식을 전달했다. 이로써 적은 양의 데이터와 적은 학습 시간으로 모델을 학습하는 시스템을 완성하는 데 성공했다.

KAIST 조성호 교수는 “이번 연구는 딥러닝 기술을 활용해 실제 환경에서 더욱 효과적으로 사람의 실시간 정보를 획득하는 방법을 제시했다는 점에서 의미가 있다”며 “이 측정 방법을 적용하면 웨어러블 증강현실 기술의 보편화 시대는 더욱 빨리 다가올 것”이라고 예상했다.

서울대 고승환 교수 또한 “고민감 피부형 센서와 딥러닝 기술의 효과적 결합은 앞으로 주목받을 웨어러블 가상/증강현실 기기의 새로운 입력 시스템으로 활용될 것으로 기대된다”고 강조했다.