[ATN뉴스=이기종 기자] 한국과학기술원(KAIST)은 전산학부 조성호 교수 연구팀이 서울대 고승환 교수(기계공학과) 연구팀과 협력 연구를 통해 딥러닝 기술을 센서와 결합, 최소한의 데이터로 인체 움직임을 정확하게 측정 가능한 유연한 '피부형 센서'를 개발했다고 21일 밝혔다.

웨어러블 장비를 사용한 움직임 측정은 카메라를 사용한 측정 방식과 달리 사용자의 상태 변화를 장소에 국한되지 않고 받을 수 있고 또 장소 제한 없는 측정 방식은 다양한 환경에서 사람의 상태를 효과적으로 전달할 수 있다.

기존의 웨어러블 장비를 통한 움직임 측정 방식은 측정 부위에 직접적으로 센서를 부착하는 형식으로 측정하는 관절의 개수가 늘어남에 따라 더 많은 센서를 필요로 한다.

특히 보조해주는 구동소자(actuator) 장비가 관절에서 가장 효과적으로 힘을 전달할 수 있기 때문에 관절에 센서를 붙일 경우 구동소자와 충돌을 일으킨다.

또 근전도(electromyography, EMG)와 같이 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 있다.

이번 공동연구팀은 이러한 제한점을 해결하기 위해 개발한 피부형 센서를 개발했고 이는 '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.

또 딥러닝 모델을 사용, 센서의 시계열 신호를 분석해 손목에 부착된 단 하나의 센서 신호로 여러 가지 손가락 관절 움직임을 측정할 수 있게 했다.

이후 사용자별 신호 차이를 교정하고 데이터 수집을 최소화하기 위해서는 전이학습(Transfer Learning)을 통해 기존 학습된 지식을 전달했다.

이 연구결과에 의하면 적은 양의 데이터와 적은 학습 시간으로 모델을 학습하는 시스템을 완성하는데 성공했다.

KAIST 조성호 교수는 "이번 연구는 딥러닝 기술을 활용해 실제 환경에서 더욱 효과적으로 사람의 실시간 정보를 획득하는 방법을 제시했다는 점에서 의미가 있다"고 말했다.

이 연구에는 한국연구재단 기초연구사업(선도 연구센터 지원사업 ERC)과 기초연구사업 (중견연구자)의 지원을 받아 수행됐고 김민, 김권규, 하인호 연구원 등이 공동 제1저자로 참여한 연구결과는 국제 학술지 '네이처 커뮤니케이션스(Nature Communications)' 5월 1일 게재됐다.