(논문명) A deep-learned skin decoding the epicentral human motions - 'Nature Communications'

전산학부 조성호 교수와 서울대학교 기계공학과 고승환 교수 공동연구팀이 피부형 센서를 개발하고, 이를 이용해 신체 움직임을 측정하는 기술을 개발했다. 이번 연구 결과는 지난 5월 1일 <네이처 커뮤니케이션즈(Nature Communications)> 온라인판에 게재됐다.

 

통합된 신호 수집으로 시스템 분석해

통합된 시스템을 분석하기 위해서는 다양한 지점에서 정보를 얻는 것이 중요하다. 예를 들어 지진이 발생하면 지각 변동을 알아내기 위해 다양한 지진대에서 변화를 측정하는 것이 필요하다. 이를 위해 많은 관측소를 세우는 것은 정확도를 확실하게 높일 수 있다. 왜냐하면, 지진파가 발생하는 위치에서 얻어진 신호는 더 직접적으로 전달되며 주변의 다른 정보에 적게 간섭받기 때문이다. 하지만 경제적으로 비효율적이기 때문에 실제로는 특정 지점을 중심으로 주변 신호를 수집해 분석한다.

이번 연구는 이러한 원리를 기반으로 신체가 움직일 때 발생하는 여러 신호들을 거리가 있는 다른 부위에서 수집하고, 이를 분석해 원래 신체의 움직임을 예측하는 것을 목표로 진행되었다. 현재는 주로 모션 캡처 카메라로 사람의 움직임을 측정하는데, 카메라가 설치된 공간에서만  측정 가능하다는 한계가 있다. 하지만 이번 연구에서 개발한 웨어러블 방식은 장소 제약이 없다. 또한, 측정을 위해 모든 신체 부위에 센서를 부착하지 않아도 몇몇 특정 부위에 부착된 센서에서 통합된 정보를 수집해 분석한다는 점에서 경제적이다.

 

피부 변화를 측정하는 유연한 센서 

연구팀은 우선 신호를 수집하기 위한 센서를 설계하고 제작했다. 우리 몸이 움직일 때 주변 피부는 수축하거나 이완되며 움직임의 정도나 종류, 위치에 따라 다른 패턴을 나타낸다. 피부형 센서는 피부에 부착될 수 있어 신호를 정확하게 수집할 수 있다. 이를 위해 유연한 폴리이미드 기판을 사용했고, 그 위에 은 나노 입자층을 만들고 균열을 유도했다. 식각과정*에서는 피부에서 늘어날 수 있는 패턴 형태를 가지도록 불필요한 부분을 제거했다. 연구팀이 사용한 나노 패턴은 전도성이 좋고, 신체의 작은 움직임에도 균열이 쉽게 발생하기 때문에 저항의 변화가 뚜렷하게 나타나는 장점이 있다. 때문에 신체가 움직이면 센서가 부착된 피부가 변화하면서 균열의 정도가 달라지고, 저항값이 달라져 센서에서 출력되는 전압값이 변화한다. 이러한 전압값으로 신체의 움직임을 예측하기 위해 딥러닝 모델을 활용했다.

 

전이학습으로 효율적인 학습 가능해

연구팀은 손목에 센서를 부착했을 때 수집되는 신호로 손가락의 움직임을 예측하는 딥러닝 모델을 개발했다. 센서의 시계열** 신호를 분석해 손목에 부착된 단 하나의 센서 신호로 여러 가지 손가락의 관절 움직임을 측정할 수 있게 학습했다. 또한, 사용자마다 다른 신호의 차이를 보정했다. 이를 위해서는 많은 양의 데이터를 수집해야 하지만, 기존에 학습된 지식을 전달하는 전이학습을 기반으로 수집을 최소화하며 학습을 반복했다. 이처럼 적은 양의 데이터와 학습 시간을 통해 효율적으로 딥러닝이 이루어졌다. 최종적인 학습이 끝난 결과, 센서에서 수집한 신호를 이용해 손가락의 움직임을 높은 정확도로 예측함을 확인할 수 있었다.

조 교수는 “키보드 타이핑이나 걸음걸이 분석도 가능함을 보였다”며 “인체 보조 기구에 활용하면 힘이 가해지는 부분으로부터 멀리 떨어진 부분에서 간섭없이 움직임 측정이 가능하기 때문에 사용자에게 더 편리한 기구 개발이 가능해질 것이다”고 연구의 의의를 전했다.
 

저작권자 © 카이스트신문 무단전재 및 재배포 금지