생체신호를 이용한 로봇 제어
현대 사회에는 신체장애자, 병약자, 신체기능이 쇠퇴한 고령자 등과 같이 다양한 인간들이 존재하고 있다. 여기서는 신체장애자를 대상으로 하여 Tsuji 등이 연구해 온 인간지원을 위한 하이퍼 휴먼 기술을 제기하여 신체에서 계측한 생체신호에 따라 조작 가능한 새로운 인터페이스 기술에 대해 언급하고자 한다. 그리고 그 응용 예로서 의수형 매니퓰레이터(Manipulator)의 제어계에 대해 개략적으로 설명하기로 한다.
1. 서론
인간의 능력을 초월한 하이퍼 휴먼(Hyper human) 기술을 실현하기 위해서는 먼저 인간의 능력 그 자체를 정확히 파악해 나갈 필요가 있다. 초월의 대상인 인간을 주목할 때 종래의 로봇 공학에서 목표로 하고 있는 인간상은 젊고 건강한 성인에 한정되어 있었음을 알 수 있다.
현대 사회에는 신체장애자, 병약자, 신체기능이 쇠퇴한 고령자 등과 같이 다양한 인간들이 존재하고 있다. 이들의 능력을 초월한 지원이 실현된다면 그들의 QOL(Quality of Life)을 향상시킬 수 있고, 나아가 이러한 기술은 하이퍼 휴먼 기술을 구성하는 중요한 요소기술이 될 것이다.
여기서는 신체장애자를 대상으로 하여 Tsuji 등이 연구해 온 인간지원을 위한 하이퍼 휴먼 기술을 제기하여 신체에서 계측한 생체신호에 따라 조작 가능한 새로운 인터페이스 기술에 대해 언급하고자 한다. 그리고 그 응용 예로서 의수형 매니퓰레이터(Manipulator)의 제어계에 대해 개략적으로 설명하기로 한다.
2. 사이버네틱 인터페이스
Tsuji 등은 조작감각의 실현을 목표로 CI(Cybernetic Interface)라고 하는 새로운 로봇 제어 인터페이스를 연구 개발하였다. 인간의 근육 수축 레벨에 따른 근 전위 기록장치(EMG: ElectroMyoGraphy)나 뇌신경세포가 활동할 때 발생하는 뇌파 전위 기록장치(EEG: EletroEncephaloGra-phy) 등의 생체신호에는 근육이나 뇌의 활동량 등 제정보가 포함된다.
CI에서는 이 생체내부 정보에 바탕을 둔 인터랙션(Interaction)으로 이제까지 없었던 인간과 기계 간의 일체감이 기대된다. 시스템의 출력은 조작자에게 피드백 되면서 CI로 교사신호가 되어 시스템 전체가 최적으로 기능하도록 적응학습을 한다. CI는 생체신호의 계측과 특징 추출, 운동의도의 추정, 바이오메틱(Biometic) 제어의 3요소로 구성된다.
가. 생체신호의 계측과 특징 추출
Tsuji 등은 이들 생체신호로부터 동작의 활동량, 동작의 타이밍, 그리고 동작의 협조 패턴을 특징량으로 추출하는 것을 목적으로 하여 생체신호에 대한 다양한 처리법을 제안하였다. 예를 들어 EMG 신호의 경우, 신호의 전파정류, 고역차단 필터에 의한 평활화 처리를 시행하여 진폭의 포락선(Envelop)을 추출하고 있다.
나. 운동의도의 추정
생체신호의 패턴 식별에 관한 연구는 1970년대부터 활발히 행해져 왔으며, 그 중에서도 Rumelhart 등에 의해 오치 역전반형 뉴럴 네트워크(Neural Network)가 제안된 이후 비선형 사상을 학습적으로 획득하는 수법이 활발히 시도되어 왔다.
비선형 생체신호를 이 뉴럴 네트워크로 모델화하려면 대규모의 네트워크 구조가 필요하게 되어 실제의 제어 시스템에서는 매우 정밀한 식별이 곤란하였다. Tsuji 등은 이미 알고 있는 생체신호의 모델화에 적합한 구조를 미리 뉴럴 네트워크에 포함시키고, 학습능력의 향상이나 네트워크의 구조결정을 지원하는 수법을 제안해 왔다.
Tsuji 등이 독자적으로 구축한 뉴럴 네트워크에는 LLGMN(Log-Linearized Gaussian Mixture Network)와 그 리커런트 형인 Recurrent-LLGMN 등이 있다. LLGMN은 통계 모델의 하나인 혼합 정규분포 모델을, R-LLGMN은 시계열신호의 모델화에 유효한HMM(Hidden Markov Model)을 도입하였다.
다. 바이오메틱 제어
생체신호에 의한 운동의도를 파악해도 생물처럼 제어대상을 원활하게 제어할 수 없으면 조작자의 조작감각에는 큰 위화감이 발생한다.
그래서 CI에서는 생체운동 특성이 강성, 점성, 관성으로 이루어진 기계 임피던스(Impedance)를 이용하여 모델화하고, 인간의 임피던스 특성을 모의화하여 제어대상인 로봇을 제어하도록 이 제어법을 도입하였다.
Tsuji 등은 인간의 손목관절을 강제적으로 조금 비틀어 인간의 손목관절 모델과 근육 모델로부터 산출한 운동방정식의 매개변수를 수치적으로 구함으로써 점탄성계수와 근육활동의 관계를 실험적으로 추정하는데 성공하였다. 그리고 그 추정결과를 전기의수 제어에 도입함으로써 인간의 손목관절에 가깝게 매우 원활한 제어감각을 얻을 수 있었다.
3. 의수형 매니퓰레이터의 제어
가. EMG 제어방식
EMG 제어방식에서는 전동의수의 다자유도 제어 문제를 근전 패턴의 동작식별 문제로 보고, 패턴 식별이 가능한 클라스 수와 의수의 동작수를 접목시키고 있다. 이에 “펴면서 구부린다”라는 복합 동작의 경우 대상이 되는 동작수가 증가하면서 방대한 학습 샘플 수나 학습시간이 요구되어 시스템 조작자에게 부담을 주는 문제가 발생하였다.
Tsuji 등은 근육 시너지(Synergy)라고 불리는 개념을 이용하여 복합동작의 패턴 인식수법을 개발하였다. 여기서 근육 시너지는 근육의 공동현상을 의미하고 있으며, 인간의 운동은 복수의 근육 시너지의 조합으로서 표현할 수 있다고 생각하고 있다.
또한, Tsuji 등은 리커런트 뉴럴 네트워크를 이용한 시계열 EMG 패턴의 정규 직교변환을 도입함으로써 M개의 단일동작에 대응하는 근육 시너지 패턴을 M차원 벡터(Vector) 공간의 정규 직교기저 벡터로 변환하고, 복합동작을 M개의 기저 벡터 선형화로서 표현하는 방법을 제안하였다.
나. MMG 제어방식
EMG 제어방식은 조작의 자유도가 높은 반면에 장시간 사용시에는 피로나 땀 등으로 식별정도가 저하되는 경우가 있다. 또한, 상완부와 전완부의 동시제어에는 두 종류의 센서를 조합시켜야 하므로, 장치가 복잡해져 버리기가 쉽다. 그래서 생체신호의 일종인 MMG(Mammography) 신호를 이용한 제어법을 새롭게 고안하였다.
MMG 제어방식에서는 팔에 가속도 센서를 장착하고 MMG 신호와 상지운동 가속도(ACC: Acceloration)의 두 가지 신호를 동시에 계측한다. 그리고 계측된 신호에서 대역 필터를 이용하여 조작자의 MMG 신호와 ACC 신호를 추출한다.
매니퓰레이터(Manipulator) 전완부는 MMG 신호로부터 각 근육활동레벨을 추출하고 뉴럴 네트워크를 이용한 손끝 동작의 식별로 제어하였다. 그리고 상지의 운동성분인 ACC 신호를 적분하여 손끝의 이동변위를 추정하고, 매니퓰레이터 상완부를 제어하였다.
MMG 제어방식에서는 가속도 센서만 이용, 추출한 MMG 신호로부터 조작자가 의도하는 힘의 정보를 추정할 수 있을 뿐만 아니라 상지운동에 관한 ACC 신호로부터 팔의 큰 움직임을 동시에 제어할 수 있다.
또한, 체표면의 가속도를 계측하고 있어 피부에 직접 장착할 필요는 없고, 조작자에게 스트레스 없이 전극장착의 소요시간도 줄일 수 있다.
4. 결론
여기서는 생체신호를 이용한 로봇의 인터페이스 기술에 대해 설명하고, 그 응용 예로 의수형 매니퓰레이터의 제어법에 대해 개설하였다. 인간이 기계제어를 하는 것을 전제로 하여 생각할 때 인간과 기계를 연결하는 인터페이스 기술은 대단히 중요하므로 인간의 능력을 초월한 보다 좋은 기술획득에는 먼저 인간을 깊이 알아야 할 것이다.
생체의 우수한 기능을 연구의 힌트로 생각하면 인간에게 있어서 진실로 사용하기 쉬운 인간 지원기기가 실현될 것으로 기대한다. 여기서는 하이퍼 휴먼 기술을 복지공학에 응용한 예로서 Tsuji 등의 연구를 소개 하였다.
5. 전문가 제언
사고나 질병으로 상하지가 절단된 장애인들은 정상적인 사회생활을 위해 의수족 등의 재활보조기구를 사용한다. 이러한 의수족은 현대 첨단제어 및 소재기술을 적용, 고성능?기능화를 갖추어 다양한 활동이 가능하다. 그러나 의수족과 절단부위 간의 인터페이스가 잘 이루어지지 않아 아직 고기능의 의수족이 잘 활용되지 못하고 있다.
일본의 Tsuji 등은 근전의수의 자연적인 제어와 안정된 동작식별을 실현할 목적으로 뉴럴 네트워크와 작업 모델을 이용한 새로운 EMG 신호동작 식별법을 제안하였다. 이 방법에 의해 뉴럴 네트워크만으로는 해결이 곤란했던 자세변화나 환경변화에 따른 EMG 패턴의 변동과 조작자의 조작편차에 대해 안정한 동작식별을 할 수가 있다.
미국에서는 두 근육의 근전도 신호를 이용, 잡기와 회전이 가능한 상지절단 장애인용의 Utah Arm을 개발하였다. 이 Arm의 특징은 첫째, 근전도 신호의 학습기능, 둘째, 진보된 비례제어에 의한 정밀제어, 셋째, 개인 근전도 신호로 자동조정, 넷째, 고용량 리튬이온 배터리 적용, 다섯째, 시각화된 근전도 신호로 피드백 제어 인터페이스 등이다.
우리나라는 동작회복 신기술 연구 센터를 중심으로 최근 6년 간 매년 약 7억원 규모의 지원을 받아 연구를 수행하고 있다. 이 연구 센터는 동작기능의 회복기술개발을 위해 국내외 의료공학과 의학 전문가 및 우수기관과 기업체가 참여하여 첨단 핵심기술을 연구개발하고 산업화함으로써 새로운 차세대형 기술집약적 사업을 추진해가고 있다.
자료 : 한국과학기술정보연구원 전문연구위원 이순요(9826@reseat.re.kr)
사진출처 : www.bsys.hiroshima-u.ac.jp, www.cyberhand.org
