AI 기반 외골격 다리, 자율 보행 학습

로봇공학 연구자들이 정교한 인공지능(AI) 기술을 사용하여 스스로 걸음을 내딛는 외골격 다리를 개발하고 있습니다. 자기 제어 다리는 언젠가 노약자와 신체 장애인의 움직임을 지원할 수 있을 것입니다.

워털루 대학교 연구자들이 구축하고 테스트한 이 시스템은 컴퓨터 비전과 딥러닝 AI를 결합하여 인간 같은 보행을 모방합니다. 환경 주변의 샘플 산책 모음에서 '학습'하여 감지한 주변 환경에 따라 움직임을 조정합니다.

"로봇 외골격에 비전을 주어 스스로 제어할 수 있게 합니다."라고 시스템 디자인 공학 박사 후보이자 워털루 대학교 연구 프로젝트 ExoNet을 이끄는 브로코슬라프 라슈코프스키(Brokoslaw Laschowski)는 말합니다.

인공지능으로 지원되는 ExoNet 시스템은 팀이 수집한 훈련 데이터에서 학습합니다. 가슴에 착용형 카메라를 장착하고(위 이미지 참조), 라슈코프스키와 동료 연구자들은 실내 및 실외 환경 비디오를 촬영했습니다.

AI 컴퓨터 소프트웨어가 비디오 피드를 처리하여 계단, 문, 주변 환경의 기타 특징을 정확하게 인식합니다.

이 성과는 Frontiers in Robotics and AI 저널에 자세히 실렸습니다. (이 자율 외골격 프로젝트와 관련된 연구 데이터셋 탐색.)

관련 프로젝트 시리즈의 최신 논문인 IEEE Transactions on Medical Robotics and Bionics에 실린 에너지 재생을 위한 로봇 외골격 및 의수의 앉기-서기 생체역학 시뮬레이션도 있습니다.

모터 구동 외골격 다리는 이전에도 설계되었지만, 착용자는 거의 항상 조이스틱이나 스마트폰 애플리케이션으로 움직임을 제어해야 했습니다.

"그건 불편하고 인지적으로 요구가 높습니다."라고 라슈코프스키는 말합니다. "새로운 이동 활동을 수행할 때마다 멈추고 스마트폰을 꺼내 원하는 모드를 선택해야 합니다."

워털루 대학교의 접근법은 AI와 컴퓨터 비전 기능 덕분에 더 자동화된 제어를 제공합니다.

ExoNet 연구 프로젝트의 다음 단계는 로봇 외골격이 사용자의 현재 움직임과 다가올 지형 분석을 기반으로 계단 오르기, 장애물 피하기, 기타 적절한 행동을 취할 수 있도록 모터에 지시를 보내는 것입니다.

또한 연구자들은 인간의 움직임을 이용해 배터리를 자가 충전함으로써 로봇 외골격 모터의 에너지 효율을 개선하는 작업도 하고 있습니다.

"우리의 제어 접근법은 인간의 생각을 반드시 요구하지 않습니다."라고 라슈코프스키는 말합니다. 그는 캐나다 생체메카트로닉 시스템 역학 연구 의장인 존 맥피(John McPhee) 공학 교수의 감독을 받으며 모션 연구 그룹 연구실에서 일합니다. "자율주행차가 스스로 운전하는 것과 비슷하게, 우리는 스스로 걷는 자율 외골격을 설계하고 있습니다."

인터뷰: 안전성 확보 및 응용 비전

Tech Briefs: 안전성을 어떻게 보장하나요? 외골격이 위험한 행동을 하면 사용자가 제어권을 가질 수 있나요? ADAS와 완전 자율주행차의 비유입니다. 사용자가 속도와 정지, 출발을 어떻게 제어하나요? 그런 제어가 사용자와 어떻게 인터페이스하나요?

브로코슬라프 라슈코프스키: 안전이 최우선입니다. 이 로봇 장치들은 노약자와 신체 장애인(뇌졸중, 척수 손상, 뇌성마비, 골관절염 등)을 돕도록 설계되었습니다. 외골격이 잘못된 결정을 내려 넘어지거나 다치게 할 수는 없습니다. 따라서 우리는 외골격이 보행 환경을 실시간으로 자율적으로 감지하고 반응할 수 있게 하는 환경 인식 시스템을 개발하여 분류 정확도와 제어를 개선하는 데 전적으로 집중하고 있습니다. 컴퓨터와 착용형 프로토타입으로 '건강한' 대조군과 함께 시스템 성능을 최적화한 후 임상 테스트를 진행할 것입니다. 그러나 외골격 사용자는 항상 수동 제어를 넘겨받을 수 있습니다(예: 정지 및 조향).

Tech Briefs: 이런 외골격의 응용 사례를 설명해주세요. 어디서 가장 가치가 있을까요?

브로코슬라프 라슈코프스키: 이 로봇 장치들은 노약자와 신체 장애인의 이동 활동을 돕도록 설계되었습니다. 우리 환경 적응형 자동 제어 시스템의 응용 예는 다양한 이동 활동 간 전환입니다. 상용 외골격에서 평지 걷기에서 계단 오르기로 전환할 때, 사용자는 계단에 접근해 멈추고 모바일 인터페이스, 버튼, 기타 손 제어(장치에 따라 다름)를 사용해 의도한 활동을 외골격에 수동으로 전달합니다.

반면 자율 제어 시스템에서는 사용자가 경사진 계단에 접근하면, 탑재된 관성 측정 장치(IMU) 같은 센서가 사용자의 현재 움직임을 지속적으로 감지하고 분류하며, 착용형 카메라 시스템이 다가올 지형을 감지하고 분류합니다. 이러한 다양한 센서 기술과 패턴 인식 알고리즘의 융합은 사용자의 이동 의도를 예측하고 외골격을 제어하는 데 사용됩니다.

Tech Briefs: 외골격이 인간의 생각 없이 작동하도록 어떻게 '훈련'되나요?

브로코슬라프 라슈코프스키: 우리는 환경 분류를 위해 컴퓨터 비전과 딥러닝을 사용합니다. 수백만 실제 이미지를 사용하여 컨볼루션 신경망이 이미지에 표시된 다양한 보행 환경을 예측하도록 자동으로 효율적으로 훈련됩니다. 이 보행 환경 정보는 이후 최적 경로 계획, 장애물 회피, 다양한 이동 활동 간 전환(평지 걷기에서 계단 오르기 등) 측면에서 로봇 외골격을 제어하는 데 사용됩니다.

Tech Briefs: 이 외골격의 다음 단계는 무엇인가요? 지금 무엇에 집중하고 있나요?

브로코슬라프 라슈코프스키: 안전 중요한 관점에서, 이 AI 기반 외골격 제어 시스템은 정확하고 실시간으로 수행되어야 합니다. 따라서 우리는 온보드 실시간 추론을 촉진하기 위해 최소한의 계산 및 메모리 저장 요구사항을 가진 신경망 아키텍처를 사용하면서 환경 분류 정확도 개선에 집중하고 있습니다.

여러분 생각은 어떠신가요? 질문과 의견을 공유해주세요.