표면근전도 신호를 이용한 손가락들의 텐던 힘 추정 연구

Abstract

최근 로봇 의수 개별 손가락의 동시적이고 비례적인 제어를 위해 표면근전도를 이용하여 각 손가락의 개별 움직임을 추정하는 모델들이 제안되었다. 절단 환자의 특성상 실제 손가락의 움직임 정보를 제공할 수 없으므로, 이러한 모델들은 반자율적 방법으로서 출력 샘플 없이 만들어진다. 이 모델들은 여러 손가락을 동시에 움직일 때는 추정 성능이 좋지 않았는데, 이는 반자율적 방법을 위해 한번에 한 손가락이 움직일 때의 데이터만 가지고 모델을 만들 수 있기 때문이다. 일상 생활의 많은 동작들은 동시에 손가락을 움직이는 동작들이 많으므로, 여러 손가락이 동시에 활성 될 때 데이터도 모델링 시에 포함되어야 한다. 본 학위 논문에서는 기존 반자율적 방법들이 사용할 수 없었던 이런 동시활성 데이터를 사용할 수 있는 모델을 제안한다. 제안된 모델(Nonnegative Matrix Factorization with Hadamard Product, NMF-HP)은 기존 비음수 행렬 분해를 이용한 모델(Nonnegative Matrix Factorization, NMF)에 하다마드 곱을 적용하였다. 하다마드 곱을 적용함으로써 NMF-HP는 NMF대비 두 가지 장점을 갖게 되는데, 첫째로, 동시활성 데이터를 훈련 데이터로 사용할 수 있고, 둘째로, 각 손가락끼리의 간섭을 줄여 개별 손가락의 독립성을 높일 수 있었다. NMF-HP의 성능을 평가하기 위해 기존 모델들인 NMF, CSP (Common Spatial Pattern), LR(Linear Regression)과 두 가지 테스트를 통해 비교 검증하였다. 모델의 정확도를 RMSE로 측정하는 첫 번째 테스트에서는 제안한 NMF-HP가 기존 반자율적 방법들인 NMF와 CSP보다 좋은 성능을 보였고, 지시적 방법인 LR보다는 낮은 성능을 보였다. 반면 실제 의수 사용을 반영한, 각 손가락의 추정된 텐던 힘을 가지고 사람이 실시간 제어를 통해 주어진 타겟에 직접 도달하는 두 번째 테스트에서는 제안한 NMF-HP가 다른 모든 모델들보다 좋은 성능을 보였다. 따라서 기존 모델들이 갖지 못했던 NMF-HP가 갖는 성질인 동시활성 데이터 사용 및 각 손가락 간의 독립성 향상이 실제 의수를 사용하는 상황에서의 성능 향상으로 이어짐을 확인할 수 있었다. 모델링 에러 RMSE와 실시간 성능간에 연관성이 적은 이런 현상을 설명하기 위해, 본 논문에서는 추정된 손가락 값 간의 독립율이라는 새로운 지표를 제안하고 검증하였다. RMSE 또는 독립율과 두 번째 테스트의 실시간 성능 사이의 상관관계를 구하여, RMSE보다는 독립율이 두 번째 테스트의 성능과 훨씬 큰 상관관계를 갖는 다는 것을 보였다. 곧, 독립율이 실시간 성능을 훈련 데이터에서 평가할 수 있는 중요 지표라는 것을 확인하였다.