본 논문은 착용형 외골격 로봇의 개인 맞춤형 보행 제어를 위한 새로운 방법을 제시합니다. 기존의 표준화된 보행 방식이 환자에게 불편함이나 부상을 초래할 수 있다는 문제점을 해결하기 위해, 개인의 보행 특징을 정확하게 인식하는 데 초점을 맞추었습니다. 이를 위해 공간 영역에서는 다중 스케일 전역 밀집 그래프 합성곱 신경망(GCN)을 사용하여 잠재적인 관절 시너지 패턴을 식별하고, 시간 영역에서는 보행의 주기적 특성을 효과적으로 포착하는 보행 비선형 주기 동역학 학습 모듈을 제안합니다. 구축한 종합적인 보행 데이터셋을 사용한 실험 결과, 제안된 방법은 94.34%의 정확도를 달성하여 기존 최고 성능(SOTA)보다 3.77% 향상된 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
개인 맞춤형 외골격 로봇 제어를 위한 새로운 접근 방식 제시.
◦
다중 스케일 GCN과 보행 비선형 주기 동역학 학습 모듈을 통한 개인 보행 특징 정확하게 인식.
◦
94.34%의 높은 정확도 달성 및 기존 SOTA 성능 능가.
◦
착용형 외골격 로봇 기반 재활 치료의 효율성 및 개인화 향상에 기여.
•
한계점:
◦
제안된 방법의 일반화 성능에 대한 추가적인 검증 필요. (다양한 환경, 대상자, 외골격 로봇 등)
