본 논문은 뇌성마비, 유전성 경직성 하반신 마비, 척수 손상 및 뇌졸중 환자에게서 흔히 나타나는 운동 장애 증상인 경직증을 치료하기 위한 웨어러블 로봇의 사용에 관한 연구입니다. 기존에는 수정된 애슈워스 척도(Modified Ashworth Scale)에서 1+ 이상의 경직도를 가진 환자에게 웨어러블 로봇 사용을 권장하지 않았으나, 본 연구에서는 심층 강화 학습(deep reinforcement learning, RL)을 기반으로 한 새로운 적응형 토크 제어기를 제시합니다. 이 제어기는 무릎 엑소스켈레톤에 적용되어 과제 수행 및 상호 작용 힘 감소를 고려하며, 관절 정렬 불량과 미분 가능한 경직 반사 모델을 포함하는 디지털 트윈을 이용하여 RL 에이전트를 훈련시켰습니다. 시뮬레이션 결과, 다양한 경직도 수준을 가진 개인에 대해 엑소스켈레톤을 제어하고, 기존의 컴플라이언트 제어기에 비해 최대 토크를 평균 10.6% 감소시키고, 안정 시간까지의 제곱근 평균을 8.9% 감소시키는 것을 확인했습니다.
