본 논문은 착용형 로봇의 하지 보조를 위한 정확하고 적응적인 제어 시스템 개발에 초점을 맞추고 있다. 다양하고 역동적인 지형에서의 이동을 위해 5가지 지면 상태(평지, 경사로, 계단 등)를 분류하고, 경사로의 경사각과 계단의 높이를 예측하는 딥러닝 기반 모델을 제안한다. 공개 데이터셋 CAMARGO 2021을 사용하여 8가지 딥러닝 백본 모델을 비교 실험하였으며, IMU 센서만을 사용한 LSTM 모델이 높은 지면 분류 정확도(0.94 ± 0.04)와 경사로 경사각(1.95 ± 0.58°), 계단 높이(15.65 ± 7.40 mm) 추정 성능을 보였다. SHAP 분석을 통해 센서 감소에도 성능 저하가 없음을 확인하였으며, 약 2ms의 추론 시간으로 실시간 응용이 가능함을 보였다. 코드는 공개적으로 제공된다.
