실시간 로봇 보조 인체공학 최적화

초록

본 논문은 RGB‑D 카메라와 IMU 센서를 활용해 작업자의 관절 각도를 실시간으로 측정하고, RULA 기반 인체공학 점수를 계산한다. 6가지 비인체공학 원인을 자동으로 감지한 뒤, 협동 로봇이 작업물의 위치·자세를 조정해 사용자의 자세를 최적 상태로 복귀시키는 프로토콜을 제안한다. 실험 결과, 제안 시스템이 기존 작업 대비 인체공학 점수를 유의미하게 향상시킴을 확인하였다.

상세 분석

이 연구는 인간‑로봇 협업(HRI) 분야에서 장기적인 작업자 건강을 고려한 드문 접근법을 제시한다. 기존 HRI 안전 연구가 충돌 회피와 즉각적인 위험 방지에 초점을 맞춘 반면, 저자는 작업자의 근골격계 부담을 실시간으로 모니터링하고 이를 최소화하는 메커니즘을 설계하였다. 핵심 기술은 두 가지 센서 융합이다. Kinect‑V2 기반 RGB‑D 카메라는 15개의 관절 좌표를 제공해 상완·전완·손목의 주요 각도를 추출하고, BNO055 IMU 2개는 손목 굴곡·비틀림을 보완한다. 이러한 데이터는 ROS 환경에서 RULA(빠른 상지 평가) 점수로 변환되며, 144개의 가능한 자세 상태를 6개의 대표 원인(상완 전·후·외전, 전완 전·후·횡단, 손목 굴곡·비틀림)으로 축소한다.

알고리즘은 각 원인에 대응하는 로봇 동작을 미리 정의한다. 예를 들어, 상완이 전방으로 20° 이상 기울면 작업물을 아래쪽·앞쪽으로 이동시켜 팔이 자연스러운 수직 자세를 유지하도록 한다. 전완이 90°에서 벗어나면 작업물의 높이와 거리 조정을 통해 목표 각도(90°)로 복귀시킨다. 이러한 변환식은 실제 팔 길이(a)를 실시간으로 측정해 개인별 보정이 가능하도록 설계되었으며, 임계값(10°)을 두어 작은 흔들림에 대한 과잉 반응을 방지한다.

실험 설계는 기존 RULA 매뉴얼을 기반으로 한 정량적 평가와, 로봇 보조 전·후의 인체공학 점수 변화를 비교한다. 결과는 평균 RULA 점수가 2점 이상 감소했으며, 특히 상완·전완의 비대칭이 크게 완화되었다는 점에서 제안 시스템의 효과를 입증한다. 그러나 몇 가지 한계도 존재한다. 첫째, Kinect의 관절 추적 정확도가 사용자의 급격한 움직임이나 조명 변화에 민감해 실시간 안정성이 떨어질 수 있다. 둘째, 현재는 작업물의 위치만 조정하고 있어 복잡한 다자유도 작업(예: 조립 라인)에는 적용이 제한적이다. 셋째, 6가지 원인 외에 손목·팔꿈치·척추의 복합적인 비인체공학 상황을 다루지 못한다는 점이다. 향후 연구에서는 고정밀 딥러닝 기반 포즈 추정, 다중 로봇 협조, 그리고 작업자 피드백을 통한 적응형 학습을 도입해 시스템의 범용성과 견고성을 높일 필요가 있다.

전반적으로 이 논문은 실시간 인체공학 모니터링과 로봇 보조를 결합한 최초의 통합 프레임워크를 제공하며, 산업 현장에서 작업자의 장기적인 건강 관리와 생산성 향상을 동시에 추구할 수 있는 실용적인 길을 제시한다.