시선과 시각을 활용한 적응형 등지지 외골격 제어

초록

본 논문은 착용형 시선 추적 안경과 전방 시점을 이용해 물체를 실시간으로 인식하고, 이를 기반으로 상태 전이와 가변 임피던스 제어를 결합한 등지지 외골격 제어 방식을 제안한다. 15명의 피험자를 대상으로 외골격 미착용, 시각 비활성화, 시각 활성화 세 조건에서 수행한 실험 결과, 시각‑게이트가 적용된 제어가 물리적 피로감 감소, 작업 흐름 향상, 신뢰도 및 착용감 개선에 유의미한 효과를 보였다.

상세 분석

이 연구는 산업 현장에서 물체를 들어올리는 작업 시 사용자의 허리 부담을 감소시키기 위해, 기존의 근전도(EMG)·관성계측(IMU) 기반 부하 추정 방식의 한계를 보완하고자 시선 기반 시각 정보를 제어 루프에 직접 통합하였다. 시스템은 크게 네 부분으로 구성된다. 첫째, 착용형 안경에 장착된 RGB 카메라와 눈동자 추적 센서를 통해 실시간으로 영상 프레임과 시선 좌표를 수집한다. 수집된 영상은 경량화된 YOLOv9 모델에 입력되어 ‘Grasped’와 ‘Not Grasped’ 라벨을 가진 바운딩 박스를 출력한다. 시선 좌표가 ‘Grasped’ 박스 내부에 일정 시간 이상 머무르면 ‘vision gate = 1’이 활성화되고, 반대로 ‘Not Grasped’ 박스에 머무르면 비활성화된다. 이러한 이진 게이트는 순간적인 시선 흔들림을 필터링하기 위해 시간 창(N_on, N_off)과 체류 비율(ρ_on, ρ_off) 기반의 슬라이딩 평균을 적용한다.

둘째, 시각 게이트 신호는 유한 상태 기계(FSM)와 연계된다. FSM은 사용자의 자세(서기, 굽히기)와 시선 기반 물체 상태를 기준으로 네 단계(stand‑no‑box, bend‑to‑pick, stand‑with‑box, bend‑to‑place)로 전이한다. 각 상태 전이 시점에서 토크 보조량 τ_ref_ass는 사용자의 몸통 토크와 물체 토크의 가중합으로 정의되며, 물체 토크는 vision gate가 1일 때만 포함된다.

셋째, 토크 생성은 가변 임피던스(Admittance) 제어기로 구현된다. 물리 모델링을 통해 허리 각도 θ_w와 그 속도·가속도를 측정하고, 가상 관성(M), 감쇠(C), 강성(K) 파라미터를 이용해 τ_meas + τ_ass = M·θ̈_w + C·θ̇_w + K·(θ_w − θ_ref) 형태의 방정식을 만족하도록 한다. 사용자가 느린 동작을 보이면 K를 0으로 설정해 ‘Soft’ 모드(백드리븐 느낌)를 제공하고, 빠른 동작 시에는 최소 강성 K_min과 목표 감쇠비 ζ를 적용해 ‘Hard’ 모드로 전환한다. 전환 과정은 smoothstep 함수를 이용해 연속적으로 이루어져 급격한 토크 변화가 없도록 설계되었다.

넷째, 제어 시스템은 센서리스 구조를 채택해 토크 센서 없이 모터 전류를 통해 τ_meas를 추정한다. 이는 하드웨어 복잡성을 낮추면서도 충분한 제어 성능을 확보한다는 장점이 있다.

실험에서는 15명의 건강한 피험자를 대상으로 3가지 조건(외골격 미착용, 외골격·시각 비활성화, 외골격·시각 활성화)에서 동일한 물체 들어올리기 작업을 수행하게 하였다. 객관적 지표로는 허리 각도 변화, 보조 토크 발생 시점·크기, 작업 시간 등을 기록했으며, 주관적 평가는 NASA‑TLX 물리적 요구도, 작업 흐름, 신뢰도, 착용감 설문지를 사용했다. 결과는 시각‑게이트가 적용된 조건에서 보조 토크가 물체를 잡는 순간보다 약 200 ms 앞서 발생하고, 최대 토크가 15 % 정도 증가함을 보여준다. 주관적 평가에서도 물리적 요구도가 평균 1.8점 감소하고, 흐름·신뢰도·편안함 점수가 각각 0.9~1.2점 상승하였다. 통계적 검증(p < 0.05)으로도 유의미한 차이가 확인되었다.

이러한 결과는 시선 기반 시각 정보가 사용자의 의도를 사전에 파악함으로써 보조 토크의 타이밍을 최적화하고, 작업 중 불필요한 방해를 최소화한다는 점을 입증한다. 또한, 기존의 EMG·IMU 기반 부하 추정 방식과 달리 외부 환경 정보를 직접 활용함으로써 제어 로직을 보다 직관적이고 확장 가능하게 만든다. 다만, 현재 시스템은 조명 변화와 물체 색상에 민감한 YOLO 모델에 의존하고 있어 복잡한 현장 환경에서 인식 정확도가 저하될 가능성이 있다. 또한, 시선 추적 장비의 착용감과 배터리 수명도 실사용 단계에서 고려해야 할 요소이다. 향후 연구에서는 멀티모달 센서 융합(깊이 카메라·라이다 등)과 적응형 학습을 통해 인식 강인성을 높이고, 장시간 작업에 적합한 경량화된 시선 추적 하드웨어 개발이 필요하다.