[Tech Note] 근전도 센서와 관성센서 사용, 제스처 인식으로 모바일 로봇을 제어하다

2018-08-06

편집부

테크 노트 제스처 인식 기반의 모바일 로봇 제어 시스템

기술 개요

제스처 인식 기반의 모바일 로봇 제어 시스템(경희대학교 김동한 교수)은 관성센서와 근전도 센서의 센서퓨전을 통해 사용자의 제스처 인식에 기반, 모바일 로봇을 제어하는 기술이다.

제스처 데이터를 토대로 2단계의 HMM(Hidden Mark off Model)을 적용하여 사용자의 제스처를 판별하고 모바일 로봇의 컨트롤이 가능하다.

① 근전도 신호의 측정
- 근전도 센서를 사용한 동작은 팔 안쪽의 근육 움직임에 따라서 구현할 수 있다.
- 근전도 센서의 전극을 팔 안쪽에 부착하여 손에 힘을 줌으로서 팔 근육의 근전도 신호를 측정한다.
② 관성 신호의 측정 및 로봇의 제어
- 측정된 극전도 신호의 평균 크기 기준으로 활성 모드와 비활성 모드로 구분하여 작동한다.

- 활성 모드 시에는 관성센서의 3축 데이터를 실시간으로 읽어 제스처에 따른 커맨드로 로봇을 제어한다.
- 비활성 모드시에는 로봇 제어 시스템이 근전도 센서로부터 3축 데이터를 받지 않으며 로봇이 정지하여 대기 상태로 진입하도록 제어한다.

기술적인 이슈

기존 로봇 제어 방법은 별도의 전용 장치를 이용하기 때문에 불편했다. 주위 환경에 영향을 많이 받아 성능의 저하가 발생하는 로봇 제어 방식은 성능이 일정한 제어 방식이 필요하다.

로봇의 특성상 정확한 동작이 요구되나, 정확성만을 목적으로 만들어지면 특정 상태에서는 과부하가 된다. 정확성과 시스템 보호 또는 사용자의 안전 등을 고려할 수 있는 기술이 필요한 이유이다.

차별성 및 특장점

관성센서와 근전도 센서의 센서퓨전을 이용하여 근육의 움직임에 따라 센싱 값의 측정이 가능하다. 관성센서를 이용해 측정한 값을 정류화 및 필터링을 거쳐서 입력 신호로 사용하기 때문에 안정적인 데이터를 획득할 수 있다. 제스처의 인식 반복 횟수가 늘어날수록 측정되는 평균 인식율이 80.55%에서 98.75%로 상승한다.

또한, 직관적인 제스처를 통한 사람과 로봇 간의 커뮤니케이션 가능하며 카메라를 통하지 않기 때문에 장소의 구애를 받지 않아 다양한 분야에 응용할 수 있다.

기술 완성도(TRL)

다양한 조건에서의 시스템 성능 평가로 인해 안정적인 시제품 제작이 가능하다.

응용분야

- 자동화 및 무인화 공정용 협동로봇: 사람의 개입이 필요한 작업에서 제스처를 통한 협동이 가능
- 생활용 및 휴머노이드 로봇 : 제스처와 같은 행동을 통해 동작의 제어

시장성

세계 로봇시장 규모는 2016년 310억 달러 수준에서 연평균 43.3% 씩 증가하여 2021년에는 1,877억 달러로 전망된다.
세계 로봇시장 규모는 노동인력의 대체, 고령화 대응, 산업 경쟁력 제고 등을 위한 각국의 적극적인 개발로 지속적 성장이 예상된다. 로봇 산업 내 협동로봇의 비중은 급격하게 증가하는 추세이며, 2025년에는 협동로봇의 규모가 전체 로봇의 37%를 점유할 것으로 보인다.