부분적으로 관측된 근전도 신호를 이용한 다관절 움직임 예측을 위한 생리학적 제약 근골격 신경망

핵심 요약

• 무엇을 · 이 연구는 일부 근육의 표면 근전도(sEMG) 신호만 관측될 때, 여러 관절의 움직임(관절 각도)을 예측하는 새로운 근골격 신경망(MSK-NN) 모델을 제안합니다. 이 모델은 측정된 근육뿐만 아니라 측정되지 않은 근육의 활동까지 동시에 추론합니다.
• 어떻게 · MSK-NN은 CNN 기반의 근육 활성화 예측기와 근골격 동역학 모듈을 결합한 완전히 미분 가능한 구조입니다. 관절 움직임 손실, 데이터 기반 근육 시너지 손실, 해부학적 경향 손실을 포함하는 복합적인 물리-생리 손실 함수를 사용하여 훈련됩니다. 기존의 하이브리드 신경망과 달리 근육-힘줄 힘이나 관절 토크와 같은 내부 생체역학적 변수에 대한 직접적인 감독 없이 훈련됩니다.
• 결과 · 제안된 방법은 두 개의 자유도를 가진 손목 움직임 예측 실험에서 CNN, Bi-LSTM, CNN-LSTM, PET과 같은 기존 모델보다 낮은 정규화된 제곱근 평균 제곱 오차(NRMSE)와 높은 결정 계수(R2)를 달성했습니다. 특히 무작위 움직임에서 더 우수한 성능을 보였습니다. 또한, 최적화된 MSK 매개변수가 생리학적 한계 내에 있었고, 입력에서 제외된 근육의 추정된 활성화가 실제 기록된 sEMG 신호와 강한 시간적 일치를 보여 생리학적으로 타당한 활성화를 복원할 수 있음을 입증했습니다.

왜 중요한가

기존에는 모든 관련 근육의 신호를 측정하기 어렵거나 불가능한 경우가 많았습니다. 이 연구는 부분적인 정보만으로도 정확한 관절 움직임을 예측하고, 측정되지 않은 근육의 활동까지 추론함으로써 실제 적용 가능성을 크게 높였습니다. 또한, 생체역학적 변수에 대한 직접적인 레이블 없이 훈련될 수 있어 데이터 수집의 어려움을 줄였습니다.

실생활·산업 영향

이 기술은 의수나 의족과 같은 보조 장치 제어, 재활 치료, 스포츠 과학 분야에서 인체의 움직임을 더 정확하게 이해하고 제어하는 데 활용될 수 있습니다. 특히, 센서 부착이 어려운 상황에서도 정교한 움직임 예측이 가능해져 사용자 편의성을 높일 수 있습니다.

한계·주의

초록에는 명시적인 한계점이 언급되어 있지 않지만, 두 개의 자유도를 가진 손목 움직임에 대한 평가만 이루어졌으므로 더 복잡한 다관절 움직임에 대한 일반화 가능성은 추가 연구가 필요할 수 있습니다. 또한, '부분적으로 관측된' 근육의 정의와 그 범위에 대한 구체적인 설명은 부족합니다.