Research on creating a controller that controls movement by modeling human behavior has continued. In particular, recently, research has been conducted in a wide range of fields, such as biomechanics, animation, and robots, such as research for pure dynamics simulation of musculoskeletal models, research to make character movements natural by replicating human behavior, and research to create controllers for bipedal robots. . However, it is still difficult to obtain a controller that can control not only one motion of a specific person, but also multiple motions. In particular, gait is one of the most common exercises by humans, but even for one person, it is difficult to obtain a controller that can reproduce gait according to various speeds of a specific person because the gait motion changes depending on the walking speed. If a personalized controller that can reproduce all gait according to a specific person's situation is obtained, biomechanical applications such as injury simulation according to walking speed or the ground environment, and animation such as virtual reality implementation using gait reproduction that captures the characteristics of a specific person field applications can be made.
The purpose of this study is to develop a gait controller that can reflect the subject's characteristics and generate gait motions not only at measured gait speeds but also gait motions at unmeasured gait speeds when there is gait data of a specific person at multiple speeds. It is developed through artificial intelligence techniques. A generative adversarial neural network and reinforcement learning were used to reflect individual characteristics in the gait controller, and a meta-learning technique was used to quickly generate a gait controller for a new subject. The target walking speed information was set as one of the inputs of the gait controller to allow walking at various speeds. To confirm the performance of the learned gait controller, the kinematic data of the created motion and the kinematic data of the measured motion were compared. In addition, a classifier was learned through supervised learning in order to check whether the personalized gait controller was learned, and the result was checked whether the motions generated according to each subject were classified using the learned neural network.
사람을 디지털 세계로 복제하여 예측하거나 분석하려는 디지털 트윈 기술 중 하나로, 사람의 행동을 모델링하여 움직임을 제어하는 컨트롤러를 만드는 연구는 지속되어 왔다. 특히 최근에는 근골격 모델의 순동역학 시뮬레이션을 위한 컨트롤러 개발, 사람의 행동을 복제하여 캐릭터의 움직임을 자연스럽게 만드는 연구 및 이족보행 로봇의 컨트롤러 개발 등 생체역학, 애니메이션 및 로봇 등 넓은 분야에서 연구되어 왔다. 하지만 특정인의 하나의 모션뿐만 아니라 여러 모션을 제어할 수 있는 컨트롤러를 얻는 것은 여전히 어려운 문제이다. 특히 보행은 사람이 가장 많이 하는 운동 중의 하나이지만, 한 사람의 경우에도 보행 속도에 따라서 보행 형상이 달라지기 때문에 특정인의 여러 속도에 따른 보행을 재현할 수 있는 컨트롤러를 얻는 것은 어려운 일이다. 만약 특정인의 상황에 따른 모든 보행을 재현할 수 있는 개인 맞춤형 컨트롤러를 얻게 된다면, 보행 속도 또는 지면 환경에 따른 부상 시뮬레이션 등의 생체역학적 응용과 특정인의 특징을 담아내는 보행 재현을 이용한 가상 현실 구현 등 애니메이션 분야의 응용이 이루어질 수 있다.
이 연구의 목적은 특정인의 여러 속도의 보행 데이터가 있을 때, 피험자 특성을 반영할 수 있고 측정한 보행 속도에서의 보행 동작뿐만 아니라 측정하지 않은 보행 속도에서의 보행 동작을 생성할 수 있는 보행 컨트롤러를 인공지능 기법을 통해 개발하는 것이다. 개인의 특성을 보행 컨트롤러에 반영하기 위해 생성적 적대 신경망과 강화학습이 쓰였고, 새로운 피험자에 대한 보행 컨트롤러를 빠르게 생성하기 위해 메타 학습 기법이 쓰였다. 여러 속도에서 보행할 수 있도록 목표 보행속도의 정보를 보행 컨트롤러의 입력 중 하나로 설정하였다. 학습된 보행 컨트롤러의 성능을 확인하기 위하여 만들어낸 모션의 운동학적 데이터와 측정된 모션의 운동학적 데이터가 비교되었다. 또한, 개인 맞춤형 보행 컨트롤러가 학습되었는지 확인하기 위하여 지도학습을 통한 분류기를 학습하였고, 학습된 신경망을 이용하여 피험자에 따라서 각각 생성된 모션들이 구분되는지 결과를 확인하였다.
