Recent commercialized prosthetic hands operate in classification way based on pattern recognition. This method has a limitation that uses only predefined motions, and in order to reflect users’ intention intuitively, study of simultaneous proportional control is necessary. For the preceding models for proportional control studied so far, force or position control has been applied only in the direction of bending the finger. However, there is a limitation in that it is difficult to maintain the shape of the hand of the prosthetic hand with a specific force in an accurate position, which causes a problem that it is difficult to hold objects with various stiffness and sizes as intended in real life. Therefore, unlike the current proportional control operation mechanism, which estimates only one-way bending motion, we propose a new form of intention estimation model based on two-way speed control to solve the problem. In this paper, we propose a convolutional constrained auto-encoder, which applies the form of a Constrained Auto-Encoder(CAEN) developed prior to the existing simultaneous proportional intention estimation model. To evaluate the performance of the proposed model, we conduct two experiments. The first is the comparison of Root Mean Square Error(RMSE) and Finger Independency Ratio(IR), which compare the intentional estimation results with the actual force to evaluate the accuracy of the estimation model. The second is a target arrival simulation experiment to confirm the applicability of the actual prosthetic hand. Both experiments show that the proposed model performs best on almost all indicators, and this shows that the proposed model can be used to control the force and movement of fingers with high accuracy in real-time prosthetic control.
최근 상용화된 의수의 경우 패턴 인식을 통한 분류기를 기반으로 제어하는 방식으로 동작한다. 이 방법은 사전 정의된 손 동작만을 구사한다는 한계가 있어 사용자 의도를 직관적으로 반영하기 위한 동시 비례 제어 연구가 필수적이다. 현재까지 연구된 비례 제어를 위한 선행 모델들의 경우 손가락을 굽히는 방향에서만 힘 또는 위치 제어를 적용했다. 하지만 정확한 위치에서 특정 힘으로 의수의 손 모양을 유지하기 어렵다는 한계가 있으며, 이는 실생활에서 다양한 강성과 크기를 갖는 물체를 의도한대로 잡기 어렵다는 문제를 일으킨다. 따라서 한 방향 굽힘 움직임만 추정하는 현재 비례제어 동작 메커니즘과는 다르게, 양방향 속도 제어를 기반으로 하는 새로운 형태의 의도 추정 모델을 제안하여 문제를 해결하고자 한다. 본 논문에서는 기존의 동시 비례적 의도 추정 모델로 선행 개발된 변형된 자기부호화기(Constrained Auto-encoder, CAEN)의 형태를 응용한 변형된 합성 곱 자기부호화기(Convolutional Constrained Auto-encoder)를 제안한다. 제안 모델의 성능을 평가하기 위해 두 가지 실험을 진행한다. 첫 번째는 추정 모델의 정확도를 평가하기 위해 의도 추정 결과와 실제 힘을 비교한 제곱근 평균 제곱 오차(Root Mean Square Error, RMSE)와 손가락 독립율(Independency ratio, IR) 비교이다. 두 번째는 실제 의수 적용 가능성을 확인하기 위한 타겟 도달 시뮬레이션 실험이다. 두 실험에서 제안 모델이 거의 대부분의 지표에서 가장 높은 성능을 보였으며 이는 제안 모델을 이용해 실시간 의수 제어에서 높은 정확도를 갖고 손가락의 힘과 움직임을 제어할 수 있음을 보여준다.
