Mechaomyography (MMG) is the muscle surface oscillations generated by the dimensional change of the contracting muscle fibers. Since MMG reflects the number of recruited motor units (MUs) and their firing rates as electromyography (EMG) does, it can be used to estimate the exerted force by skeletal muscles. The aim of this study was to demonstrate the feasibility of MMG for estimating elbow flexion force at the wrist under an isometric contraction using an artificial neural network (ANN). We performed experiments with five subjects, and force at the wrist and MMG from three contributing muscles were recorded. It was found that MMG can be utilized to accurately estimate isometric elbow flexion force based on the values of normalized root mean square error (NRMSE=0.127$\plusmn0.015$) and the cross-correlation coefficient (CORR = 0.903$\plusmn0.025$). The estimation performance of MMG was evaluated in comparison with that of EMG under the same experimental condition. These experimental results suggest that MMG has potential for estimating muscle force, and its possible applications include physical human-robot interaction (pHRI) such as external prosthesis and exoskeleton robots.
본 연구는 의수나 의족과 같은 물리적 인간 로봇 상호작용을 위해 근육 진동 신호를 이용하여 팔 굽힘 힘을 예측 하는 것에 관한 연구이며, 힘을 예측하는데 가장 많이 사용되는 생체신호인 근전도(Eletromyography)와 성능 비교를 통해 근육 진동신호(Mechanomyography)의 힘 예측 가능성에 대해서 살펴 보았다.
본 연구에서는 팔꿈치 굽힘 힘을 계산 하기 위해 인공 신경 회로망(Artificial neural network) 기법을 사용하였다. 이를 위해 근육 표면에서 팔꿈치 굽힘(Elbow flexion)을 관장하는 세 개의 근육에서 각각 근육 진동 신호와 근전도를 측정하였고, 신호처리 과정을 거친 후에, 절대평균값(MAV)와 제로 크로싱(ZC)의 두 가지 특징이 추출되었다. 구해진 특징 추출 값은 인공 신경망 회로의 입력으로 사용 되었고, 오프라인 (off -line) 훈련을 통해서 인공신경망 회로의 모델링이 완성되었다.
실험은 오프라인 훈련을 통해 얻어진 인공신경망 회로를 이용하여 다섯 명의 남성 피실험자를 대상으로 실시간 (real-time) 힘 예측 실험이 수행되었다. 실험은 훈련과정과 똑같은 힘 궤적(trajectory)에 따라 힘을 가하는 세션 1과 피실험자가 임의로 힘을 가하는 세션 2로 이루어져 있으며 근육 진동신호와 근전도를 이용하여 각 5회의 실험이 수행되었다. 근육진동신호를 통해 예측한 힘과 근전도를 통해 예측한 힘의 성능 비교를 통해서 근전도의 힘 예측 결과가 더 정확하지만, 근육 진동신호의 예측 결과 또한 작은 오차 범위 내에서 정확하게 힘이 예측 됨을 확인 할 수 있었다. 또한 세션 1과 세션 2의 힘 예측 결과 비교를 통해 인공 신경망 회로가 훈련되지 않은 힘 궤적에서도 유사한 성능을 가짐을 확인할 수 있었다.
본 연구로부터 근육 진동신호가 근육 힘을 정확하게 예측하는데 사용될 수 있다는 가능성을 증명할 수 있었다. 이와 같은 방식은 향후 의수, 의족과 같은 물리적 인간 로봇 상호작용의 힘 제어 사용될 수 있을 것으로 기대된다.
