Energy expenditure (EE) is a key physiological metric with broad demand across various fields. However, direct and indirect measurement methods suffer from clear limitations in cost and usability, limiting their applicability in daily life monitoring. To address these limitations, EE has been estimated using various sensors or simple estimation models, yet these approaches remain constrained by a trade-off between accuracy and practicality. As an alternative, biomechanics-based approaches leveraging mechanical information and biomechanical principles have been explored, but their practical application is still limited due to the restricted mechanical information obtainable from wearable devices. In this study, I aim to estimate and evaluate EE during gait (both walking and running) using data obtainable from a limited number of wearable sensors. I quantitatively examine whether the whole-body mechanics required for mechanics-based EE estimation can be reduced to segment level representations, and demonstrate that segmental mechanics can effectively represent whole-body mechanics and EE during gait. Furthermore, to better capture running-specific mechanics arising from fundamental differences between walking and running, I propose a Spring-Loaded Inverted Pendulum (SLIP) based mechanical model that more realistically reproduces running-specific mechanics. Biomechanical insights derived from this model are incorporated into a machine-learning framework to enable the estimation of lower-limb mechanics during running using wearable sensor data. Finally, the EE estimation framework validated for walking is integrated with the proposed running lower-limb mechanics estimation method and extended to running, allowing EE during running to be estimated from wearable sensors. The proposed biomechanics-informed framework enables EE estimation for gait using a minimal wearable configuration consisting of a single Inertial Measurement Unit. This study demonstrates the validity and extensibility of the proposed approach and highlights the importance of biomechanical insight in wearable-based EE estimation, with potential applicability to more advanced wearable sensing and a broader range of human movements beyond gait.

에너지소비량은 수많은 분야에서 수요가 존재하는 정보이지만, 직접적 또는 간접적 측정 방법의 비용적, 편의성 측면에서의 분명한 한계가 있어 일상생활에서의 측정이나 일반적인 사용자를 위한 보급에는 적합하지 않다. 이러한 한계를 극복하기 위해 다양한 생체 신호 센서를 사용하거나 간단한 통계식을 활용해 에너지소비량을 추정하기도 하지만 이러한 방법들 역시 정확도와 편의성 간의 상충관계가 걸림돌로 작용하며, 대안으로 운동역학 정보와 생체역학적 배경지식을 통한 에너지소비량 추정 방법이 연구되고 있다. 그러나 운동역학 정보를 통한 에너지소비량 추정 역시 웨어러블 기기를 통해 얻을 수 있는 운동역학 정보의 제한으로 인해 실제에의 적용은 무리이다. 본 연구에서는, 제한된 수의 웨어러블 장비로부터 얻을 수 있는 데이터를 이용해 걷기와 달리기 시의 에너지소비량을 추정하고 그 성능을 평가하고자 한다. 이를 위해 운동역학 정보 기반 에너지소비량 추정 시 요구되는 전신의 역학 정보가 분절 단위로 축소될 수 있을지 정량적으로 검증하고, 이를 직접적인 추정에 적용함으로써 걷기와 달리기 시 신체 분절의 역학 정보가 전신의 역학 정보 및 대사에너지 소비를 대표할 수 있음을 보인다. 또한 걷기와 달리기 간의 차이점에서 기인하는 달리기만의 역학 특성을 보다 실제와 유사하게 재현할 수 있는 역진자모델 기반 동역학모델을 제안하고, 모델로부터 얻은 생체역학적 배경 지식을 기계학습에 반영하여 달리기 시 하지 역학 정보를 웨어러블 기기를 활용하여 추정할 수 있는 방법을 제안한다. 최종적으로는 걷기에서 입증한 에너지소비량 추정 접근법을 제안된 달리기 시 하지 역학 정보 추정 기법과 통합하여 달리기로 확장 적용함으로써, 달리기 시의 에너지소비량을 웨어러블 센서로부터 추정한다. 제안하는 방법은 생체역학적인 배경 지식을 밑바탕으로 하여 최소한의 웨어러블 센서인 단일 관성센서로부터 걷기와 달리기의 에너지소비량 추정을 가능케 한다. 이를 통해 제안하는 접근법의 유효성과 폭넓은 확장 가능성을 보였으며 생체역학적 배경 지식의 중요성을 제고시켰다. 본 연구의 접근법이 웨어러블 기기가 제공하는 데이터의 고도화 및 보행 이외 인체 동작에서의 에너지소비량 추정에도 확장 적용될 수 있을 것으로 기대된다.