The next generation machines are expected to have more close physical interactions with human, so it is important that the machine should sense human’s motion and intention for natural and safe interactions. While conventional sensors such as force transducer, vision-, and position-sensors have been widely used, these sensors have inherent delay. The advantage of using bio-signals is that using the signals which precede the movement can compensate the delay, but the research using bio-signals instead of these sensors has been in progress.
This thesis focuses on the possibility evaluation of a real-time motion prediction method using surface electromyography (sEMG) signals for a physical human-machine interaction (pHMI). A real-time motion prediction method was implemented by using sEMG signals from 5 channels and an artificial neural network (ANN) algorithm. Interaction experiments were performed with two elements: the existence of physical contacts and the post-processing of predicted motion data. The results showed that the machine can sense human movements from sEMG signals, and the reaction of the machine can be almost synchronous with the human. The results also represent that the performance of using sEMG were not better than the cases using position sensors but reasonable for pHMI. The post-processing did not affect significantly the performances of the interaction, but the manipulator movements became stable. The interaction using sEMG will be more natural with further studies on the theoretical model of the combined interface of a human and a machine.
인간과 밀접한 영역에서 생활을 보조하기 위해 여러 가지의 차세대 기계들이 연구 개발되고 있다. 기계가 인간의 동작을 인식하고 그에 맞게 반응해야 하기 때문에 인간의 동작과 의도를 파악하는 것은 인간-기계 상호작용에 중요한 연구 분야 중 하나이고, 최근에는 이를 위해 쓰이던 힘센서나 영상센서 대신 생체 신호를 통한 동작 예측에 대한 연구가 발표되고 있다. 그러나 관련 연구들은 오프라인 해석과 텔레매니퓰레이션 적용 등에 한정적이고, 동작 예측에 영향을 주는 요인에 대한 분석이 충분히 되어있지 않다.
본 연구에서는 인체의 5개 근육에서 추출한 표면 근전도 신호와 인체 각도계(Goniometer)에서 추출한 실제 동작 그리고 인공 신경회로망 기법을 이용해 실시간으로 상지부 동작을 예측하였다. 또한, 이러한 방법으로 예측된 동작이 기계와의 상호작용에 대한 제어 신호로 사용될 수 있는 지를 알아보기 위해 상호작용 실험을 진행하였다. 실험 결과를 봤을 때, 인체각도계를 쓰지 않고도 연구에서 제안한 방법으로 상호작용이 가능함을 알 수 있었다. 기계와 접촉한 상태보다 비접촉 상태에서의 상호작용이 더 원활하게 이루어 짐을 관찰하였다. 기계와 접촉한 상태에서는 피실험자가 제어 루프 안에 포함되게 되므로 예측 오차로 인한 기계의 궤적오차가 다시 피실험자의 움직임을 왜곡시키게 된다.
또한 표면 근전도 신호의 잡음성 때문에, 예측된 동작 데이터를 통해 움직이는 기계에 약한 진동이 수반되는 것을 관찰하였다. 예측된 데이터의 평활화 과정을 통해 추가실험을 진행하였으며, 평활화 과정을 거쳐 기계를 제어하였을 때 상호작용 오차는 감소하면서 기계의 반응을 안정적으로 만드는 효과를 보였다.
향후에는 3자유도 이상의 상지부 동작에 대한 예측을 수행하고, 본 연구의 실험에서 발견한 피실험자의 움직임 왜곡을 제거하기 위해 사용자와 기계시스템이 결합된 상태의 전체 시스템 모델링에 대한 연구를 진행할 것이다. 이를 통해 사용자의 표면 근전도 신호만을 이용하여 공장 작업과 일상 생활 등에서 인간을 보조할 수 있는 인간-기계 협업 인터페이스을 구현할 수 있을 것으로 기대한다.
