Recently, advanced solutions such as exoskeletons and prosthetic robots are getting great attention for the elderly and physically disabled to support or restore their mobility. Unfortunately, relaying information according to the user’s intention and volition (in terms of desired motor tasks) to drive, command, and control a machine is the weakest link in the chain of components that includes electronics, computing, actuators, mechanisms, and materials, all of which are adequate for the application. Despite loss of motor function, the elderly and physically disabled would still possess a central nervous system that can send motor commands to muscles. Therefore, neural signals can be used as a source to directly bridge the gap between the human and the machine. Among neural signals, surface electromyography (sEMG) is a noninvasive technique to measure superimposed action potentials of recruited motor units (MUs) for muscle contraction. Even though sEMG has been widely used to observe muscle contraction levels, it has been challenging to estimate limb joint force or motion that reflects control intents by sEMG for a machine. If a muscle is regarded as a mechanical system, sEMG could represent a system input and joint force or motion could be a system output. Therefore, system models are required to express the relationship between sEMG and limb motions.
This thesis proposes models to extract human movement intents by sEMG, and presents experimental results to validate the models. First, a non-negative muscle synergy matrix is proposed to estimate fluid wrist movements described as a universal joint by sEMG. The rationale behind this approach is that the central nervous system does not control individual muscles to manipulate the multiple degrees of freedom of the musculo-skeletal systems. The central nervous system combines the muscles into groups whose desired joint torques produce a variety of natural movement behavior by combining activations of the muscle groups. Second, extraction of neural drives to a muscle method is proposed that reflects the relative number of recruited MUs for muscle contraction among the entire MUs. Joint force is estimated using the extracted neural drives and a biomechanical model involving the mechanical behavior of a skeletal muscle. Lastly, an sEMG-based assistive computer interface was developed for individuals with a spinal cord injury. This interface was tested on an spinal cord injury patient and evaluated based on Fitts’ law.
최근 고령 및 장애 인구 증가에 따라, 이들의 퇴화되거나 상실된 운동능력을 보조할 수 있는 외골격 및 의수 로봇 등의 보조기계 개발이 큰 주목을 받고 있다. 보조기계 개발 기술 발전에 비해 인터페이스 기술 발전은 상대적으로 미흡했으며, 사람의 의지로 자연스럽게 기계를 조작할 수 있게 하는 인터페이스 기술은 보조기계를 사용해 노약자/장애인의 삶의 질을 향상시키는데 핵심 요소로 간주되고 있다. 노약자/장애인의 운동능력이 퇴화/상실되더라도 뇌의 운동 영역을 담당하는 기능은 저하되지 않는다는 점에서 생체신호의 활용은 인터페이스를 구현하는데 좋은 수단이 된다. 생체신호 중 표면근전도는 근육을 수축시키기 위해 뇌에서 발생된 운동명령 신호가 척추를 거쳐 근육에 도달해 발생되는 활동전위들이 중첩된 신호를 피부표면에 센서를 부착해 측정하는 방법이며, 여타의 생체신호 중 비침습적으로 신호 대 잡음비가 높다는 장점이 있다. 근육을 기계적 시스템으로 간주했을 때, 근전도가 시스템 입력신호라 하면 사람의 운동의지를 대변할 수 있는 근육의 힘 및 관절의 움직임은 시스템 출력으로써 근전도로부터 사람의 운동의지를 추정하기 위한 모델이 필요하다.
본 연구는 근전도를 측정해 사람의 운동의지를 해석할 수 있는 모델들을 제안하고 검증하는 것을 목표로 한다. 첫째, 근전도의 발현 원리를 기반으로 근수축에 동참하는 운동단위의 양을 대변하는 펄스신호를 추출하는 방법을 제안한다. 근육의 기계적 성질을 모사한 생체역학 모델을 이용해 추출된 펄스 신호로부터 관절 힘을 추정할 수 있음을 검증한다. 둘째, 유니버셜 조인트로 모사되는 손목의 부드러운 움직임 의도를 근전도 신호로부터 추정하기 위한 비음수근협동행렬을 제안한다. 이는 중추신경계가 다자유도의 근골격계를 제어하기 위해 개별적인 근육을 각각 제어하기 보다는 다수의 근육을 하나의 모듈로 구성하여 다수의 근육을 동시에 제어한다는 근협동모델을 알고리즘으로 구현한 것이며, 이 모델을 이용해 근전도로 손목의 부드러운 움직임 의도를 추정할 수 있음을 검증한다. 마지막으로 근전도 기반의 보조 컴퓨터 인터페이스를 개발했으며, 사지마비 환자에게 적용하여 Fitts’ law사용성 평가를 수행했다.
