[논문]근 부피 센서를 이용한 인체 팔꿈치 관절의 동작 토크 추정

이희돈; 임동환; 김완수; 한정수; 한창수; 안재용

doi:10.7736/kspe.2013.30.6.650

근 부피 센서를 이용한 인체 팔꿈치 관절의 동작 토크 추정
Torque Estimation of the Human Elbow Joint using the MVS (Muscle Volume Sensor) 원문보기

한국정밀공학회지 = Journal of the Korean Society for Precision Engineering, v.30 no.6, 2013년, pp.650 - 657

이희돈 (한양대학교 기계공학과) , 임동환 (한양대학교 기계공학과) , 김완수 (한양대학교 기계공학과) , 한정수 (한성대학교 기계시스템공학과) , 한창수 (한양대학교 기계공학과) , 안재용 (관동대학교 제일병원 정형외과)

Abstract ▼ AI-Helper

This study uses a muscle activation sensor and elbow joint model to develop an estimation algorithm for human elbow joint torque for use in a human-robot interface. A modular-type MVS (Muscle Volume Sensor) and calibration algorithm are developed to measure the muscle activation signal, which is represented through the normalization of the calibrated signal of the MVS. A Hill-type model is applied to the muscle activation signal and the kinematic model of the muscle can be used to estimate the joint torques. Experiments were performed to evaluate the performance of the proposed algorithm by isotonic contraction motion using the KIN-COM$^{(R)}$ equipment at 5, 10, and 15Nm. The algorithm and its feasibility for use as a human-robot interface are verified by comparing the joint load condition and the torque estimated by the algorithm.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 앞서 언급한 근육활성도 측정을 위한 센서들 중 활성화 시 근육의 부피가 팽창하 는 것을 측정하는 근 부피 센서(MVS: Muscle Volume Sensor)를 사용하여 HRI로 활용 가능한 사람의 동작의도를 추정하는 알고리즘 개발을 목적 으로 한다. 이를 위해서 MVS를 통해 측정된 근육의 부피 변화량을 근육활성도 신호로 변환하기 위한 교정(Calibration)을 수행하며, 이를 입력으로 하는 근육모델을 사용하여 사람의 팔꿈치 관절의 토크를 추정하는 방법에 대해서 제시하며 관절부하 실험을 통해 토크추정 성능을 분석하여 인간-로봇 인터페이스를 위한 센서로서의 효용성을 검증하고자 한다.
본 연구에서는 인간-로봇 인터페이스로 사용 가능한 인체 동작의도 획득을 목적으로 MVS를 사 용한 인체 관절토크 추정 알고리즘을 개발하였다. MVS로 측정한 신호로부터 근육활성도 신호를 획득하기 위하여 인체 기구학적 요인에 의해 팽창된 근육부피를 분리하는 교정 방법을 고안하였으며, 이를 정규화하여 근육모델의 입력으로 사용하였다.

가설 설정

06m의 미소한 변형이 발생한다. ³ 따라서, 본 논문에서는 SE 요소를 강체로 가정하고 CE와 PE 요소만을 사용하여 근육을 모델링 하였다(Fig. 5).
는 식 (4)와 같은 방법으로 계산이 가능하다. 여기에서 건의 길이 # 는 근육이 최대 근력 시 약 3%의 길이 변화를 가지기 때문에 상수로 가정한다. ¹¹ 근 육의 초기 길이 # 우모각 # 및 건의 길이 # 는 Holzbaur, K.

제안 방법

근육모델은 Hill’s 모델을 사용하여 근육을 모델링 하였다. ⁷ 근육모델로부터 biceps와 triceps의 수축력을 계산하고, 모멘트 암의 길이와 곱을 통하여 사람의 동작의도에 따른 관절토크를 추정한다.
본 연구에서는 인간-로봇 인터페이스로 사용 가능한 인체 동작의도 획득을 목적으로 MVS를 사 용한 인체 관절토크 추정 알고리즘을 개발하였다. MVS로 측정한 신호로부터 근육활성도 신호를 획득하기 위하여 인체 기구학적 요인에 의해 팽창된 근육부피를 분리하는 교정 방법을 고안하였으며, 이를 정규화하여 근육모델의 입력으로 사용하였다. 인체 근육모델에서는 근육활성도 신호와 기구학 모델로부터 계산된 근육의 길이를 입력으로 근육의 수축력을 계산하였으며, 이를 모멘트 암 길이와 곱을 통하여 팔꿈치 관절의 토크를 산출함으로써 근육부피변화 측정을 통한 인체 동작의도를 추정하였다.
MVS센서를 사용한 팔꿈치 관절의 동작의도 추정기법에 대한 검증을 위하여 Fig. 6과 같이 실 험환경을 구축하였다. 그림에서와 같이 피실험자 의복을 입은 상태에서 biceps부위에 MVS를 부착하고 biceps의 등장성 수축(isotonic contraction) 동작 시 팔꿈치 관절의 토크를 추정하는 실험을 수행하였다.
6과 같이 실 험환경을 구축하였다. 그림에서와 같이 피실험자 의복을 입은 상태에서 biceps부위에 MVS를 부착하고 biceps의 등장성 수축(isotonic contraction) 동작 시 팔꿈치 관절의 토크를 추정하는 실험을 수행하였다. 등장성 수축 실험 시 관절부하를 변경하며 인가하기 위하여 다관절 재활 장비인 KIN-COM 125AP® (Chattanooga Group, Inc.
동작의도 추정기법을 검증하기 위한 실험은 KIN-COM®을 사용하여 관절부하 조건을 변경하며 biceps 등장성 수축 동작에 대하여 실시하였다.
등장성 수축 실험 시 관절부하를 변경하며 인가하기 위하여 다관절 재활 장비인 KIN-COM 125AP® (Chattanooga Group, Inc., Hixson, TN)을 사용하여 5 Nm, 10 Nm, 15 Nm의 팔꿈치 관절 부하를 설정하였으며, biceps의 등장성 수축운동 동작범위 를 20° 에서 110° 까지 수행하도록 설정하였다.
앞서 설명한 것과 같이 본 연구에서는 팔꿈치 관절을 동작하는데 필요한 근육들 중 대표 근육인 biceps와 triceps을 모델링에 반영하였으며, 식(7)과 식(8)을 사용하여 근육활성도 (a(t)) 에 의한 근육의 수축력 (F^mt) 을 계산하였다. 또한 식(5)와 식(6)을 사용하여 현재 팔꿈치 관절 각도에 대한 근육의 모멘트 암 길이를 계산하였다.
본 논문에서는 앞서 언급한 근육활성도 측정을 위한 센서들 중 활성화 시 근육의 부피가 팽창하 는 것을 측정하는 근 부피 센서(MVS: Muscle Volume Sensor)를 사용하여 HRI로 활용 가능한 사람의 동작의도를 추정하는 알고리즘 개발을 목적 으로 한다. 이를 위해서 MVS를 통해 측정된 근육의 부피 변화량을 근육활성도 신호로 변환하기 위한 교정(Calibration)을 수행하며, 이를 입력으로 하는 근육모델을 사용하여 사람의 팔꿈치 관절의 토크를 추정하는 방법에 대해서 제시하며 관절부하 실험을 통해 토크추정 성능을 분석하여 인간-로봇 인터페이스를 위한 센서로서의 효용성을 검증하고자 한다.
MVS로 측정한 신호로부터 근육활성도 신호를 획득하기 위하여 인체 기구학적 요인에 의해 팽창된 근육부피를 분리하는 교정 방법을 고안하였으며, 이를 정규화하여 근육모델의 입력으로 사용하였다. 인체 근육모델에서는 근육활성도 신호와 기구학 모델로부터 계산된 근육의 길이를 입력으로 근육의 수축력을 계산하였으며, 이를 모멘트 암 길이와 곱을 통하여 팔꿈치 관절의 토크를 산출함으로써 근육부피변화 측정을 통한 인체 동작의도를 추정하였다. 동작의도 추정기법을 검증하기 위한 실험은 KIN-COM®을 사용하여 관절부하 조건을 변경하며 biceps 등장성 수축 동작에 대하여 실시하였다.
팔꿈치 관절토크 추정 실험에 앞서 MVS 신호 신부터 근육활성도 신호획득을 위한 교정을 수행 하였다. Fig.

대상 데이터

인체 고정부는 비탄성 (non-elastic)밴드와 탄성(elastic)밴드를 사용하여 인체에 부착이 가능하며, 근육의 부피 팽창 시 밴드가 늘어나도록 설계되어 있다. 측정부에서는 근육의 부피 변화에 따라 발생하는 비탄성 밴드의 길이 변화량을 측정하기 위하여 와이어와 엔코더를 사용하였다. MVS는 앞서 설명한 것과 같이 벨트의 길이 변화량을 측정하기 위하여 엔코더를 사용하기 때문에 노이즈에 대하여 매우 강인 특성을 가지며, 필터를 사용한 신호처리가 필요 없다.

데이터처리

7은 측정한 MVS 신호에서 인체 기구 학적 요인을 제거하기 위하여 교정 함수를 생성한 결과를 나타낸 것이다. 인체 무부하 동작 시 관절 각도와 근육부피 변화량을 측정하고, 이를 사용하여 Polynomial curve fitting을 사용하여 Polynomial coefficients 도출하였다.

이론/모형

MVS를 사용하여 인체 팔꿈치 관절의 동작의도를 예측하기 위하여 본 논문에서는 근육활성도 모델(muscle activation model), 팔꿈치 관절 모델 (elbow joint model) 및 근육모델(muscle model)을 사용한다. Fig.
근육모델은 Hill’s 모델을 사용하여 근육을 모델링 하였다.
본 연구에서는 근육활성도를 측정하기 위하여 MVS를 사용한다. MVS는 Fig.

성능/효과

실 험결과 관절의 부하가 5 Nm, 10 Nm, 15 Nm로 증가할수록 MVS 신호가 증가함을 볼 수 있으며, 교정 함수는 관절각도에 따른 함수로써 관절의 부하와 관계 없이 동일함을 볼 수 있다. 그 결과 MVS 신호에서 교정 함수 값을 제거한 근육활성도 신호는 부하가 증가할수록 증가됨을 볼 수 있다.
본 논문에서 제시한 MVS를 사용한 인체 동작 의도 추정 기법은 근육활성도 측정을 위하여 MVS 를 사용함으로써 의복 위에 부착하여 측정이 가능 고, 신호 외란에 대하여 강인하다는 특징을 가진 다. 또한, 인체의 관절토크를 추정하여 동작의도를 파악할 수 있기 때문에 인간-로봇 인터페이스로 활용이 가능하다.
8은 biceps 등장성 수축 실험 시 측정된 MVS 신호와 관절각도에 따른 교정 함수로 계산된 값, 교정된 근육활성도 신호를 나타낸 것이다. 실 험결과 관절의 부하가 5 Nm, 10 Nm, 15 Nm로 증가할수록 MVS 신호가 증가함을 볼 수 있으며, 교정 함수는 관절각도에 따른 함수로써 관절의 부하와 관계 없이 동일함을 볼 수 있다. 그 결과 MVS 신호에서 교정 함수 값을 제거한 근육활성도 신호는 부하가 증가할수록 증가됨을 볼 수 있다.
9는 이를 정규화한 결과를 나타낸 것이며, 피실험자의 최대 등척성 수축 상태에서 측정한 최 대 근육활성도가 1이 되도록 정규화 하였다. 실험 결과를 살펴보면 정규화된 근육활성도 신호는 관 절부하가 5 Nm 일 때 약 0.2, 10 Nm 일 때 약 0.4, 15 Nm 일 때 약 0.6 임을 확인할 수 있으며, 관절 부하를 5 Nm 증가할 때마다 근육활성도는 약 0.2 씩 증가하였다.
실험 결과를 확인해보면 관절부하 조건과 추정 한 관절토크의 평균값 사이에 약 1.3 Nm에서 4.8 Nm 정도의 토크 차이가 존재한다. 그 원인은 앞장에 설명된 팔꿈치 관절 모델에서 모멘트 암 길이 최대값을 실제 인체의 모멘트 암 길이의 최대값과 유사하도록 # 과 # 을 결정함에 따라 최대값을 가지는 팔꿈치 각도영역을 제외한, 초기시작 각도와 동작 종료 각도에 대하여 실제 인체의 모멘트 암 길이 보다 작게 모델링 되었기 때문에 모델에 의해 예측된 관절토크는 작게 계산되었다.
동작의도 추정기법을 검증하기 위한 실험은 KIN-COM®을 사용하여 관절부하 조건을 변경하며 biceps 등장성 수축 동작에 대하여 실시하였다. 실험결과 관절의 부하조건이 증가함에 따라 MVS를 통해 측정한 근육활성도가 일정하게 증가하였으며 또한, 알고리즘을 통해 추정한 팔꿈치 관절의 토크가 유사하게 증가함을 확인하였다.
11은 추정한 팔꿈치 관절토크의 평균값과 최대값을 나타낸 것이다. 팔꿈치 관절부하를 5 Nm, 10 Nm, 15 Nm로 증가시킴에 따라 추정한 관절토크의 평균값은 관절부하 조건 보다 작은 3.71 Nm, 6.54 Nm, 10.24 Nm이었으며, 최대값은 5.72 Nm, 10.28 Nm, 17.95 Nm으로써 관절부하 조건과 유사하였다.

후속연구

또한, 인체의 관절토크를 추정하여 동작의도를 파악할 수 있기 때문에 인간-로봇 인터페이스로 활용이 가능하다. 향후 MVS를 이용하여 획득한 동작의도신호의 신뢰성 평가를 위하여 다수의 피 시험자들을 대상으로 실험을 실시하여 평가할 계 획이며, 또한, 근력지원을 위한 외골격 로봇의 인간-로봇 인터페이스로 적용할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	HRI 기술을 위한 필수조건은 무엇인가?	HRI는 로봇의 제어 입력 또는 피드백을 목적으로 사람의 동작의도 (human motion intent)를 획득하는 기술로서 인간-로 봇 협업 작업에서 가장 중요한 요소이다. 이와 같 이 사람의 동작의도를 파악하는 HRI 기술을 이용 하여 인간-로봇 협업작업을 수행하기 위해서는 인 체 동작에 따른 관절의 각도 혹은 토크를 예측할 수 있어야 한다. 1 동작의도 파악을 위한 대표적인 방법으로는 근육의 활성도 측정을 통한 관절토크 예측 모델이 있으며, 관절토크 예측 모델로는 근 육모델 또는 신경망(neural network) 알고리즘을 사 용한 다양한 연구들이 이루어지고 있다.
	HRI란 무엇인가?	최근 로봇분야에서 인간-로봇 협업(human-robot cooperation)에 대한 관심이 높아짐에 따라 인간-로 봇 인터페이스(HRI: Human-Robot Interface)에 대한 연구가 활발히 진행되고 있다. HRI는 로봇의 제어 입력 또는 피드백을 목적으로 사람의 동작의도 (human motion intent)를 획득하는 기술로서 인간-로 봇 협업 작업에서 가장 중요한 요소이다. 이와 같 이 사람의 동작의도를 파악하는 HRI 기술을 이용 하여 인간-로봇 협업작업을 수행하기 위해서는 인 체 동작에 따른 관절의 각도 혹은 토크를 예측할 수 있어야 한다.
	EMG 센서가 불편한 것과 신호의 재현성이 낮은 단점을 보완하기 위한 방법은?	그러나 EMG 센서는 주파수 특성상 신호 수집 시 높은 주파수의 샘플링이 요 구되며 피부에 전극을 부착하기 때문에 착용이 불 편하며, 측정 환경에 따라 신호의 재현성이 낮다 는 단점을 가지고 있다. 이러한 단점들을 해결하 기 위하여 근육이 활성화될 때 발생하는 부피변화, 진동, 길이변화 등과 같은 물리적인 변화량을 측 정하기 위한 센서들에 대한 연구와 센서로부터 측 정한 근육활성도 신호를 사용하여 관절토크를 예 측하기 위한 알고리즘에 대한 연구들이 활발하게 진행되고 있다. 2,4-6

참고문헌 (14)

Sato, T., Nishida, Y., Ichikawa, J., Hatamura, Y., and Mizoguchi, H., "Active understanding of human intention by a robot through monitoring of human behavior," Proc. Of the IEEE/RSJ/GI International Conference on Intelligent Robots and systems, Vol. 1, pp. 405-414, 1994.
Han, H., Kwon, S., and Kim, J., "Optical muscle activation sensor for bionic applications," Journal of the Korean Society for Precision Engineering, Vol. 26, No. 7, pp. 15-21, 2009.
Fleischer, C. and Hommel, G., "A human-exoskeleton interface utilizing electromyography," IEEE Transactions on Robotics, Vol. 24, No. 4, pp. 872-882, 2008.

상세보기
Seo, A., Jang, H., Kim, W., Han, C., and Han, J., "Development and verification of a volume sensor for measuring human behavior," International Journal of Precision Engineering and Manufacturing, Vol. 13, No. 6, pp. 899-904, 2012.

원문보기 상세보기
Orizio, C., Diemont, B., Esposito, F., Alfonsi, E., Parrinello, G., Moglia, A., and Veicsteinas, A., "Surface mechanomyogram reflects the changes in the mechanical properties of muscle at fatigue," European Journal of Applied Physiology and Occupational Physiology, Vol. 80, No. 4, pp. 276-284, 1999.

상세보기
Moromugi, S., Koujinal, Y., Ariki, S., Okamoto, A., Tanaka, T., Feng, M. Q., and Ishimatsu, T., "Muscle stiffness sensor to control an assistance device for the disabled," Artificial Life and Robotics, Vol. 8, No. 1, pp. 42-45, 2004.

상세보기
Epstein, M. and Herzog, W., "Theoretical models of skeletal muscle: biological and mathematical considerations," Wiley, pp. 26-63, 1998.
Cavallaro, E. E., Rosen, J., Perry, J. C., and Burns, S., "Real-time myoprocessors for a neural controlled powered exoskeleton arm," IEEE Transations on Biomedical Engineering, Vol. 53, No. 11, pp. 2387-2395, 2006.

상세보기
Venture, G., Yamane, K., and Nakamura, Y., "Identifying musculo-tendon parameters of human body based on the musculo-skeletal dynamics computation and Hill-Stroeve muscle model," Proceedings of 2005 5th IEEE-RAS International Conference on Humanoid Robots, Tsukuba, Japan, pp. 351-356, 2005.
Nam, Y. S., "Estimation of Muscle-tendon Model Parameters Based on Numeric Optimization," Journal of the Korean Society for Precision Engineering, Vol. 26, No. 6, pp. 122-130, 2009.
Garner, B. A. and Pandy, M. G., "Estimation of musculotendon properties in the human upper limb," Annals of Biomedical Engineering, Vol. 31, No. 2, pp. 207-220, 2003.

상세보기
Holzbaur, K. R. S., Murray, W. M., and Delp, S. L., "A model of the upper extremity for simulating musculoskeletal surgery and analyzing neuromuscular control," Annals of Biomedical Engineering, Vol. 33, No. 6, pp. 829-840, 2005.

상세보기
Pigeon, P., Yahia, L. H., and Feldman, A. G., "Moment arms and lengths of human upper limb muscles as functions of joint angles," Journal of biomechanics, Vol. 29, No. 10, pp. 1365-1370, 1996.

상세보기
Buchanan, T. S., Lloyd, D. G., Manal, K., and Besier, T. F., "Neuromusculoskeletal modeling: estimation of muscle forces and joint moments and movements from measurements of neural command," Journal of applied biomechanics, vol. 20, No. 4, pp. 367-395, 2004.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증