[논문]로봇 핸드 제어를 위한 센서 기반 손 동작 인식

황면중

doi:10.5762/kais.2014.15.9.5440

로봇 핸드 제어를 위한 센서 기반 손 동작 인식
Sensor-based Recognition of Human's Hand Motion for Control of a Robotic Hand 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.15 no.9, 2014년, pp.5440 - 5445

초록
AI-Helper

사람의 생체 신호를 측정하여 로봇 제어에 이용하는 연구는 최근까지 활발히 진행되고 있다. 하지만 정확한 센서 정보를 위한 복잡한 신호 처리가 필요하고 고가의 시스템을 필요로 하는 단점이 있다. 본 논문에서는 저가의 EMG 센서와 Flex 센서로부터 측정된 신호를 이용하여 사람의 손 동작을 인식한 후 해당 움직임을 원격지의 로봇 핸드로 구현하는 것을 목표로 한다. MCU(Micro Controller Unit) 와 해당 센서들을 이용하여 실험적으로 사람의 손과 팔 부근의 3개의 센서 부착 위치를 결정하고 움직임에 따른 출력 신호와 실제 동작 사이의 구분 방법을 결정한다. 동작 인식 정확도를 높이기 위해 MCU의 아날로그 기준 전압에 따른 디지털 값 변화 실험 수행 후 기준 전압을 3.3V로 선정하였다. 손 동작을 구현하기 위해 4개의 손가락과 손목부분으로 구성된 링크 구조의 로봇 핸드를 설계한 후 제작하였다. 결과적으로 간단한 센서와 저가의 MCU를 활용하여 원격지의 로봇 핸드를 제어할 수 있음을 보였다.

Abstract ▼ AI-Helper

Many studies have examined robot control using human bio signals but complicated signal processing and expensive hardware are necessary. This study proposes a method to recognize a human's hand motion using a low-cost EMG sensor and Flex sensor. The method to classify movement of the hand and finger is determined from the change in output voltage measured through MCU. The analog reference voltage is determined to be 3.3V to increase the resolution of movement identification through experiment. The robotic hand is designed to realize the identified movement. The hand has four fingers and a wrist that are controlled using pneumatic cylinders and a DC servo motor, respectively. The results show that the proposed simple method can realize human hand motion in a remote environment using the fabricated robotic hand.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 EMG 센서와 Flex 센서를 이용하여 사람의 손동작 인식 방법에 대한 연구를 수행하였다. 실험 적으로 근육의 정확한 EMG 센서 부착 위치를 선정하였고 동작 인식 정확도를 높이기 위해 MCU의 아날로그 기준 전압에 따른 디지털 값 변화를 확인 후 기준 전압을 3.
본 논문에서는 근전도를 측정할 수 있는 저가의 EMG 센서와 Flex 센서를 이용한 사람의 손 동작 인식 방법을 제안하고 이를 활용하여 간단하게 로봇 핸드를 제어할 수 있음을 보이고자 한다. 실험에 사용한 로봇 핸드는 사람의 손가락 동작과 유사한 개념으로 설계되었으며 DC servo motor 와 공압실린더에 의해 제어할 수 있도록 제작되었다.
센서를 통한 손 동작 인식 후 동일한 동작을 제어하기 위해 본 연구에서는 로봇 핸드를 설계 및 제작하였다. 로봇 핸드는 크게 손목 부분과 손가락 부분으로 나누어져 있으며 3차원 설계는 그림 10 과 같다.

제안 방법

3V로 선정하였다. 4개의 손가락으로 구성된 로봇 핸드를 설계하여 3차원 프린터로 제작하였으나 정밀한 부분에 대한 완성도가 높지 못해 아크릴판을 이용하여 자체 제작하였다. 로봇 핸드의 손가락 부분은 공압실린더, 손목 부분은 DC servo motor를 구동기로 선정하였고 손목과 손가락 부위에 센서를 부착한 후 사람의 손동작에 따라 로봇 핸드가 동일한 동작을 하도록 하였다.
로봇 핸드는 캔 정도 크기의 물건까지 집을 수 있도록 설계되었으며 실린더 크기 등을 고려한 실제 각 부위의 사이즈는 그림 11에 나타나 있다. 각 부품은 교내에 보유 중인 3차원 프린터를 이용하여 직접 제작하였다. 손가락 부분과 손가락 회전축 고정부 부분을 제작하였는데 그 결과물의 실제 사진이 그림 12에 나타나있다.
동일한 동작에 대한 각 근육의 정확한 센서 인식 가능 위치를 결정하기 위해 그림 6과 같은 세 가지 위치를 대상으로 센서들을 부착 후 손목 움직임에 따른 측정 전위 값의 변화를 실험하였다. 손목 운동에 따른 근전도 변화를 측정하기 위해 그림과 같이 총 3개의 전극을 부착하였다.
제작한 결과 그림 12의 원 부분에 표시된 것과 같이 축 구멍과 같은 정밀한 부분의 구현이 매끄럽지 못함을 알 수 있다. 따라서 본 논문에서는 그림 13과 같이 아크릴판을 사용하여 로봇 핸드를 제작하였다.
3V에 비해 전압 신호에 노이즈가 생기는 것을 알 수 있다. 따라서 본 연구에서는 3.3V를 아날로그 입력 기준 전압으로 설정하였다.
4개의 손가락으로 구성된 로봇 핸드를 설계하여 3차원 프린터로 제작하였으나 정밀한 부분에 대한 완성도가 높지 못해 아크릴판을 이용하여 자체 제작하였다. 로봇 핸드의 손가락 부분은 공압실린더, 손목 부분은 DC servo motor를 구동기로 선정하였고 손목과 손가락 부위에 센서를 부착한 후 사람의 손동작에 따라 로봇 핸드가 동일한 동작을 하도록 하였다.
정확한 손동작 인식을 위해서는 손목의 운동 여부와 손가락의 굽힘 여부를 인식할 수 있어야 한다. 손목 동작을 위한 근육의 활성화 여부를 측정하기 위해 노쪽 손목 굽힘근(FCR)과 자쪽 손목 폄근(FCL)에 센서를 부착하여 측정한다[7].
손가락의 동작은 공압실린더 두 개를 이용하여 제어하도록 한다. 손목의 구동기는 DC servo motor로 선정하였고 브라켓을 제작하여 매니퓰레이터와 같은 다른 기계시스템에 체결하여 사용할 수 있게 하였다.
본 논문에서는 EMG 센서와 Flex 센서를 이용하여 사람의 손동작 인식 방법에 대한 연구를 수행하였다. 실험 적으로 근육의 정확한 EMG 센서 부착 위치를 선정하였고 동작 인식 정확도를 높이기 위해 MCU의 아날로그 기준 전압에 따른 디지털 값 변화를 확인 후 기준 전압을 3.3V로 선정하였다. 4개의 손가락으로 구성된 로봇 핸드를 설계하여 3차원 프린터로 제작하였으나 정밀한 부분에 대한 완성도가 높지 못해 아크릴판을 이용하여 자체 제작하였다.

대상 데이터

그림 1과 같이 신호 증폭 후에 HPF와 LPF을 이용하여 잡음을 제거하는 것이 일반적이다. 본 논문에서는 그림 2와 같은 Advancer Technologies 사의 EMG 센서를 사용한다[5]. 이 센서의 특징은 자체 증폭 회로와 Smoothing filter 를 내장하고 있어 정제된 신호를 얻을 수 있다는 것이다.
본 연구에 사용한 MCU의 아날로그 입력 기준 전압은 5V이며 분해능은 10bit 이다. 따라서 입력 전압을 1024개로 분해할 수 있는 성능이며 약 0.
Flex 센서는 굽힘에 따라 저항이 변화되는 원리를 이용한 것으로 일정한 전원을 가해준 후 굽힘에 따른 전압의 변화로부터 손가락의 굽힘을 판단할 수 있다. 본 연구에서는 Spectrasymbol 사의 55mm Flex 센서를 사용하였다[8]. 해당 센서는 굽힘이 발생하지 않는 상태에서는 25㏀ 의 저항값을 가지고 굽힘 각도에 따라 저항값이 125㏀ 까지 증가하게 된다.
따라서 센서의 출력 신호를 바로 MCU(Micro Controller Unit) 의 ADC (Analog to Digital Converter)를 이용하여 제어에 활용할 수 있다. 본 연구에서는 그림 3과 같은 아두이노 우노(R3) 마이크로프로세서를 이용한다. 아두이노 우노의 기본 사양은 표 1에 나타나 있다.
본 논문에서는 근전도를 측정할 수 있는 저가의 EMG 센서와 Flex 센서를 이용한 사람의 손 동작 인식 방법을 제안하고 이를 활용하여 간단하게 로봇 핸드를 제어할 수 있음을 보이고자 한다. 실험에 사용한 로봇 핸드는 사람의 손가락 동작과 유사한 개념으로 설계되었으며 DC servo motor 와 공압실린더에 의해 제어할 수 있도록 제작되었다.

성능/효과

본 연구에 사용한 MCU의 아날로그 입력 기준 전압은 5V이며 분해능은 10bit 이다. 따라서 입력 전압을 1024개로 분해할 수 있는 성능이며 약 0.005 V의 최소 단위를 측정할 수 있다. 앞의 측정 실험에서 보면 손목 움직임 시 약 0.

후속연구

본 연구는 간단한 형태의 센서와 저가의 MCU를 활용하여 원격지의 로봇 핸드를 제어할 수 있음을 보였고 이러한 연구는 장애인 보조 로봇의 핸드 제어 또는 원격 작업이 필요한 환경에 응용 가능하다. 특히 제작된 로봇 핸드는 그 전체 질량이 800g 내외로 일반적인 소형 산업용 로봇의 가반하중 3kg 보다 작으므로 다양한 작업에 충분히 적용 가능하다.
추후에는 로봇 핸드의 경량화를 위한 설계 변경과 보다 정밀한 손가락 동작 인식을 위한 센서 연구를 진행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	생체 신호의 종류로 무엇이 있는가?	최근 사람의 몸에서 발생하는 생체 신호를 로봇 제어에 활용하는 연구가 활발히 진행 중이다[1-4]. 생체 신호 에는 심장의 전기적 활동인 심전도(ECG : Electro Cardio Gram), 눈의 전기적 활동인 안전도(EOG : Electro Oculo Gram), 두뇌의 전기적 활동인 뇌전도(EEG : Electro Encephalo Gram), 근육의 전기적 활동인 근전도(EMG : Electro Myo Gram) 등이 대표적이다. 이 중에서 근전도는 움직임에 따라 근육 표면으로부터 측정되는 전기적인 신호를 의미하며 이 신호를 활용하면 사람의 동작 의도를 파악할 수 있다.
	근전도 센서 구성에 증폭기가 포함되어 있는 이유는 무엇인가?	근전도 센서는 증폭기, High Pass Filter(HPF), Low Pass Filter(LPF)로 구성 되어있다. 근육의 수축에 의한 전위가 미세하기 때문에 신호를 증폭시킨다. 근육에서 나오는 신호의 범위는 10∼2,000Hz 이며 일반적인 신호의 주파수 범위는 20∼450Hz 이므로 나머지 주파수는 잡음 (noise)이다.
	근전도는 무엇인가?	생체 신호 에는 심장의 전기적 활동인 심전도(ECG : Electro Cardio Gram), 눈의 전기적 활동인 안전도(EOG : Electro Oculo Gram), 두뇌의 전기적 활동인 뇌전도(EEG : Electro Encephalo Gram), 근육의 전기적 활동인 근전도(EMG : Electro Myo Gram) 등이 대표적이다. 이 중에서 근전도는 움직임에 따라 근육 표면으로부터 측정되는 전기적인 신호를 의미하며 이 신호를 활용하면 사람의 동작 의도를 파악할 수 있다. 하지만, EMG 신호를 이용한 로봇 제어의 기존 대부분의 연구는 복잡한 형태의 신호 처리를 필요로 하고 정확한 예측을 위해 고가의 시스템을 사용 하는 단점이 있다.

참고문헌 (8)

D. C. Lee and Y Choi, "Motion and Force Estimation System of Human Fingers," Journal of Institute of Control, Robotics and Systems, vol. 17, no. 10, pp. 1014-1020, 2011. DOI: http://dx.doi.org/10.5302/J.ICROS.2011.17.10.1014

원문보기 상세보기
J. Lee, J. Kim, and J. Park, "Classification of Grip Configuration Using Surface EMG," Proc. of the 13th Int. Conf. on Control, Automation and Systems, pp. 173-176, Oct. 2013.
P. Artemiadis, "EMG-based Robot Control Interfaces: Past, Present and Future," Advances in Robotics & Automation, vol. 1, issue, 2, 2012.

상세보기
P. K. Artemiadis and K. J. Kyriakopoulos, "EMG-based Control of a Robot Arm Using Low-Dimensional Embeddings," IEEE Trans. on Robotics, vol. 26, no, 2, pp. 393-398, Apr. 2010. DOI: http://dx.doi.org/10.1109/TRO.2009.2039378

상세보기
http://www.advancertechnologies.com
http://arduino.cc/en/Main/ArduinoBoardUno
Y. H. Jeon, Y, S, Seo, and S. H. Park, Human Anatomy, pp. 96-102, Cheonggu, 2006.
https://www.sparkfun.com/datasheets/Sensors/ Flex/flex22.pdf

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