고신축 대면적 다채널 어레이 EMG 센서 및 AI 기반 그래프 신경망 (Graph Neural Network. GNN) 모델 모식도

[헤럴드경제 도현정 기자]성균관대학교(총장 유지범) 연구팀이 장시간 착용해도 안정적으로 18가지 손동작을 구분할 수 있는 표면 근전도(sEMG) 센서와 인공지능(AI) 모델을 개발했다. 성균관대 측은 시간과 장소에 구애받지 않고 손동작을 인식할 수 있는 혁신적 기술이라 설명했다.

성균관대 신소재공학부의 김선국 교수, 소프트웨어학과 박호건 교수 공동연구팀은 최근 19가지 손동작을 정확하게 구분할 수 있는 AI모델과 고신축 어레이 형태의 EMG 센서를 통합한 동작 구분 시스템을 개발했다고 9일 전했다. 이번 연구에는 김선국 교수와 박호건 교수 외에도 재활의학과의 윤경재 교수, 김선국 교수 연구팀의 스리니바스 간들라 선임연구원 등이 공동교신저자로 참여했다. 신소재공학과 이혜윤 석사과정 학생, 김재성 석·박사통합과정 학생과 전기·전자·컴퓨터공학과 이소영 석사과정 학생, 인공지능학과 정희수 석사과정 학생이 제1저자로 참여했다. 한국연구재단, 성균관대 연구자 펠로우십 프로그램, 과학기술정보통신부 인공지능대학원사업의 지원을 받은 연구로, 결과는 지난달 국제 저널인 Npj flexible electronics 지에 실렸다.

표면 근전도 신호는 장애, 근육의 활성화 수준, 피로 및 신체의 움직임을 감지하거나 분석할 수 있는 신경 근육 활동의 측정 지표다. 근전도 신호는 의료보조기기나 인공 장치, 로봇 등을 제어하는 제어 신호로도 활용될 수 있다. 그러나 주로 실생활에서 사용하는 근전도 센서는 단일 양극으로 되어있어, 특정 근육과 관련된 특정 제스처만 인식할 수 있다는 단점이 있었다. 또 하이드로젤 소재를 주로 사용해 장시간 착용이 불가능하고 일회용이라는 단점도 있었다.

연구진은 폴리이미드 기반 유연 소재에 나노 두께의 금속을 증착한 필름을 제조하면서 단점을 해결했다. 목적에 맞게 x, y, z축 방향으로 높은 신축성을 보이는 자연형상기반 키리가미-서펜타인(Kirigami-Serpentine) 복합 구조를 디자인하고, IR와 UV 영역 대의 레이저 공정을 활용해 8채널의 대면적 어레이 타입의 표면 근전도 센서를 개발하였다. 이렇게 개발한 표면 근전도 센서는 블루투스로 무선통신이 가능한 모듈과 연결해 실시간으로 발생하는 신호를 소프트웨어로 전송할 수 있다. 이를 통해 한번에 8개의 채널에서 발생하는 표면 근전도 신호를 손쉽게 수집할 수 있게 됐다. 이 과정을 거쳐 구현한 센서 디바이스는 25회 이상 재사용이 가능하며, 72시간 동안 피부에 부착해도 인체 부작용 없이 성능을 유지할 수 있다.

이렇게 수집한 표면 근전도 신호는 인공지능(AI)기반 그래프 신경망(Graph Neural Network. GNN)을 통해서 분석됐다. 기존에는 근전도 신호를 수집하고 분석할 때 반복적인 동작이나 움직임이 매우 큰 동작을 취하면 잘못된 신호가 많이 발생할 수 있고, 해당 신호로 인해 근전도 신호를 분석하는데 많은 어려움이 있었다. 착용자에 따라서 수집되는 표적 근육 신호가 다르다는 문제도 있었다. 연구진은 이 같은 한계를 극복하기 위해 인공지능 모델 내부에 시·공간 레이어를 구분해 설계했다. 공간정보를 분석하는 레이어의 경우, 자기집중 기반 그래프 신경망을 구축했다. 이를 통해 인공지능모델을 훈련시킨 결과 18개의 정적/동적 동작을 약 95.9±2%의 평균 정확도로 구분할 수 있게 됐다. 동일한 센서로 각기 다른 성별과 체형을 가진 착용자에게서도 유의미하게 높은 결과를 얻어냈다. 이 센서를 72시간 동안 착용했을 때도 약 94.8±3% 이내의 높은 정확도를 유지하는 것을 확인했다. 연구진은 일반적으로 최대 24시간 동안 사용했을 때 정확도가 유지되는 현재의 하이드로젤 기반 센서 기술을 넘는 수준이라 강조했다.

김선국 교수는 “이번 연구는 청각장애 및 난청 환자들이 자주 사용하는 손 제스처나 시각적 의사소통을 할 수 있는 수화에도 적용될 수 있고, 최근 주목받고 있는 사물-인터넷-사람 모두가 연결되는 6G 만물 인터넷(IoE) 시대를 관통하는 주요한 기술이 될 것”이라 설명했다.