신기술 정보

절단 사고를 당한 환자를 위한 의수 및 의족 관련 기

술은 나날이 발전하고 있으나, 강도 및 정확도 향상과

같은 성과들이 의수 및 의족의 사용성 개선으로 바로 연

결되지는 않고 있다. 절단 환자들에게는 매우 기초적인

수준의 조작만이 허용되고 있는 것이 현실인데, E′cole

polytechnique fe′de′rale de Lausanne(EPFL)의 연구

진들은 전통적인 수동 제어를 대체할 인공 지능 기술을

개발함으로써 이 문제의 해결을 위한 토대를 마련하였

다.

팔꿈치 윗부분이 절단된 환자가 스마트 의수를 조작

하고 있는 상황을 상상해 보자. 팔에 남아 있는 근육에

장착된 센서로부터 신호를 수집하여 의수를 들어 올리

고 집어들 물건이 있는 테이블에 올려놓는 정도의 동작

은 매우 손쉽게 구현이 가능할 것이다. 하지만 이후 단

계의 작업은 구현이 쉽지 않다. 손가락을 조작하기 위한

근육과 인대들은 절단되어 사라졌고 사용자가 어떤 방

식으로 손가락을 구부리고 펴는 것을 원하는지 상세하

게 감지하는 것부터가 어려운 일이다. 만약, 이를 단순

히 ‘집다’, ‘놓는다’의 두 가지 정형화된 동작으로 구현한

다면 이는 실제 손이 수행할 수 있는 섬세한 작업과 관

련된 많은 양의 정보를 유실하게 되는 것이다.

EPFL의 연구진은 우리의 손이 자연스럽게 특정한 물

체를 최적의 방식으로 움켜쥘 수 있다는 것, 그리고 이

러한 동작이 우리의 인지 없이 이루어진다는 것에 착안

을 하였다. 로보틱스 연구자들은 오랜 기간 동안 특정

물체를 쥐기 위한 최적의 그립 방식을 찾아내는 연구를

수행해 왔으며 이는 우리의 손의 작동 방식 그 자체라고

할 수 있을 것이다. 이 연구에서 의수 사용자들은 의수

를 착용하지 않은 상태에서 특정 물체를 다양한 방식으

로 다루고 집어 드는 시도를 반복하였고 연구진은 그들

의 근육에서 측정된 신호를 이용하여 기계 학습 알고리

즘을 학습시켰다. 이를 통하여 스마트 의수는 의수 사용

자가 어떤 방식으로 물건을 집고 싶은지 파악할 수 있게

되었고 물체와 의수의 접촉 면적을 관측, 최대화하여 물

체를 잡는 최적의 방식을 실시간으로 구현해낼 수 있게

되었다. 또한 물체가 의수에서 미끄러지는 순간 약 0.5

전통적 제어 기술과

기계 학습이 접목된

인공 팔의 기술 개발

동향

이 상 훈

계명대학교 기계자동차공학부 교수

12 ● 기계저널

초 안에 움켜쥐는 방식을 빠르게 변경하여 물건

을 떨어뜨리는 것을 방지하는 기능도 구현이 되

었다.

결과적으로 이 의수는 사용자의 의지에 따라

얼마든지 오랜 시간 동안 물체를 가볍게, 혹은

세게 쥐고 있을 수 있다. 더 이상 물건을 들고 있

을 필요가 없을 때 사용자는 물건을 내려놓는 시

도를 하게 되고 의수는 사용자의 근육에서 이 신

호를 감지하여 동작을 수행한다. 이 연구는 과거

Microsoft사의 Imagine Cup에 출품되었던 학

생들의 연구를 연상시킨다. 이 연구에서는 손바

닥에 카메라를 장착시켜 놓고 카메라 영상으로

부터 물체를 인식, 물체를 잡는 방식을 적절히

찾아내는 시도를 하였다.

이 연구는 여전히 시험 단계의 연구라고 할 수

있으며 구현된 알고리즘에 최적화된 소프트웨

어나, 특정 스마트 의수와 결합하여 이루어지진

않았다. 본 연구의 결과는 타 업체에서 개발된

스마트 의수를 대상으로 시험되었고 이 연구를

통하여 토대를 확립한 공유 제어(shared

control) 기술은 다음 세대의 스마트 의수, 의족

을 위한 중요한 기초 기술이 될 것으로 기대된

다. 연구진의 논문은 Nature Machine

Intelligence지에 게재되었다.

그림 1 기계 학습으로 사용자의 의사를 보다 명확히

파악하여 다양한 방식의 그립을 가능하게 하는

새로운 스마트 의수 시연 장면(Credit: E′cole

polytechnique fe′de′rale de Lausanne)

출처 : [TechCrunch]

1) 원문출처 :

https://techcrunch.com/2019/09/13/this-

prosthetic-arm-combines-manual-control-

with-machine-learning/

2) 관련 논문 :

K. Z. Zhuang et al., Shared human–robot

proportional control of a dexterous myoelectric

prosthesis, Nature Machine Intelligence, 1 (2019)

400–411.

이상훈 : shlee1222@kmu.ac.kr

2019. 11., Vol. 59, No. 11 ● 13