|
기존의 인간 동작 분석에는 광학 기반 동작 추적 시스템(모션 캡처)이 주로 사용됐다. 그러나 이는 고가의 장비, 넓은 공간, 복잡한 설치 환경이 요구돼 활용에 제약이 따랐다. 또한 카메라의 시야가 가려지면 정확한 측정이 어려워 실제 현장 적용에서도 한계가 있었다.
공동연구팀은 이러한 문제를 해결하기 위해 관성 측정 장치를 활용, 새로운 동작 추정 알고리즘을 개발했다. ‘활동 인식 정보’를 기반으로 동작 예측의 정확도를 향상시키는 행동 제약 기반 인공지능 알고리즘을 제시한 것이다.
연구팀은 두 개의 센서를 가슴과 손목에 부착한 상태로 헬스 트레이닝, 산업 작업 등 다양한 환경에서 실험을 진행했다. 그 결과 기존 딥러닝 기반 모델과 상용 솔루션 대비 오차를 60% 이상 줄이는 데 성공했다.
김대겸 교수는 “사람은 특정 활동 내에서 반복적이고 유사한 패턴을 보인다”며 “이러한 패턴을 인공지능 모델에 적용함으로써 장시간 분석 시 발생하는 오차 누적 문제를 크게 줄일 수 있었다”고 했다.
연구팀 관계자는 “본 연구 성과는 실제 환경에서도 손쉽게 적용 가능한 동작 인식 기술의 가능성을 보여줬으며, 웨어러블 헬스케어, 작업 현장 모니터링, 가상현실 캐릭터 구동 등 폭넓은 분야에서 활용될 수 있을 것”이라고 기대했다.
이번 연구는 미국 국립과학재단, 매사추세츠 기술 협의회, 공동 연구개발 매칭 지원사업 등의 지원을 받아 수행했으며, 미국 하버드대 코너 월시(Conor J. Walsh) 교수 연구팀과의 공동 연구로 진행했다.
