Deep-learning-based Motion Recognition Using a Single Encoder for Hip Exoskeleton

Q: 이 논문에서 정의한 동작인식이란 무엇인가?

동작인식은 고관절 외골격 시스템에 내장된 단일 엔코더로부터 얻은 각도 및 각속도 데이터를 딥러닝 모델, 특히 합성곱 신경망(CNN)을 활용하여 사용자의 다양한 움직임(정지, 평지보행, 경사보행, 리프팅)을 실시간으로 정확하게 분류하는 기술을 의미한다. 이는 다중 센서 없이 시스템을 간소화하면서도 높은 정확도를 달성하는 것을 목표로 한다.

Q: 단일 엔코더 기반 딥러닝 동작인식 방법이 기존 방식보다 어떤 장점이 있는가?

연구 결과, 단일 엔코더 기반 딥러닝 동작인식 방법은 기존의 다중 센서 활용 방식 대비 센서 구성의 간소화와 시스템 경량화를 동시에 달성한다. 또한, 제안된 CNN 모델은 ANN 및 LSTM 모델보다 높은 98.76%의 분류 정확도를 보이며, 슬라이딩 원도우 최대 알고리즘을 통해 실시간 강건성을 확보한다.

서민호; 방병훈; 국동윤; 이성규; 최영만

doi:10.7736/JKSPE.025.019

추천

검색

질문

자료유형: 학술저널

저자정보: 서민호 (아주대학교) 방병훈 (아주대학교) 국동윤 (아주대학교) 이성규 (San Deigo State University) 최영만 (아주대학교)

저널정보: Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.42 No.8

발행연도: 2025.08

수록면: 589 - 594 (6page)

DOI: 10.7736/JKSPE.025.019

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Commercial exoskeletons currently utilize multiple sensors, including inertial measurement units, electromyography sensors, and torque/force sensors, to detect human motion. While these sensors improve motion recognition by leveraging their unique strengths, they can also lead to discomfort due to direct skin contact, added weight, and complex wiring. In this paper, we propose a simplified motion recognition method that relies solely on encoders embedded in the motors. Our approach aims to accurately classify various movements by learning their distinctive features through a deep learning model. Specifically, we employ a convolutional neural network algorithm optimized for motion classification. Experimental results show that our model can effectively differentiate between movements such as standing, lifting, level walking, and inclined walking, achieving a test accuracy of 98.76%. Additionally, by implementing a sliding window maximum algorithm that tracks three consecutive classifications, we achieved a real-time motion recognition accuracy of 97.48% with a response time of 0.25 seconds. This approach provides a cost-effective and simplified solution for lower limb motion recognition, with potential applications in rehabilitation-focused exoskeletons.

#Exoskeleton (외골격) #Motion recognition (동작인식) #Deep learning (딥러닝) #Convolutional neural network (합성곱 신경망)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-093837881

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)