딥러닝 기반 외골격 로봇 제어: 스파스티시티 극복의 새로운 지평

딥러닝 기반 적응형 토크 제어기를 이용한 외골격 로봇 제어 기술이 스파스티시티 환자의 움직임 관리에 획기적인 성과를 거두었습니다. 최대 토크 및 RMS 감소를 통해 안전성과 편안함을 향상시켰으며, 향후 임상 적용이 기대됩니다.

뇌성마비, 유전성 경련성 하반신 마비, 척수 손상, 뇌졸중과 같은 질환으로 인한 스파스티시티(근육의 과긴장 및 경직)는 환자의 움직임을 심각하게 제한하는 주요 원인입니다. 기존의 치료법으로는 스파스티시티를 효과적으로 관리하는 데 어려움이 있었으며, 특히 수정된 애슈워스 척도(Modified Ashworth Scale) ${1^+}$ 이상의 스파스티시티를 가진 환자에게는 웨어러블 로봇의 사용이 권장되지 않았습니다.

하지만, 최근 Andrés Chavarrías, David Rodriguez-Cianca, Pablo Lanillos 연구팀은 딥러닝 강화학습(Reinforcement Learning) 기반의 혁신적인 적응형 토크 제어기를 개발하여 이러한 문제에 새로운 해결책을 제시했습니다. 이 제어기는 무릎 외골격에 적용되어 스파스티시티 환자의 관절 움직임을 지원하며, 작업 수행 및 상호 작용 힘 감소에 중점을 두고 있습니다.

연구팀은 근골격계-외골격 시스템과 미분 가능한 스파스티시티 반사 모델을 포함하는 디지털 트윈을 개발하여 다양한 스파스티시티 수준을 가진 환자를 위한 제어기 학습을 가능하게 했습니다. 시뮬레이션 결과, 이 제어기는 기존의 컴플라이언트 제어기에 비해 최대 토크를 평균 10.6% 감소시키고, 안정화 시간까지의 RMS(root mean square)를 8.9% 감소시키는 놀라운 성능을 보였습니다.

이는 스파스티시티 환자의 안전성과 움직임의 편안함을 크게 향상시킬 수 있는 획기적인 결과입니다. 이 연구는 딥러닝 기반의 적응형 제어 기술이 스파스티시티 관리에 혁신적인 가능성을 열었음을 보여줍니다. 향후 실제 환자를 대상으로 한 임상 시험을 통해 이 기술의 효용성을 더욱 검증하고, 더욱 발전된 스파스티시티 관리 시스템 개발로 이어질 것으로 기대됩니다.

핵심 내용:

• 문제: 기존 기술로는 높은 수준의 스파스티시티 환자의 효과적인 관리 어려움
• 해결책: 딥러닝 기반 적응형 토크 제어기를 이용한 외골격 로봇 제어
• 성과: 최대 토크 10.6% 감소, 안정화 시간까지의 RMS 8.9% 감소
• 기술: 근골격계-외골격 시스템과 미분 가능한 스파스티시티 반사 모델을 포함하는 디지털 트윈 활용