인공신경망과 근전도를 이용한 관절 강성 예측 = Predicting the Multi-Joint Stiffness by Utilizing EMG and ANN

다국어 초록 (Multilingual Abstract)

Unlike robotic systems, humans excel at a variety of tasks by utilizing their intrinsic impedance, force sensation, and tactile contact clues. By examining human strategy in arm impedance control, we may be able to teach robotic manipulators human’s superior motor skills in contact tasks. This paper develops a novel method for estimating and predicting the human joint impedance using the electromyogram(EMG) signals and limb position measurements. The EMG signal is the summation of MUAPs (motor unit action potentials). Determination of the relationship between the EMG signals and joint stiffness is difficult, due to irregularities and uncertainties of the EMG signals. In this research, an artificial neural network(ANN) model was developed to model the relation between the EMG and joint stiffness. The proposed method estimates and predicts the multi joint stiffness without complex calculation and specialized apparatus. The feasibility of the developed model was confirmed by experiments and simulations.

국문 초록 (Abstract)

로봇에 비해 인간은 임피던스 조절을 통해서 다양한 접촉 작업을 능숙히 수행할 수 있는 능력을 가지고 있다. 따라서 인간이 임피던스를 조절하는 방법을 로봇이 학습 한다면 인간과 같은 능숙한 접촉 작업을 수행 할 수 있다. 본 논문에서는 인간의 임피던스를 로봇에게 학습 시키기 위한 첫번째 단계로 인간이 일상적인 작업 중에 근전도와 관절 각도 정보로부터 관절의 강성을 예측하는 방법을 제안한다. 근전도와 관절의 강성을 파악하는 함수로는 인공신경망을 사용하였다. 인공신경망은 비선형적인 패턴 인식 기능을 가지고 있기 때문에 복잡한 계산 없이 근전도와 관절의 강성과의 관계를 파악 할 수 있다. 제안된 방법의 타당성 검증을 위해서 인공신경망을 이용하여 예측한 강성과 계산을 통해 구한 강성을 비교 분석 하였다.