구매/데모문의

연구 및 임상 성과

연구성과 | IEEE Access 2025.11 2025-12-03 Bilateral Thigh Data Fusion in Convolutional Neural Networks and the Optimal Input Set for Gait Phase Prediction of Walking Along Curved Paths

 

Author: Hyeokjae Jang, Juseouk Yun, Kimoon Nam, Giuk Lee, Woochul Nam

Journal: IEEE Access

Published date: 2025.11

Link: https://ieeexplore.ieee.org/document/11231328

 

이 논문은 웨어러블 로봇이 카메라 없이도 곡선 경로에서 사용자의 보행 단계(Gait Phase)를 정확히 예측하는 방법을 제안합니다. 연구진은 일상 보행의 약 40%가 곡선이라는 점에 착안하여, 양쪽 허벅지의 IMU 센서 데이터를 융합하는 딥러닝(CNN) 모델을 개발했습니다. 실험 결과, 웨어러블 로봇에 쓰이는 저사양 칩(MCU) 환경에서는 앞뒤 움직임(θ)과 회전 움직임(θ) 데이터만을 사용하여 초기 융합(Early Fusion)하는 방식이 연산 속도와 예측 정확도 면에서 가장 효율적인 것으로 나타났습니다. 이는 시각 센서 없이도 로봇이 굽은 길을 인지하고 실시간으로 보행을 보조할 수 있음을 입증한 것입니다.

 

Funding Info.

- The National Research Foundation of Korea(NRF) grant funded by the Korea government(MSIT)(RS-2025-02214162)

- The Institute of Civil-Military Technology Cooperation funded by the Defense Acquisition Program Administration and Ministry of Trade,Industry and Energy of Korean government under grant (No. 9991008623, 23-SF-RO-10)

- The Chung-Ang University Graduate Research Scholarship in 2024. (Corresponding authors: G. Lee and W. Nam)