부산대학교 도서관

Gait phase estimation is an important issue in various applications such as rehabilitation and sports. Accurate ground slope estimation is needed for lower-limb wearable robots to assist walking or running. In many previous studies, IMU sensors attached to thighs were used to obtain lower-limb motion data. Thus, a previous study estimated the ground slope from thigh-IMU data. However, it is difficult to obtain thigh-IMU data for several slopes. Thus, the accuracy of the slope estimation model was degraded by insufficient data. To address this issue, this study proposes a generative model to synthesize virtual IMU data using CVAE (conditional Variational Autoencoder). By using the CVAE, thigh-IMU data was successfully generated for several ground slopes that were not acquired from real experiments. The quality of the synthesized dataset is verified by visual evaluation and quantitative evaluation with RMSS,RMSA. The performance of slope estimation was improved by using the synthesized datasets. Based on the MSE loss metric, the loss decreased from 0.011 to 0.0054, representing a 51% reduction. The proposed model is useful to generate virtual IMU data in environments characterized by diverse gait patterns.
보행 분석은 재활 및 스포츠와 같은 다양한 응용 분야에서 중요한 이슈이다. 보행이나 달리기를 보조하기 위해 하지 웨어러블 로봇에 대한 정확한 지면 기울기 추정이 필요하다. 많은 선행 연구에서 하지 움직임 데이터를 얻기 위해 허벅지에 부착된 IMU 센서를 사용하였다. 이에 선행연구에서는 허벅지-IMU데이터로부터 지면 기울기를 추정하였다. 그러나 여러 경사면에 대한 허벅지-IMU 데이터를 획득하는 것이 어려웠다. 따라서 불충분한 데이터로 인해 기울기 추정 모델의 정확도가 저하되었다. 이러한 문제를 해결하기 위해 본 연구에서는 CVAE(Conditional Variational Autoencoder)를 이용하여 가상의 IMU 데이터를 생성하는 방법을 제안하였다. CVAE를 사용하여 실제 실험에서 획득하지 못한 여러 지면 기울기에 대한 허벅지-IMU 데이터를 성공적으로 생성하였다. 생성된 데이터셋의 품질은 시각적 평가와 RMSS,RMSA를 이용한 정량적 평가로 검증하였다.생성된 데이터셋을 사용하여 기울기 추정 성능을 향상시켰다. MSE 손실을 기준으로 손실이 0.011에서 0.0054로 감소하여 51% 감소를 나타냈다. 제안된 모델은 다양한 보행 패턴을 특징으로 하는 환경에서 가상 IMU 데이터를 생성하는 데 유용하다고 판단된다.