▲ 캐나나 워터루대학은 인공지능과 카메라를 활용해 보행 환경을 인식할 수 있는 외골격 로봇 개발을 추진하고 있다.(사진=워터루대)

하체 마비 등으로 보행이 힘든 사람들을 위한 외골격 로봇 기술이 여러 곳에서 활발하게 연구되고 있다. 기존 대부분 외골격 로봇은 보행하는 지형의 성격에 맞춰 수시로 보행 모드를 바꿔줘야 한다는 단점이 있다. 가령 평지를 이동하다 계단을 만나면 조이스틱이나 스마트폰 애플리케이션을 이용해 보행 모드를 평지에서 계단으로 바꿔줘야 한다. 앉은 자세에서 일어서는 경우, 제자리에 선 자세에서 보행 자세로 전환할 경우에도 외골격 로봇의 보행 모드를 바꿔야 한다.

하지만 조이스틱이나 스마트폰 애플리케이션으로 외골격 로봇 사용자가 보행 모드를 바꾸는 동작은 수작업으로 이뤄져 사용자별로 조작 능력에 차이가 나는데다 착용자에게 정신적으로 상당한 스트레스를 준다.

'IEEE 스펙트럼'에 따르면 캐나다 워터루대학 연구진은 외골격 로봇이 주변 보행 환경을 인식해 보행 모드를 자동으로 바꿔주는 기술에 대해 연구하고 있다. 자율주행자동차가 도로의 지형지물을 자율적으로 인식해 스스로 주행하는 것처럼 주변환경을 스스로 인식해 보행 모드를 전환하는 외골격 로봇을 개발하고 있는 것이다.

그동안 주변 환경을 인식할 수 있는 외골격 로봇 개발을 위해 다양한 접근법이 시도되었다. 다리 부분에 센서를 부착해 뇌로부터 오는 생체 신호를 인식할 수 있는 기술이 대표적이다. 뇌로부터 보행에 관한 명령어가 오면 이를 센서가 인식하는 방식이다. 하지만 이 기술은 사람 피부가 건조해지거나 땀 분비로 인해 습도가 많아지면 피부의 전도율이 변한다는 단점이 있다.

이를 극복하기 위해 현재 세계 여러 연구기관이 외골격 로봇 사용자에게 웨어러블 카메라를 부착해 비전 데이터를 취득하는 기술에 관해 연구하고 있다. 이렇게 취득한 이미지 데이터를 인공지능을 이용해 분석함으로서 외골격 로봇이 주변 환경의 변화에 대응할 수 있도록 하겠다는 것이다.

워터루대학 연구진도 웨어러블 카메라를 활용해 주변 환경을 분석하는 연구를 진행하고 있다. ‘엑소넷(ExoNet)’으로 불리는 이 프로젝트는 인간의 이동에 관한 고해상도 카메라 이미지의 오픈 소스 데이터를 활용한다. 이 오픈 소스 데이터는 실내와 실외 공간에서 만나는 보행 환경에 관한 560만장 이상의 카메라 이미지를 갖고 있다. 연구팀은 이 데이터를 합성공 신경망(Convolutional Neural Network, CNN) 기술로 훈련시킴으로서 현재 73%의 정확도로 외골격 로봇이 보행 환경을 정확하게 인지할 수 있도록 했다.

▲ 가슴에 스마트폰 카메라를 탑재해 보행 환경에 관한 이미지 데이터베이스를 구축하고 있다(사진=워터루대)

워터루대 연구진은 앞으로 환경분석 소프트웨어의 정확도를 한층 높이는 데 힘을 기울인다는 계획이다. 낮은 연산 능력과 메모리 용량을 사용해 외골격 로봇이 실시간으로 환경을 분석할 수 있는 소프트웨어 개발을 추진하고 있다.

엑소넷 연구진은 결국 인공지능 소프트웨어가 보행 환경의 변화에 맞춰 외골격 로봇에 새로운 명령어를 제시하는 방식으로, 계단을 오르거나 장애물을 회피할 수 있을 것으로 기대하고 있다.

한편 노스 캐롤라이나 연구진도 안경이나 무릎에 카메라를 부착해 다양한 실내 및 실외 환경에 적응할 수 있는 외골격 로봇 기술 개발을 추진하고 있다.