대부분의 사람들에게는 한 걸음 내딛는 것이 사소한 일이지만, 걷기에 어려움이 있거나 부상을 입은 사람들에게 어디가 문제인지 많은 것을 말해줄 수 있는 인공지능(AI) 기술이 개발됐다.

미 스티븐스 공과대학(Stevens Institute of Technology) 스티븐스 기술연구소(Stevens Institute of Technology)의 웨어러블 로보틱 시스템 랩 연구팀은 신발을 휴대용 보행 분석 실험실로 즉시 전환시키는 AI 기반의 스마트 깔창(SportSole)을 개발했다.

지난 17일 IEEE 신경 시스템 및 재활 공학 (IEEE Transactions on Neural Systems and Rewabilitation Engineering)에 '머신러닝 모델을 사용하여 걷기 및 달리기의 정확한 보행 보행 분석(Accurate Ambulatory Gait Analysis in Walking and Running Using Machine Learning Models)'이란 제목으로 발표된 이 기술은 임상 연구자들에게 생활환경에서 운동 장애 또는 근골격계 부상 환자의 보행 기능을 정확하게 측정할 수 있는 새로운 방법을 제공 할 수 있다.

또 이 기술은 또한 선수들이 달리기 기술을 향상시키는 데 도움이 될 수 있다.

이 연구의 수석 저자인 웨어러블 로보틱 시스템 랩 다미아노 자노토(Damiano Zanotto)는 연구 논문을 통해 이 기술은 "실용적인 관점에서 볼 때 그것은 매우 가치 있는 일이다"라며, "이제 사람의 걸음걸이를 실시간으로, 실제 환경에서 정확하게 분석할 수 있게 되었다."고 밝혔다.

실제 환경에서 사람의 걸음걸이에 대한 신뢰할 수 있는 정보를 포착하는 것은 연구자들에게 여전히 어려운 일이다. 카메라 기반 동작 캡처 시스템과 힘 플레이트 같은 표준 걸음걸이 분석 기술은 비용이 많이 들고 실험실 내에서만 사용할 수 있기 때문에 실제 세상에서는 사람들이 어떻게 걸어 다니는지에 대한 통찰력을 거의 제공하지 못한다.

연구팀은 머신러닝의 한 분야인 지원 벡터 회귀 분석(SVR, support vector regression) 모델을 사용하여 보행 및 주행 중 맞춤형 계측 깔창(SportSole)에서 기본 걸음걸이 매개변수 즉, 보폭 길이, 속도 및 발 간격의 정확한 추정치를 추출할 수 있었다. 이는 실험실이 아닌 저비용 및 웨어러블 디바이스로 실시간 걸음걸이 분석을 위한 기존의 실험실 장비에 대한 대안으로 제시됐다.

또한 이러한 머신러닝 모델은 대상 간 가변성이 강하므로 주제별 훈련 데이터를 수집할 필요가 없다. 보행분석은 두 번의 분리된 세션에서 각각 6분간의 런닝머신에서 걷기와 다른 속도로 달리는 것을 포함하여 각 건강한 피험자의 선호 속도의 85%, 115%에서 수행되었으며, 보행 측정지표는 계측된 깔창과 실험실 장비와 동시에 측정되었다. SVR 모델은 분석된 모든 보행 파라미터에서 우수한 클래스 내 상관 계수(ICC)를 산출했다.

SVR 모델을 이용하여 얻은 보폭, 속도, 발 간격의 백분율 평균 절대 오차 (MAE %)는 보행의 경우 1.37%±0.49%, 1.23%±0.27%, 2.08%±0.72%, 달리기의 경우 2.59%±0.64%, 2.91%±0.85%, 5.13%±1.52%로 나타났다. 이러한 결과는 머신러닝 회귀(machine learning regression)가 보행분석을 위한 웨어러블 센서의 정확도를 향상시키기 위한 유망한 새로운 접근법이라는 것을 확인시켰다.

또 연구팀의 스마트한 깔창은 기존의 발바닥 측정 기술보다 더 정확하게 착용자의 걸음걸이의 길이, 속도, 그리고 힘에 대한 실시간 데이터를 전달할 수 있다는 것을 보여 주었으며, 가속계와 자이로스코프를 사용하여 공간에서의 자체 움직임과 방향을 모니터링하고 압력을 감지하는 일련의 힘 센서를 사용하여 스마트 페달 및 기타 웨어러블 보행 분석 도구에 비해 초당 500회의 판독 값을 캡처할 수 있다.

일반적으로 웨어러블 모션 센서는 본질적으로 소음이 심하기 때문에 연구팀은 초당 500회의 측정치를 몇 가지 핵심 특징으로 하향 처리한 다음, 몇 퍼센트 포인트 이내에서 정확한 걸음걸이 파라미터를 신속하게 추출할 수 있는 AI 알고리즘으로 착용자가 걷거나 달리고 있는지에 관계없이 작동하며 개별 사용자에 대한 보정이나 맞춤화가 필요 없이 정확한 결과를 생성한다. 

특히 주목할 만한 것은 궁극적으로 기술을 확장하기 쉽게 만드는 기성 센서를 사용하는 것이다. 연구원들에 따르면, 이 센서들은 신뢰할 수 있는 데이터를 추출하기 위해 AI와 함께 약 100달러(약 12만원)의 비용을 사용했다고 한다. 수석 저자 다미아노 자노토는 "우리는 훨씬 더 낮은 비용으로 동일한 또는 더 나은 결과를 달성하고 있으며, 이 기술을 확장하는 데 있어서는 큰 문제가 되고 있다"고 말했다.