천천히 속도 높여도 감지하는 웨어러블 기기 가능해진다

114
연구팀에서 개발한 리커브(RECURVE) 방법론의 동작 개념도 / 출처 : 카이스트 연구뉴스
연구팀에서 개발한 리커브(RECURVE) 방법론의 동작 개념도 / 출처 : 카이스트 연구뉴스

헬스케어 앱에서 동작의 변화를 보다 세밀하고 정확하게 인식할 수 있는 기술이 개발됐다. 인공지능에 의한 벡터를 계산하고, 그 벡터 값이 어떻게 변하는지를 토대로 동작의 변화를 감지하는 변화점 탐지 방법론이다.

운동 상태 모니터링을 위한 ‘변화점 탐지’

일상생활에서 스마트 워치, 스마트 링 등 웨어러블 기기를 사용하는 사람은 흔하다. 이들은 여러 용도로 사용되지만, 가장 흔한 용도를 꼽으라면 ‘운동 상태 모니터링’을 빼놓을 수 없을 것이다. 특히 건강관리를 위해 운동 기록을 남기고 축적하는 사람들에게는 매우 중요한 기능이다. 

이를 위해 헬스케어 앱에서는 사용자의 상태 변화를 감지하고, 현재 어떤 동작을 하고 있는지를 정확하게 인식하는 기능이 중요하다. 이를 ‘변화점 탐지’라 부르며, 이 기능의 품질을 향상시키기 위해 다양한 인공지능 기술이 적용된다.

기존 헬스케어 앱은 인터벌 방식의 동작 변화를 원활하게 감지하는 경향이 있다. 즉, 천천히 걷다가 갑자기 뛰기 시작하는 경우, 반대로 뛰다가 속도를 대폭 줄이는 경우 등의 갑작스러운 변화는 잘 측정하는 경향을 보인다. 

하지만 천천히 걷다가 속도를 높이면서 달리기 시작하는 식으로, 점차 속도를 높여가는 경우는 제대로 측정하지 못하는 경우가 있었다. 즉, ‘급진적 변화는 잘 캐치하지만, 점진적 변화는 제대로 탐지하지 못하는 경향’을 보인 것이다.

이에 카이스트 전산학부 이재길 교수 연구팀은 사용자의 동작이 얼마나 빨리 변하는지와 관계없이, 정확하게 상태를 감지하는 변화점 탐지 방법론을 개발하고자 했다.

‘거리’ 대신 ‘곡률’을 기준으로 삼다

연구팀은 인공지능 기술을 활용, 사용자가 움직일 때마다 발생하는 센서 데이터를 벡터(Vector)로 표현했다. 이때 시간의 흐름에 따라 그래프상에서 벡터가 ‘이동하는 방향’에 주목했다. 같은 동작이 유지되는 동안에는 벡터의 이동방향이 자주 변하는 경향이 나타나며, 이는 곡률 값이 커지는 것을 의미한다. 즉, 동작은 고정돼 있지만, 데이터 변화가 불규칙적이거나 급격하게 나타날 수 있다. 

반면, 동작이 바뀔 때는 벡터가 직선에 가깝게 이동하는 경향이 있다. 이 경우는 곡률 값이 작아지며, 이는 데이터의 변화가 부드럽고 연속적이라는 것을 나타낸다.

연구팀은 이러한 방법론을 ‘리커브(RECURVE)’라고 명명했다. 리커브는 양궁 경기에 쓰이는 활의 한 종류를 가리키는 단어다. 리커브 활이 휘어있는 모습이 본 방법론의 동작 방식을 잘 나타낸다고 생각해 붙인 이름이다. 

기존의 탐지 방법론에서는 변화점 탐지 기준을 ‘거리’로 삼았다. 센서 데이터가 바뀌는 지점을 측정해, 데이터 포인트 간의 거리 변화가 일정 기준을 넘으면 변화를 감지하는 방식이었다. 그러나 리커브 방법론은 데이터의 이동 방향이 변하는 정도(곡률)를 기반으로 변화점을 탐지한다는 점이 특징이다. 변화점 탐지 기준을 ‘거리’에서 ‘곡률’로 바꾼 셈이다. 

곡률은 데이터의 변화가 나타낸 그래프가 ‘얼마나 굴곡져 있는지’, 시간에 따른 변화가 얼마나 급격한지를 나타내는 지표다. 같은 동작을 유지하는 동안 데이터는 미세한 변동이 반복된다. 즉, 벡터의 방향이 자주 변하기 때문에 곡률 값이 크게 나타난다. 

반대로 동작을 바꿀 때는 데이터 변화가 부드럽고 연속적으로 이루어진다. 이에 따라 곡률 값이 작아지면서 직선에 가까운 그래프가 그려질 가능성이 높다. 연구팀은 리커브 방법론을 통해 기존 방법론 대비 최대 12.7% 정확도 향상을 달성했다.

디지털 헬스케어의 진화 기회

이러한 기술의 개발은 실생활에 어떤 영향을 미칠까? 우선 점진적 변화를 감지할 수 있는 기능으로, 운동 상태를 더욱 정확하게 인식할 수 있다. 이로써 사용자에게 더욱 적합한 맞춤형 피드백을 제공할 수 있다. 예를 들면, 운동의 강도를 조절하거나 재활 목적의 움직임에서 상태 변화를 더욱 정확히 모니터링할 수 있게 된다.

또한, 건강 증진 및 관리 목적으로 사용하는 웨어러블 기기의 헬스케어 앱이 보다 정밀한 성능을 발휘할 수 있게 된다. 서서히 속도를 높이거나 줄이는 점진적 변화도 정확하게 감지할 수 있게 되기 때문에, 사용자가 운동을 더 효과적으로 진행할 수 있도록 돕는다.

연구팀을 지도한 이재길 교수는 리커브 방법론에 대해 “데이터 변화점 탐지 분야의 새로운 지평을 열 만한 획기적인 방법”이라고 이야기했다. 이 교수는 또한, “실용화 및 기술 이전이 이뤄지면 실시간 데이터 분석 연구 및 디지털 헬스케어 산업에 큰 파급효과를 낼 수 있을 것”이라고 말했다.

한편, 이번 연구는 국제학술대회 ‘신경정보처리시스템학회(NeurIPS) 2024’에서 올 12월 발표될 예정이다.

(왼쪽부터) KAIST 전산학부 박재현 석사과정, 전산학부 이재길 교수, (오른쪽 위)전산학부 신유주 박사 / 출처 : 카이스트 연구뉴스
(왼쪽부터) KAIST 전산학부 박재현 석사과정, 전산학부 이재길 교수, (오른쪽 위)전산학부 신유주 박사 / 출처 : 카이스트 연구뉴스
+1
0
+1
0
+1
1
+1
0
+1
0