💻 computer science

Multi-Touch and Bending Sensing Using Electrical Impedance Tomography for Robotics

본 논문은 유연한 EIT 기반 로봇 피부에서 변형으로 인한 임피던스 변화로부터 터치 신호를 효과적으로 분리하기 위해, 딥 뉴럴 네트워크와 동적 적응형 참조 전략을 결합하여 강건한 멀티 터치 위치 추정 및 연속적인 굽힘 각도 추정을 가능하게 하는 새로운 프레임워크를 제시한다.

원저자: Haofeng Chen, Bedrich Himmel, Bin Li, Xiaojie Wang, Matej Hoffmann

게시일 2026-08-27

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Haofeng Chen, Bedrich Himmel, Bin Li, Xiaojie Wang, Matej Hoffmann

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

로봇은 오랫동안 움직임의 달인이 되어 왔지만, 자신이 움직이는 세상을 향해서는 여전히 대체로 눈이 먼 상태입니다. 수십 년 동안 엔지니어들은 기계가 물체를 으깨지 않고 잡을 수 있도록 돕기 위해, 주로 촉각을 부여하는 방법을 연구해 왔습니다. 이는 로봇의 손가락이나 손 주위에 감쌀 수 있는 센서의 얇은 층인 '전자 피부'의 개발로 이어졌습니다. 그러나 로봇의 몸 전체를 이러한 센서로 덮는 것은 어려운 일로 드러났습니다. 기존의 대부분의 기술은 개별 전선과 부품의 조밀한 격자에 의존하는데, 이는 표면이 늘어나거나 비틀리거나 굽혀져야 할 때 엉키고 관리가 불가능해집니다. 더욱이 로봇 팔이 굽혀질 때 센서 자체가 변형되면서, 팔의 모양과 촉각의 느낌이 뒤섞인 혼란스러운 신호를 만들어냅니다. 인간과 진정으로 상호작용하고 복잡한 환경을 탐색하기 위해서, 로봇은 전선의 무더기 없이도 부드러운 탭(tap)을 느끼는 동시에 자신이 얼마나 휘어져 있는지 정확히 알 수 있는 피부를 필요로 합니다.

연구팀은 전기 임피던스 토모그래피(electrical impedance tomography)라고 불리는 기술을 사용하여 이 문제를 해결하는 새로운 접근 방식을 개발했습니다. 표면에 수백 개의 작은 별도 센서를 배치하는 대신, 그들은 전기를 전도하는 단일한 연속 시트를 만들었습니다. 이 시트의 가장자리에 소수의 전극을 부착하고 시트를 통해 전류를 보냄으로써, 시스템은 재료의 내부 특성을 매핑할 수 있습니다. 손가락이 표면을 누르면 특정 지점에서의 재료 전도 능력이 변화합니다. 표면이 굽혀지면 전기 흐름의 전체 패턴이 예측 가능한 방식으로 변화합니다. 문제는 이 두 사건, 즉 '터치'와 '굽힘'이 동시에 발생하며 컴퓨터가 읽어들이는 신호상으로는 매우 유사하게 보인다는 점이었습니다. 연구진은 특별한 전략이 없다면, 로봇이 발생하는 전기 신호의 변화가 터치 때문인지 아니면 단순히 팔을 움직이고 있기 때문인지 구분할 수 없다는 것을 발견했습니다.

이 혼란을 극복하기 위해 연구팀은 자기성 하이드로젤(magnetic hydrogel)을 사용하는 유연한 센서를 제작했습니다. 이는 물을 머금고 있으며 전기를 잘 전도하는 부드러운 젤 형태의 물질입니다. 그들은 이 물질을 실리콘 층 사이에 끼워 넣고 주변부에 8개의 은 전극을 배치했습니다. 이 설정은 로봇 팔에 장착되어 인간의 손에 의해 구부러지거나 터치될 수 있도록 했습니다. 이들의 혁신 핵심은 컴퓨터가 데이터를 처리하는 방식에 있습니다. 그들은 먼저 교통 정리 요원처럼 작동하여, 센서가 현재 터치되고 있는지, 굽혀지고 있는지, 혹은 아무 일도 없는지를 즉각적으로 결정하는 시스템을 설계했습니다. 만약 시스템이 센서가 굽혀지고 있다는 것을 감지하면, 즉시 해당 형태에서의 센서 모습에 대한 내부 '지도'를 업데이트합니다. 이러한 동적 조정 덕분에 시스템은 굽힘으로 인한 신호와 터치로 인한 신호를 분리할 수 있습니다. 이 단계가 없다면 팔의 굽힘이 터치의 이미지를 왜곡하여, 접촉이 어디에서 일어났는지 알 수 없게 만듭니다.

연구진은 이 시스템이 두 가지 작업을 동시에 수행하도록 요청하며 엄격하게 테스트했습니다: 굽힘 각도를 추적하는 것과 표면의 어디를 손가로 만지는지 위치를 찾아내는 것입니다. 그들은 시스템이 놀라운 정밀도로 굽힘 각도를 예측하며, 1도 미만의 오차로 로봇 팔의 움직임을 실시간으로 추적한다는 것을 발견했습니다. 더 중요한 것은, 다양한 각도로 센서를 눌렀을 때 표면이 휘어진 상태에서도 시스템이 터치 지점을 성공적으로 찾아냈다는 점입니다. 여러 지점에 동시에 압력을 가하는 테스트에서, 시스템은 두 개, 세 개, 또는 네 개의 별개 터치를 구분해 낼 수 있었습니다. 고정되고 변하지 않는 기준점을 사용했던 기존 방식과 비교했을 때 그 차이는 극명했습니다. 기존 방식은 로봇이 굽혀짐에 따라 쓸모없어지는 흐릿하고 왜곡된 터치 이미지를 만들어낸 반면, 새로운 방식은 터치 위치를 선명하고 정확하게 유지했습니다.

결과는 이 접근 방식이 복잡한 실제 상호작용을 처리할 수 있음을 보여줍니다. 라이브 시연에서 시스템은 로봇 팔이 굽혀짐과 동시에 인간의 손에 의해 터치되는 상황을 추적하며, 굽힘 각도와 여러 손가락의 위치를 정확히 식별했습니다. 전기적 변화를 감지하는 것부터 결과를 표시하는 것까지의 전체 과정은 실시간이라고 간주될 만큼 빠르게 진행되었으나, 연구진은 더 빠른 하드웨어를 통해 속도를 개선할 수 있다고 언급했습니다. 이 연구는 스마트한 소프트웨어 전략과 단순하고 유연한 재료를 결합함으로써, 터치를 느끼는 것과 자신의 모양을 아는 것 중 하나를 선택할 필요가 없는 로봇 피부를 만드는 것이 가능하다는 것을 확인시켜 줍니다. 이 작업은 로봇이 단일한 연속 센싱 층으로 온몸을 감싸, 세상 및 사람들과 훨씬 더 자연스럽고 반응성 있게 상호작용할 수 있는 길을 제시합니다.

기술 요약: 로보틱스를 위한 전기 임피던스 단층 촬영(EIT) 기반 멀티 터치 및 굽힘 감지

문제 정의
전기 임피던스 단층 촬영(Electrical Impedance Tomography, EIT)은 최소한의 배선으로 전체 표면 커버리지를 제공함으로써 로보틱스를 위한 분산형 촉각 센싱의 유망한 경로를 제시한다. 그러나 센서 표면이 굽히거나 변형될 때 중대한 문제가 발생한다. 변형은 기준 임피던스 분포를 변화시키고 터치로 인한 전도도 변화와 결합되어, 터치 이벤트와 센서 형상의 변화를 구분하기 어렵게 만든다. 기존 솔루션들은 고해상도 멀티 터치 위치 추정과 정확한 굽힘 추정을 동시에 달나하는 데 어려움을 겪으며, 특히 큰 변형이 일어날 때 그러하다. 또한, EIT는 역문제가 불량한(ill-posed) 특성을 가지고 있어 작은 측정 변화가 상당한 재구성 오류를 초래할 수 있으며, 이는 동적인 형상 변화에 의해 더욱 악화된다.

방법론
저자들은 터치와 변형 신호를 분리하기 위해 딥러닝과 동적 적응형 참조 전략을 통합한 새로운 센싱 프레임워크를 제안한다. 이 시스템은 시간 차 EIT 모델링을 기반으로 구축되었으며, 여기서 전도도 변화( $\Delta\sigma$ )는 기준 상태 대비 경계 전압 변화( $\Delta V$ )로부터 추정된다.

프레임워크는 세 단계로 작동한다:

상태 분류: 딥 뉴럴 네트워크(합성곱 계층를 포함한 인코더-디코더 구조)가 센서의 현재 상태를 터치, 굽힘, 또는 동작 없음의 세 가지 범주 중 하나로 분류한다. 이 네트워크의 입력은 현재 전압과 기준 전압 사이의 차이로부터 유도된 전도도 임베딩이다.
동적 참조 관리: 분류 결과에 따라 시스템은 참조 신호를 적응적으로 관리한다.
- 굽힘 추정을 위해서는 (변형되지 않은 상태에서 획득한) 정적 참조가 사용된다.
- 터치 위치 추정을 위해서는 터치가 감지되었을 때 동적 참조가 업데이트된다. 이 전략은 굽힘으로 인한 임피던스 변화를 차감하여 터치에 의한 신호만을 분리하는 것을 목표로 한다.
신호 추출:
- 굽힘 각도: 선택된 전압 특징값들에 대해 학습된 데이터 기반 선형 회귀 모델이 EIT 신호를 연속적인 굽힘 각도로 직접 매핑한다.
- 터치 매핑: 시스템은 공간 해상도를 높이고 아티팩트를 억제하기 위해 1단계 가우스-뉴턴(Gauss-Newton) 재구성 알고리즘을 채택하며, 경량 합성곱 후처리 모듈이 적용된다.

센서 하드웨어
실험적 검증에는 실리콘으로 캡슐화된 자기 하이드로젤 복합체 감지층으로 구성된 맞춤 제작된 유연 촉각 센서가 사용된다. 센서의 크기는 160 mm × 70 mm × 12 mm이며, 활성 감지 영역은 150 mm × 60 mm이다. 8개의 은 전극이 경계를 따라 균일하게 배치되어 있다. 데이터 획득은 40 kHz 여기 주파수에서 작동하는 AD5940 임피던스 측정 IC를 통해 수행되며, STM32 마이크로컨트롤러에 의해 제어된다.

핵심 기여

통합 프레임워크: 단일 유연 EIT 센서를 통해 멀티 터치 이벤트를 위치 추정하고 굽힘 각도를 동시에 추정할 수 있다.
동적 적응형 참조 전략: 변형 상태에 따라 재구성 참조를 업데이트하는 방법으로, 특히 터치와 굽힘 신호를 분리하고 큰 변형 하에서도 위치 추정 해상도를 개선하도록 설계되었다.
대면적 센서 설계: 다양한 굽힘 구성에서도 높은 공간 해상도를 유지하며 로봇 통합에 적합한 순응형(conformable) EIT 센서를 구현하였다.
실시간 시연: 순차적인 굽힘과 멀티 터치 입력을 실시간으로 처리하는 시스템의 능력을 검증하였다.

실험 결과

상태 분류: 딥 뉴럴 네트워크는 터치, 굽힘, 대기 상태를 구분하는 데 높은 정확도를 보였다. 모델은 테스트 세트에서 대기 클래스에 대해 97% 이상, 터치 클래스에 대해 99% 이상의 정확도에 도달했다.
굽힘 추정: 선형 회귀 모델은 결정 계수( $R^2 = 0.997$ )와 평균 제곱근 오차(RMSE) 0.90°를 보여 높은 정확도의 굽힘 각도 추적 성능을 입증했다.
터치 위치 추정:
- 정적 조건에서 시스템은 평균 4.8 ± 2.8 mm의 위치 오차를 달성했다.
- 굽힘 조건에서 제안된 동적 참조 방식은 정적 참조 방식보다 성능이 크게 향상되었다. 단일 지점 터치의 경우, 동적 참조 방식과 후처리를 적용했을 때 구조적 유사도 지수(SSIM)가 0.94에 달했으나, 정적 참조 방식은 0.29에 그쳤다.
- 30° 굽힘 상태에서의 멀티 터치 시나리오(최대 4개 지점)에서 제안된 방식은 평균 SSIM 0.80을 기록했으며, 이는 정적 참조 방식의 0.11과 대조된다. 멀티 터치에 대한 위치 오차는 두 지점 접촉 시 5.5 mm, 세 지점 접촉 시 4.3 mm, 네 지점 접촉 시 5.0 mm로 측정되었다.
실시간 성능: 시스템은 약 1.65 fps(프레임당 606.6 ms)의 속도로 프레임을 처리하였으며, 대부분의 지연 시간은 데이터 획득 과정에서 발생했다.

의의 및 주장
본 논문은 풍부한 다중 모드 센싱이 가능한 유연 EIT 기반 로봇 피부를 위한 길을 열었다고 주장한다. 터치와 변형 사이의 신호 결합 문제를 해결함으로써, 제안된 프레임워크는 센서 표면이 크게 굽혀진 상태에서도 견고한 터치 위치 추정을 가능하게 한다. 저자들은 본 연구가 단일 EIT 센서를 사용하여 전신 촉각 센싱과 형상 추정을 모두 수행할 수 있음을 입증하였으며, 이는 관절 인코더가 신체 구성을 완전히 포착하지 못할 수 있는 관절형 및 소프트 로봇에게 매우 중요하다는 점을 강조한다. 이 시스템은 공간 해상도, 멀티 터치 능력, 그리고 신호 분리 사이의 균형을 맞추면서도 개별 센서 배열의 배선 복잡성 없이 구현 가능한 상호작용형 로봇 애플리케이션의 개념 증명(proof-of-concept)으로 제시된다.

한계 및 향 향후 과제
저자들은 데이터 획득 지연, 자기 하이드로젤 재료의 점탄성 이완, 비균일한 민감도(전극 근처에서 높고 중앙에서 낮음)를 포함한 현재의 한계를 인정한다. 향 향후 과제로는 더 빠른 획득 하드웨어, 개선된 전도성 재료, 최적화된 전극 배치, 그리고 접촉력 추정 및 다축 변형에 일반화할 수 있는 데이터 기반 재구성 방법을 탐구하는 것이 제안되었다.

유사한 논문