The Impact of Gait Pattern Personalization on the Perception of Rigid Robotic Guidance: A Pilot User Experience Evaluation

이 연구는 보행 패턴의 개인화가 사용자의 주관적 경험에 미치는 단기적 영향은 미미하며, 오히려 외골격 시스템에 대한 사용자의 적응 효과가 더 지배적임을 보행 패턴 개인화, 표준화, 무작위 조건을 비교한 사용자 경험 평가를 통해 밝혔습니다.

핵심

이 논문은 **로봇 보행 보조기 (외골격)**가 사람을 어떻게 도와주는지에 대한 흥미로운 실험 결과를 담고 있습니다. 핵심 내용을 쉽게 비유를 들어 설명해 드릴게요.

🤖 핵심 주제: "나만의 맞춤 로봇 vs. 표준 로봇"

상상해 보세요. 여러분이 새로운 로봇 다리를 신었습니다. 이 로봇은 여러분의 걸음걸이를 잡아주며 걷게 해줍니다. 연구진은 궁금해했습니다.

• A. 맞춤형: "이 사람의 키, 몸무게, 나이, 걷는 속도를 분석해서 정확히 이 사람에게만 맞는 걸음걸이를 만들어주는 로봇."
• B. 표준형: "대부분의 사람에게 평균적으로 적용되는 일반적인 걸음걸이를 시키는 로봇."
• C. 무작위형: "데이터베이스에서 무작위로 뽑힌 다른 사람의 걸음걸이를 시키는 로봇."

이 세 가지 중 어떤 것이 더 편하고 자연스러울까요? 연구진은 "맞춤형이 당연히 가장 편하겠지!"라고 생각했습니다. 하지만 결과는 조금 놀라웠습니다.

---

🧪 실험 내용: 10 명의 건강한 사람이 로봇과 함께 걷다

연구진은 10 명의 건강한 젊은이들을 모아, 위 세 가지 조건으로 2 분씩 걷게 했습니다. (로봇이 다리를 강하게 잡아주어 스스로 걷지 못하게 한 상태였습니다.)

1. 맞춤형: 참가자 개인의 신체 데이터로 계산한 걸음걸이.
2. 표준형: 평균적인 걸음걸이.
3. 무작위형: 남의 걸음걸이.

그리고 실험이 끝날 때마다 "어땠나요? 편했나요? 자연스러웠나요?"라고 물었습니다.

---

📊 놀라운 결과: "맞춤형이 특별하지 않았다!"

연구진은 "맞춤형이 가장 편안할 거야"라고 예상했지만, 결과는 달랐습니다.

1. 편안함/자연스러움: 세 가지 방식 (맞춤형, 표준형, 무작위형) 사이에는 별다른 차이가 없었습니다. 참가자들은 "어떤 걸음걸이를 했든 다 비슷하게 느껴졌다"고 답했습니다.
2. 가장 중요한 발견: 사실 "어떤 걸음걸이"를 했느냐보다 "언제" 걷느냐가 더 중요했습니다.
   • 마지막에 걷게 된 조건이 가장 편안하고 자연스러웠습니다.
   • 첫 번째에 걷게 된 조건은 가장 불편하고 어색했습니다.

💡 비유로 설명하면:
새로운 신발을 신고 처음 걸을 때는 발이 아파서 어색합니다. 하지만 2 분만 더 걷고 나면 발이 그 신발에 익숙해져서 훨씬 편안해집니다.
이 실험에서 로봇 다리는 마치 **"아직 익숙하지 않은 딱딱한 신발"**과 같았습니다. 참가자들은 로봇이라는 시스템 자체에 **적응 (Adaptation)**하는 시간이 필요했고, 그 적응 시간이 걸음걸이 패턴 (맞춤형인지 아닌지) 보다 훨씬 더 큰 영향을 미쳤던 것입니다.

---

🤔 왜 이런 결과가 나왔을까?

연구진은 몇 가지 이유를 꼽았습니다.

1. 로봇이 너무 뻣뻣했다: 로봇이 다리를 강하게 잡아당겨서 걷게 했기 때문에, 미세한 걸음걸이 차이를 느끼기 어려웠습니다. 마치 딱딱한 목발을 짚고 걷는 것처럼, 로봇의 움직임 자체가 너무 강해서 "내 걸음걸이"와 "로봇 걸음걸이"의 차이가 묻혀버린 것입니다.
2. 인간의 유연함: 건강한 사람의 걸음걸이는 사람마다 조금씩 다르지만, 그 차이가 생각보다 크지 않습니다. 로봇이 강제로 잡아주면 그 미세한 차이보다는 로봇 자체의 어색함이 더 크게 느껴진 것입니다.
3. 적응의 힘: 사람은 새로운 환경에 금방 적응합니다. 2 분만 걸어도 로봇 다리에 익숙해져서 "아, 이제 좀 편하네"라고 느끼게 됩니다.

---

💡 이 연구가 우리에게 주는 교훈

이 실험은 로봇 공학자들에게 중요한 메시지를 줍니다.

• 맞춤형 기술은 중요하지만, '적응'이 먼저다: 아무리 정교하게 내 몸에 맞는 걸음걸이를 만들어줘도, 사용자가 로봇에 익숙해지기 전까지는 그 효과가 잘 드러나지 않을 수 있습니다.
• 부드러운 로봇이 필요하다: 로봇이 너무 뻣뻣하게 다리를 잡아당기면 (Rigid Guidance), 사용자는 불편함을 느낍니다. 앞으로는 로봇이 사용자의 움직임을 더 부드럽게 따라주거나 (Compliant Control), 사용자가 스스로 조절할 수 있게 해야 맞춤형의 장점이 더 잘 발휘될 것입니다.

🏁 결론

"맞춤형 로봇 다리가 더 편할 거라고 생각했지만, 사실은 '로봇에 익숙해지는 시간'이 더 중요했다."

이 연구는 로봇을 만들 때 단순히 "내 몸에 딱 맞는 데이터"만 중요하게 생각하지 말고, **"사용자가 로봇에 어떻게 적응해 나가는지"**를 함께 고려해야 한다는 점을 알려줍니다. 마치 새로운 신발을 살 때, 발에 딱 맞는 사이즈도 중요하지만, 그 신발을 신고 몇 번을 걸으며 발이 익숙해지는 과정이 더 중요할 수 있다는 것과 같은 이치입니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 외골격 로봇은 운동 성능 향상부터 재활까지 다양한 분야에서 인간의 움직임을 유도합니다. 특히 보행 외골격은 안전을 위해 사용자의 관절에 특정 궤적 (Trajectory) 을 강제로 부과하는 '경직된 (Rigid) 가이드' 방식을 자주 사용합니다.
• 문제점: 인간의 보행은 나이, 성별, 체형, 보행 속도 등에 따라 개인마다 고유합니다. 최근에는 데이터 기반 또는 모델 기반 방법을 통해 이러한 개인별 보행 패턴을 예측하여 외골격에 적용하는 '개인화 (Personalization)' 기술이 발전하고 있습니다.
• 연구 격차: 그러나 개인화된 보행 패턴이 실제로 사용자의 주관적 경험 (편안함, 자연스러움, 즐거움) 에 어떤 영향을 미치는지에 대한 실증적 연구는 부족합니다. 또한, 개인화 알고리즘의 높은 계산 비용과 복잡성을 고려할 때, 표준화된 패턴 대비 개인화 패턴이 사용자 경험에 유의미한 개선을 가져오는지 여부는 명확하지 않습니다. 특히 건강한 사용자는 자신의 최적화된 자연 보행과 충돌하는 로봇의 강압적 가이드에 더 민감할 수 있습니다.

2. 연구 방법론 (Methodology)

가. 실험 장비: 다면적 보행 외골격 (Multi-planar Exoskeleton)

• 기반: ETH Zurich 의 SMS Lab 과 Hocoma AG 가 공동 개발한 Lokomat® 기반의 개조된 외골격 사용.
• 주요 혁신:
  • 기존 Lokomat 의 무릎 굴곡/신전 기능 유지.
  • 새로운 구동: 고관절 굴곡/신전 및 외전/내전 (Ab-/adduction) 추가.
  • 골반 모듈: 6 자유도 (DoF) 순탄성 구동기 (SEA) 를 탑재하여 골반의 병진 및 회전 운동을 지원하며, 측면 이동 (Lateral movement) 을 구동.
  • 총 12 자유도: 골반 (6), 고관절 (각 2), 무릎 (각 1) 중 7 개가 구동됨.
• 제어: 강성 (Stiff) 위치 - 미분 (PD) 제어기를 사용하여 궤적 오차를 최소화하고 사용자에게 패턴 차이를 명확히 인지시킴.

나. 보행 패턴 생성 및 조건

• 데이터: 브라질 연방 ABC 대학의 공개 보행 데이터베이스 (42 명, 21~84 세) 를 활용.
• 개인화 패턴 (Personalized): 보행 속도, 신체 계측 (키, 체중), 인구통계학적 데이터 (나이, 성별) 를 입력으로 하여 고관절, 무릎, 골반의 궤적을 예측하는 회귀 모델 (Regression models) 사용.
• 표준 패턴 (Standard): 데이터베이스의 모든 참가자 보행 패턴을 평균화하여 생성된 보편적 패턴.
• 무작위 패턴 (Random): 데이터베이스에서 무작위로 선택된 다른 참가자의 패턴 (기저선 역할).
• 실험 설계:
  • 참가자: 건강한 성인 10 명 (남녀 5 명씩).
  • 조건: 3 가지 패턴 (개인화, 표준, 무작위) 을 각각 2 분간 착용하고 보행.
  • 순서: 라틴 방진 (Latin square) 방식 등으로 순서를 무작위화하여 순서 효과 통제.
  • 속도: 1.8 km/h (일부 참가자는 2.0 km/h 로 조정).

다. 데이터 수집 및 분석

• 주관적 평가: 각 조건 후 설문지 (7 점 리커트 척도) 를 통해 즐거움 (Enjoyment), 편안함 (Comfort), 자연스러움 (Naturalness), 수동성 (Passiveness) 평가.
• 객관적 데이터: 무릎 관절의 인간 - 로봇 상호작용 힘 (Interaction forces) 기록.
• 통계 분석: 선형 혼합 모델 (LMM) 을 사용하여 패턴 조건과 실험 순서 (Trial Order) 의 효과를 분석.

3. 주요 결과 (Key Results)

• 주관적 경험 (User Experience):
  • 패턴 간 차이 부재: 개인화, 표준, 무작위 패턴 간 즐거움, 전반적 편안함, 자연스러움에 대해 통계적으로 유의미한 차이가 발견되지 않음.
  • 순서 효과 (Adaptation): 실험의 마지막 조건 (3 번째) 이 첫 번째 조건보다 편안함과 자연스러움 점수가 유의미하게 높음. 이는 사용자가 시스템에 적응 (Adaptation) 했음을 시사.
  • 물리적 부담: 개인화 패턴이 표준 패턴보다 약간 더 높은 물리적 부담 (Physical strain) 을 보고했으나, 이는 상호작용 힘 측정치와 완전히 일치하지는 않음.
• 상호작용 힘 (Interaction Forces):
  • 무작위 vs 표준: 무작위 패턴이 표준 패턴보다 양쪽 무릎에서 유의미하게 높은 상호작용 힘을 발생시킴.
  • 개인화 vs 표준: 개인화 패턴이 표준 패턴보다 힘은 약간 높았으나 통계적 유의성은 부족함 (왼쪽 무릎에서 경향성만 확인).
• 예측 정확도: 개인화 패턴과 표준 패턴 모두 실제 보행 데이터에 비해 유사한 RMSE (평균 제곱근 오차) 를 보였으며, 큰 정확도 차이는 없었음.

4. 주요 기여 및 결론 (Contributions & Conclusions)

• 핵심 발견: 건강한 사용자를 대상으로 한 단기 실험에서, 보행 궤적의 개인화 (Personalization) 는 외골격 시스템 자체에 대한 사용자의 적응 (Adaptation) 효과에 비해 주관적 경험에 미치는 영향이 미미함.
• 적응의 중요성: 사용자가 외골격에 익숙해짐에 따라 편안함과 자연스러움 인식이 크게 향상됨. 이는 개인화 알고리즘의 도입 전에 시스템 적응 시간을 고려해야 함을 시사.
• 경직된 가이드의 한계: 강성 제어 (Rigid control) 와 외골격의 기계적 구조 (특히 발목 커프와 골반 모듈의 불쾌감) 가 패턴 간의 미세한 차이를 가려 사용자의 주관적 평가를 왜곡했을 가능성이 있음.
• 개인화의 필요성 재고: 건강한 사용자는 보행의 자연스러운 변동성 (Variability) 을 허용하기 때문에, 완벽한 개인화 궤적보다는 시스템의 전반적인 편안함과 적응성이 더 중요할 수 있음.

5. 의의 및 시사점 (Significance)

• 설계 가이드라인: 외골격 제어기를 설계할 때 단순히 궤적의 개인화 정확도만 높이는 것보다, 사용자의 주관적 피드백을 통합하고 사용자 적응 (Adaptation) 기간을 고려하는 것이 더 중요함을 강조.
• 미래 연구 방향:
  • 경직된 궤적 기반 제어를 넘어, 더 유연한 (Compliant) 제어나 에너지 형상화 (Energy-shaping) 같은 새로운 제어 프레임워크 탐구.
  • 다양한 인구 집단과 보행 속도를 포함한 대규모 데이터베이스 구축.
  • 관절 간 결합 (Inter-joint coupling) 을 고려한 예측 모델 개발.
  • 환자 (신경근육 장애 등) 를 대상으로 한 연구 시에는 경직된 가이드가 오히려 안정감을 줄 수 있으므로, 개인화의 효과가 다를 수 있음을 시사.

요약하자면, 이 연구는 기술적으로 정교한 개인화 보행 패턴 생성이 가능함에도 불구하고, 건강한 사용자의 단기적인 주관적 경험에는 시스템 적응 효과가 더 지배적임을 보여주었습니다. 이는 외골격 개발 시 개인화 알고리즘의 복잡성보다 사용자 경험 (UX) 과 적응 메커니즘을 우선시해야 함을 시사합니다.