1. 연구 배경 및 문제 제기 (Problem)

• 현황: 로봇 시스템은 신경 재활 환자에게 고강도, 개인화된, 정량적인 운동 훈련을 제공할 수 있으나, 실제 임상 현장에서의 도입은 제한적입니다.
• 주요 문제:
  • 기존 재활 로봇은 치료사와 환자 간의 직접적인 물리적 접촉 (Haptic interaction) 을 차단합니다. 치료사는 로봇의 매개체로 인해 환자의 움직임에 개입하거나 동적으로 교정하는 능력이 떨어집니다.
  • 기존 원격 제어 방식은 주로 고수준 파라미터 (예: 팔 무게 보상 비율, 이동 속도) 를 조정하는 방식에 그쳐 직관성이 부족하며, 치료사의 통제감과 참여도를 낮춥니다.
  • 일부 연구는 치료사가 환자를 물리적으로 교정할 수 있는 시스템을 제안했으나, 팔 끝 (End-effector) 만 제어하거나 (관절별 제어 불가), 양측 모두에 복잡한 로봇 (엑소스켈레톤) 이 필요하여 비용과 복잡성이 높다는 한계가 있었습니다.
• 목표: 치료사가 원격으로 환자의 엑소스켈레톤을 직관적으로 물리적으로 안내 (Guidance) 하고 모니터링할 수 있는 새로운 원격 조작 (Teleoperation) 시스템 개발 및 검증.

2. 방법론 (Methodology)

2.1 시스템 아키텍처

• 치료사 (Trainer) 측:
  • 입력 장치: Force Dimension사의 7 자유도 (DoF) 햅틱 장치 Sigma.7 사용.
  • 시각화: HTC Vive Pro Eye HMD 를 통한 몰입형 가상 현실 (IVR).
  • 가상 환경: Unity 기반의 디지털 트윈 (ARMin 엑소스켈레톤 복제본) 과 환자 아바타를 1 인칭 시점으로 시각화.
  • 상호작용: 치료사는 Sigma.7 을 통해 가상 환경의 손목과 팔꿈치 두 개의 특정 접촉점 (Graspable points) 을 '잡아' (Virtual Grabbing) 환자의 팔 자세를 물리적으로 조정합니다.
• 환자 (Trainee) 측:
  • 장치: ETH Zurich 의 ARMin 상지 엑소스켈레톤 (6 개의 활성 DoF).
  • 센서: 관절 각도, 힘/토크 센서를 통해 상호작용 데이터를 수집합니다.
• 제어 시스템:
  • 원격 조작 컨트롤러: 치료사의 Sigma.7 입력과 환자의 ARMin 상태를 동기화합니다.
  • 힘 전달: 가상 환경에서의 상호작용 (위치/속도 차이) 을 기반으로 힘 ($\vec{F}$) 을 계산하여 치료사 (햅틱 피드백) 와 환자 (보정 토크) 양방향으로 전달합니다.
  • 스케일링: Sigma.7 의 작은 작업 공간과 ARMin 의 큰 작업 공간 간의 차이를 보정하기 위해 스케일링 인자 ($C_{scale}=10$) 를 적용했습니다.

2.2 실험 설계

• 참가자: 건강한 젊은 성인 32 명 (16 쌍의 치료사 - 환자 역할).
• 과제: 5 가지 일상생활 동작 (ADL) 포즈 (기쁨, 컵 마시기, 전화 받기, 모자 쓰기, 정지 제스처) 수행.
• 비교 조건:
  1. 시각적 시연 (Visual Demonstration, VD): 치료사가 웹캠으로 포즈를 보여주고 구두로 지시 (기존 방식). 환자는 화면을 통해 치료사의 움직임을 봄.
  2. 햅틱 시연 (Haptic Demonstration, HD): 치료사가 Sigma.7 로 환자의 엑소스켈레톤을 직접 물리적으로 조종하여 포즈를 안내. (구두 지시 가능하지만 시각적 단서는 없음).
• 측정 지표:
  • 운동 품질: 완료 시간 (Completion Time), SPARC 를 통한 움직임 부드러움 (Smoothness).
  • 언어 상호작용: LLM(Whisper, Sentence-BERT) 을 활용한 음성 전사 및 분류 (지시, 피드백, 기타) 를 통한 지시 문장 수 분석.
  • 주관적 평가: NASA-TLX (작업 부하), IMI (내재적 동기, 유능감, 노력) 설문지.

3. 주요 결과 (Key Results)

3.1 운동 수행 능력

• 완료 시간: 햅틱 조건 (HD) 이 시각적 조건 (VD) 보다 약 3.9 초 더 빠르게 포즈를 완료했습니다 ($p=0.018$).
• 부드러움: HD 조건에서 팔꿈치 움직임의 부드러움이 유의미하게 향상되었습니다 ($p=0.046$). 손목은 유의미하지 않았으나 전체적으로 개선 경향을 보였습니다.

3.2 언어 상호작용 분석

• 지시 문장 수: HD 조건에서 치료사가 환자에게 내린 구체적인 지시 (Instruction) 문장의 비율이 VD 조건보다 유의미하게 감소했습니다 ($p=0.017$).
• 의미: 치료사는 전체 대화량은 비슷하게 유지하되, 구체적인 운동 지시는 햅틱 피드백으로 대체하여 더 효율적인 센서 - 운동 (Sensorimotor) 소통이 가능함을 시사합니다.

3.3 주관적 평가 (설문지)

• 치료사 (Trainer):
  • 유능감 (Competence): HD 조건에서 치료사의 유능감이 VD 보다 유의미하게 높게 평가되었습니다 ($p=0.004$).
  • 작업 부하: 정신적/신체적 부하나 좌절감은 두 조건 간에 유의미한 차이가 없었습니다 (햅틱 제어가 직관적임을 의미).
• 환자 (Trainee):
  • 신체적 요구도 (Physical Demand) 및 노력 (Effort): HD 조건에서 환자가 느끼는 신체적 부담과 노력이 유의미하게 감소했습니다 ($p=0.034, p=0.001$). 이는 치료사의 물리적 보조가 환자의 부담을 덜어주었음을 보여줍니다.

4. 주요 기여 (Key Contributions)

1. 원격 물리적 상호작용 시스템 구현: 치료사가 단일 엔드 이펙터 햅틱 장치를 사용하여 환자의 엑소스켈레톤의 다중 관절 (팔꿈치, 손목) 을 개별적으로 물리적으로 제어할 수 있는 최초의 시스템 중 하나를 제안했습니다.
2. 직관성 및 효율성 입증: 기존 시각적 시연보다 빠르고 부드러운 운동 수행을 가능하게 하며, 구두 지시의 필요성을 줄임으로써 치료 효율성을 높였습니다.
3. 치료사의 통제감 회복: 로봇이 치료사를 배제하는 것이 아니라, 치료사의 **직접적인 물리적 개입 (Therapeutic Touch)**을 복원하여 치료사의 유능감과 참여도를 높였습니다.
4. 기술적 통합: 몰입형 VR, 디지털 트윈, 햅틱 원격 조작, 그리고 LLM 기반의 자동화된 언어 분석을 통합한 종합적인 평가 프레임워크를 제시했습니다.

5. 의의 및 결론 (Significance)

• 임상적 의의: 이 시스템은 로봇 보조 재활에서 치료사가 겪는 '물리적 접촉의 상실' 문제를 해결합니다. 치료사는 로봇을 제약이 아닌 파트너로 인식하게 되며, 환자의 보상 전략 (Compensation strategies) 을 방지하고 자세를 즉시 교정할 수 있게 됩니다.
• 환자 참여 유도: 치료사의 물리적 보조가 환자의 '게으름 효과 (Slacking effect, 과도한 보조로 인한 노력 감소)'를 유발할 수 있다는 우려와 달리, 치료사가 필요한 순간에만 개입할 수 있어 환자의 자발적 참여를 유도하면서도 부담을 줄일 수 있음을 보여주었습니다.
• 미래 전망: 건강한 참가자를 대상으로 한 타당성 연구였으나, 향후 임상 환자 (신경계 질환자) 와 실제 치료사를 대상으로 한 연구를 통해 이 기술의 치료 효과와 사용성을 검증할 필요가 있습니다.

요약하자면, 이 연구는 "치료사 - 로봇 - 환자" 간의 물리적 상호작용을 원격으로 복원함으로써, 로봇 보조 재활의 효율성과 치료사의 수용성을 동시에 높일 수 있는 혁신적인 인터페이스를 제시했습니다.