ActiveVital: Geometry-Aware Embodied Vital Signs Monitoring for Home Healthcare Robots

기술 요약: ActiveVital

문제 정의

가정용 로봇은 사용자의 안전을 보장하고 건강 인지적 상호작용을 가능하게 하기 위해 신뢰할 수 있는 비접촉식 생체 신호 모니터링이 필요합니다. 밀리미터파(mmWave) 레이더는 서브 밀리미터 단위의 흉부 움직임에 대한 민감도 덕분에 유망한 솔루션이지만, 관측 기하학적 구조에 의해 근본적인 제약을 받습니다. mmWave 레이더는 시선 방향을 따른 방사형 운동 성분만을 측정합니다. 제약이 없는 가정 환경에서 로봇과 인간의 임의적인 방향 설정은 종종 각도 불일치를 초래하며, 이는 특히 진폭이 매우 작은 심박 성분의 측정 가능한 신호를 감쇄시킵니다.

기존 방식은 두 가지 주요 한계점을 가집니다:

1. 정적 센싱 (Static Sensing): 사용자가 고정된 센서와 정렬 상태를 수동으로 유지하도록 요구하며, 이는 장기적이고 눈에 띄지 않는 모니터링에는 부적합합니다.
2. 근접 탑재형 센싱 (Proximity Embodied Sensing): 이동형 로봇이 신호 강도를 높이기 위해 대상과의 거리를 줄이지만, 해부학적 정렬(관측 각도)을 조절하지는 못합니다. 결과적으로, 이러한 방법들은 생체 신호 관측성을 최적화하기 위한 폐루프 메커니즘이 부족하여, 로봇과 인간이 완벽하게 정렬되지 않았을 때 심박 추정의 불안정성을 초래합니다.

방법론: ActiveVital

저자들은 센싱 기하학을 명시적인 제어 변수로 취급하는 시각 가이드 기반의 탑재형 센싱(embodied sensing) 프레임워크인 ActiveVital을 제안합니다. 이 시스템은 생체 신호 모니터링을 수동적인 신호 복구에서 능동적인 기하학적 조절로 재정의합니다. 파이프라인은 세 단계로 구성됩니다:

1. 시각 가이드 기반 흉부 국소화 (Vision-Guided Chest Localization)

사용자의 협력 없이 기하학적 참조를 구축하기 위해, 시스템은 ViTPose를 사용하여 인간의 골격 키포인트(어깨 및 골반)를 검출합니다.

• 흉부 참조점 구축: 어깨와 골반 중간 지점 사이의 몸통 축을 따라 흉부 앵커 포인트($P_{ref}$)를 보간합니다.
• 해부학적 편향 (Anatomical Bias): 수직 좌표는 상흉부 쪽으로 편향되도록 설정하며($\alpha = 0.75$), 수평 오프셋($\beta = 0.1$)을 적용하여 측면 해부학적 비대칭을 보상하고 참조점을 심장 인접 영역으로 이동시킵니다.

2. 폐루프 포즈 조절 (Closed-Loop Pose Regulation)

로봇은 레이더의 시선(line-of-sight)을 흉부 참조점과 일치시키도록 센서 포즈를 능동적으로 조정합니다.

• 오차 기반 제어: 레이더의 광학 축과 흉부 참조점 사이의 픽셀 편차를 운동 명령으로 변환합니다.
• 공간 매핑: 깊이 정보와 카메라 내부 파라미터를 사용하여 픽셀 오차를 미터법 변위($\Delta L, \Delta H, \Delta D$)로 매핑합니다.
• 실행: 로봇 팔은 레이더를 흉부 표면에 대해 법선 입사(near-normal incidence)에 가깝게 조향합니다. 정렬이 완료되면, 로봇은 데이터를 획득하기 위해 짧은 시간 동안 고정된 포즈를 유지하여 최대의 방사형 관측성($\theta \to 0$)을 확보합니다.

3. 기하학 제약 위상 처리 (Geometry-Constrained Phase Processing)

잔여 포즈 변화 하에서도 안정적인 신호 추출을 보장하기 위해, 시스템은 차분 위상 강화 모듈을 사용합니다:

• 위상 언래핑 및 차분 (Phase Unwrapping & Differencing): 원시 위상 시퀀스를 언래핑하고 1차 시간 차분을 적용하여 저주파 드리프트를 억제하고 주기적인 미세 움직임을 강화합니다.
• 강건한 이상치 억제: 함펠 필터(Hampel filter)를 적용하여 이상치를 지역 중앙값으로 대체함으로써 충격 노이즈를 완화합니다.
• 스펙트럼 디커플링: 정제된 위상 시퀀스는 FFT를 거친 후, 가우시안 평활화(Gaussian smoothing)와 FIR 대역 통과 필터링을 통해 호흡과 심박 성분을 분리합니다. 심박수는 심장 대역 내에서의 에너지 가중 평균을 통해 추정됩니다.

핵심 기여

1. 기하학 조절형 탑재형 센싱 (Geometry-Regulated Embodied Sensing): 피드백 기반의 포즈 정렬을 통해 레이더 관측 기하학을 능동적으로 조절함으로써, 제약 없는 로봇-인간 구성에서도 신뢰할 수 있는 센싱을 가능하게 하는 패러다임을 도입했습니다.
2. 강건한 신호 추출을 동반한 시각 가이드 포즈 조절: 로봇 장착 레이더를 근축 관측(near-axial observation)으로 조향하는 동시에, 포즈 변화 하에서도 추출을 안정화하기 위한 위상 기반 강화 모듈을 통합하는 파이프라인을 제시했습니다.
3. 교차 패러다임 검증: 시스템을 세 가지 센싱 모드(Static, Proximity Embodied, Geometry-Aware) 및 세 가지 베이스라인 신호 처리 알고리즘과 비교 평가하여 일관된 정확도 향상을 입증했습니다.

실험 결과

시스템은 60 GHz FMCW 레이더와 RGB-D 카메라가 장착된 Galaxea R1 Lite 모바일 로봇에 구현되었습니다. 실험은 앉아 있는 참가자들이 있는 통제된 실내 환경에서 수행되었습니다.

성능 지표 (평균 절대 오차 - MAE):

• 호흡 간격 (Breathing Interval, BI): ActiveVital은 오차를 0.87 s(Proximity Embodized)에서 0.14 s로 줄였으며, 이는 Static Sensing(0.15 s)과 유사한 정확도를 달이는 것입니다.
• 심박수 (Heart Rate, HR): ActiveVital은 오차를 13.59 bpm(Proximity Embodied)에서 2.22 bpm으로 줄였습니다. Static Sensing이 가장 낮은 오차(1.66 bpm)를 기록했지만, 이는 사용자의 수동 정렬을 필요로 합니다. ActiveVital은 사용자 협력 없이도 이에 필적하는 성능을 달성했습니다.

비교 분석:

• 근접 센싱 대비: ActiveVital은 정렬 불량으로 인해 심박 신호가 감쇄되어 높은 오차를 보이는 근접 기반 방식보다 크게 우수한 성능을 보였습니다.
• 정적 센싱 대비: ActiveVital은 정적 센싱과 유사한 정확도를 달성하면서도, 사용자가 특정 자세를 유지할 필요가 없다는 결정적인 자율성 이점을 가집了.
• 알고리즘 강건성: 베이스라인 알고리즘(Second-Order DE, Band-pass Filter, Scattering Model)과 비교했을 때, ActiveVital의 기하학 인지 방식은 기하학적 조건이 악화됨에 따라 우수한 안정성을 유지하며 심박수 추정에서 가장 적은 성능 저하를 보였습니다.

의의 및 주장

본 논문은 센싱 포즈가 강건한 비접촉 생체 신호 모니터링을 위한 제어 가능한 변수라고 주장합니다. 로봇의 포즈를 흉부 표면에 대해 근축 정렬이 되도록 능동적으로 조절함으로써, ActiveVital은 흉곽의 생체 역학적 미세 움직임의 방사형 투영을 극대화합니다.

저자들은 이 접근 방식이 다음과 같은 효과를 제공한다고 단언합니다:

• 웨어러블 기기나 사전 설치된 인프라 없이 일반적인 가정 환경에서 비접촉 모니터링을 가능하게 합니다.
• 정적 시스템과 달리 사용자 협력에 의존하지 않고, 사용자의 자세 변화에 강건한 자율적 생체 신호 추정을 제공합니다.
• 전통적인 근접 기반 모바일 센싱이 실패하는 지점에서, 기하학 인지형 탑재형 센싱이 약한 심장 신호를 포착하는 데 필수적임을 입증합니다.

이 연구는 ActiveVital을 다목적 가정용 로봇의 기회적 기능(opportunistic function)으로 위치시키며, 작업 수행과 지속적인 건강 모니터링 사이의 간극을 메웁니다.