BPqu: Edge-AI Breath Phase Quantifier for Real-Time Guidance in Running

달리기는 신발 한 켤레와 길만 있으면 되는, 가장 접근하기 쉬운 운동 중 하나입니다. 하지만 많은 이들에게 단순한 조깅은 갑작스러운 호흡 곤se(호흡 곤란)로 인해 방해받곤 하며, 이러한 감각은 운동의 흐름을 끊고 즐거움을 꺾어놓기도 합니다. 이러한 호흡 곤란은 대개 사람이 움직이는 방식과 숨을 쉬는 방식 사이의 단절에서 비롯됩니다. 스포츠 과학의 세계에는 신체가 자연스럽게 발걸음에 호흡 패턴을 맞추려는 알려진 리듬이 존재하며, 이러한 동기화는 달리기를 더 쉽고 효율적으로 만들어 줍니다. 그러나 초보자들에게 이 리듬을 찾고 유지하는 것은 어려운 일이며, 러너를 안내하는 전통적인 방식들은 대개 과거에 일어난 일에 의존합니다. 만약 러너가 갑자기 페이스나 호흡 패턴을 바꾼다면, 과거의 데이터에 반응하는 시스템은 너무 느려서 도움이 될 만한 조언을 제때 제공하지 못하고 한 박자 늦게 도착하게 됩니다.

이 문제를 해결하기 위해 잘츠부르크 연구소(Salzburg Research)와 잘츠부르크 대학교의 연구진은 BPqu라고 불리는 새로운 접근 방식을 개발했습니다. 이 시스템은 호흡이 완전히 일어난 후에 반응하는 것이 아니라, 호흡이 일어나기 전에 이를 예측하도록 설계된 실시간 가이드입니다. 러너의 가슴에 부착된 웨어러블 센서에 작고 강력한 컴퓨터를 직접 배치함으로써, 시스템은 호흡과 움직임 데이터를 즉각적으로 분석할 수 있습니다. 목표는 러너가 구형 기술들이 주는 지연 현상 없이 자연스러운 리듬을 찾을 수 있도록 즉각적이고 직관적인 피드백을 제공하는 것입니다. 이 연구는 과거를 관찰하는 것에서 현재를 예측하는 것으로의 전환을 의미하며, 사람들이 지구력 러닝을 즐기는 데 방해가 되는 인지적, 정서적 장벽을 제거하는 것을 목표로 합니다.

연구팀이 직면한 핵심 과제는 대부분의 디지털 시스템에 내재된 지연 시간이었습니다. 컴퓨터가 정보를 처리할 때, 데이터를 수집하고 숫자를 계산하여 신호를 보내는 데는 시간이 걸립니다. 달리기 상황에서는 아주 짧은 순간의 지연조차도 도움이 되는 신호와 혼란을 주는 신호 사이의 차이를 만들 수 있습니다. 만약 러너가 이미 숨을 들이마시기 시작한 후에 내뱉으라는 지시를 받는다면, 그 가이드는 쓸모가 없게 됩니다. 연구진은 현재 이 순간 러너가 호흡 주기 중 정확히 어디에 있는지 지연 없이 결정할 수 있는 방법을 찾아야 했습니다. 또한 다음 단계의 주기를 예측하여 가이드가 정확히 필요한 시점에 도착하도록 해야 했습니다. 이를 달성하기 위해 그들은 데이터의 복잡한 패턴을 인식할 수 있는 딥러닝이라는 유형의 인공지능을 활용하되, 이 기술을 몸에 착용하는 아주 작은 배터리 구동 장치 안에 담아내야 했습니다.

연구진은 호흡 시 가슴의 압력 변화와 매 걸음마다 발생하는 신체의 움직임을 모두 측정하는 맞춤형 센서를 제작했습니다. 이 센서는 복잡한 계산을 실행할 만큼 강력하면서도 의복에 삽입될 수 있을 만큼 작은 마이크로컨트롤러(칩)에 연결됩니다. 연구팀은 19명의 젊은 여성 러너로부터 수집된 데이터를 사용하여 컴퓨터 모델을 훈련시켰습니다. 참가자들은 센서를 착용하고 달렸으며, 그들의 호흡은 패턴 라이브러리를 만들기 위해 세밀하게 모니터링되었습니다. 모델은 러너가 언제 숨을 들이마시고, 언제 내뱉는지, 그리고 정확히 언제 그 전환이 일어나는지를 나타내는 미세한 신호들을 인식하도록 학습되었습니다. 결정적으로, 모델은 호흡과 발걸음 사이의 관계를 살펴보고, 두 가지가 특정 리듬 안에서 서로 연결되어 있다는 점을 이해하도록 설계되었습니다.

시스템을 실시간 사용이 가능할 만큼 빠르게 만들기 위해, 연구진은 컴퓨터에게 질문하는 방식에 대해 영리하게 접근해야 했습니다. 전체 호흡 곡선을 한꺼번에 추측하려고 하면 오류가 발생하기 쉽고 복ell(복잡)해질 수 있으므로, 문제를 두 개의 더 단순한 부분으로 나누었습니다. 시스템은 호흡 주기의 일반적인 형태를 추정하고, 숨을 들이마시는 것에서 내뱉는 것으로 전환되는 정확한 순간을 별도로 식별합니다. 그런 다음 이 두 가지 정보를 결합하여 러너의 현재 상태에 대한 완전하고 정확한 그림을 만들어냅니다. 이 방법 덕분에 시스템은 매우 적은 양의 메모리와 처리 능력만으로도 클라우드 서버나 스마트폰으로 데이터를 보낼 필요 없이 웨어러블 기기 자체에서 완전히 구동될 수 있었습니다.

이러한 접근 방식의 결과는 인상적이었습니다. 테스트 결과, 시스템은 러너가 숨을 들이마시는 것에서 내뱉는 것으로 전환되는 정확한 순간을 93.1%의 정확도로 식별할 수 있었습니다. 또한 러너가 현재 숨을 들이마시고 있는지 혹은 내뱉고 있는지를 85.6%의 정확도로 판단할 수 있었습니다. 아마도 가장 중요한 점은, 측정 가능한 지연 없이 81.5%의 정확도로 전체 호흡 단계를 정량화할 수 있었다는 것입니다. 이는 시스템이 러너가 갑자기 속도를 높이거나 호흡 패턴을 바꾸더라도 그 속도를 따라갈 수 있을 만큼 빠르다는 것을 의미합니다. 연구진은 호흡 센서와 움직임 센서의 데이터를 결합하는 것이 호흡 데이터만 사용하는 것보다 더 효과적이라는 것을 발견했는데, 이는 움직임 데이터가 달릴 때 발생하는 흔들림으로 인한 노이즈를 필터링하는 데 도움을 주었기 때문입니다.

연구는 또한 다양한 조건에서 시스템이 얼마나 잘 작동하는지 탐구했습니다. 시스템은 러너가 일정하고 예측 가능한 리듬으로 호흡할 때 가장 잘 작동했지만, 호흡이 불규칙해지거나 리듬을 유지하기 위해 애쓰는 상황에서도 효과를 유지했습니다. 시스템은 방금 일어난 일을 되돌아보는 모드, 현재 순간을 보는 모드, 그리고 다음 순간을 예측하기 위해 약간 앞을 내다보는 모드의 세 가지 방식으로 테스트되었습니다. 모든 경우에 높은 정확도를 유지함으로써, 시스템이 러닝의 역동적인 특성을 다룰 수 있음을 입증했습니다. 연구진은 시스템이 매우 정확하지만 완벽하지는 않으며, 특히 호흡 패턴이 매우 불규칙할 때는 여전히 작은 오차 범위가 존재한다고 언급했습니다. 그러나 시스템의 속도 덕분에 작은 오류가 있더라도 피드백이 유용하게 쓰일 수 있는 시간 내에 전달됩니다.

이 연구는 새로운 종류의 러닝 경험을 향한 문을 열어줍니다. 러너가 자신이 언제 숨을 쉬어야 하는지 정확히 알려주는 부드럽고 리드미컬한 신호를 받아, 자연스럽고 힘들이지 않는 흐름을 찾는 모습을 상상해 보십시오. 시스템이 즉각적으로 작동하기 때문에, 페이스나 지형의 갑작스러운 변화에 적응하여 로봇 같은 느낌이 아닌 직관적인 가이드를 제공할 수 있습니다. 연구진은 이 기술가 스마트 의류에 통합되어, 호흡 곤란 때문에 달리기를 포기할 수도 있는 러너들을 지원하는 원활한 방식을 제공할 것으로 기대합니다. 호흡 조절의 어려움을 제거함으로써, 이 기술은 러닝을 더 즐겁고 접근하기 쉽게 만들어 사람들이 자신의 한계를 뛰어넘고 신체 활동과 더 깊은 연결을 찾도록 돕는 것을 목표로 합니다.

향인 방향은 통제된 실험실 환경을 벗어나 실제 러닝 시나리오에서 이 시스템을 테스트하는 것입니다. 연구진은 실제 경주나 훈련 세션에서 러너들이 이 가이드에 어떻게 반응하는지, 그리고 시스템이 정말로 사람들이 달리기를 어렵게 만드는 인지적, 정서적 장벽을 극복하도록 도울 수 있는지 확인하고자 합니다. 또한 다양한 체력 수준과 호흡 패턴을 가진 더 넓은 범위의 사용자들에게도 작동하도록 시스템을 개선하기를 희망합니다. 궁극적인 목표는 단순히 성과를 추적하는 것이 아니라, 인간의 러닝 경험을 능동적으로 향상시켜, 숨 가쁨의 고통을 몰입과 즐거움의 순간으로 바꾸는 도구를 만드는 것입니다. 이 연구는 첨단 컴퓨팅과 인간 움직임에 대한 깊은 이해를 결합함으로써, 기술이 기계처럼 느껴지는 것이 아니라 러닝 중의 유용한 동반자처럼 느껴지게 할 수 있음을 보여줍니다.