KR20180022674A - 위치-특정 게임화를 포함하는, 신체적으로 수행된 기능의 센서-기반 모니터링에 의해 게임화가 가능하도록 구성된 구조, 장치 및 방법 - Google Patents

Abstract

본 발명은, 사용자 기능 성능이 성능 센서 유닛(PSU)을 이용하여 모니터되고, 이러한 성능 센서 유닛으로부터 얻어진 데이터가 처리되어 사용자 기능 성능의 특성을 결정할 수 있도록 하는 기술적 구조에 관한 것이다. 예를 들어, 성능의 특성 확인은 여기에 기재된 컴퓨터 처리장치와 같은 컴퓨터 처리장치를 구동하기 위해 사용된다. 여기서는 경쟁적 도전의 공급을 통해 기능의 게임화를 가능하게 하고, 그러한 도전이 신체적 성능을 모니터하는 성능 센서 유닛으로부터 얻어진 데이터에 의해 구동되는 기술에 대해 특별히 촛점을 맞추었다. 예를 들어 일 실시예에서, 사용자는 다른 사람들보다 "우수한" 특정의 기능 또는 기능들을(예컨대 크기, 힘, 정확도, 연속적인 완성 등) 수행하는 상황에서 경쟁한다.

Description

위치-특정 게임화를 포함하는, 신체적으로 수행된 기능의 센서-기반 모니터링에 의해 게임화가 가능하도록 구성된 구조, 장치 및 방법

본 발명은 위치-특정 게임화를 포함하는, 신체적으로 수행된 기능의 센서-기반 모니터링에 의해 게임화가 가능하도록 구성된 구조, 장치 및 방법에 관한 것이다. 본 발명의 실시예는, 게임화된 내용의 생성, 분배 및 실행과 관련된 소프트웨어, 하드웨어 및 관련 방법을 포함한다. 본 명세서에서 특별히 촛점을 맞춘 기술은, 사용자가 경쟁적 활동을 규정 및/또는 참여하도록 하는 것이고, 상기 경쟁적 활동은 규정된 모션-기반 기능에 대한 복수 사용자의 각 성능 분석에 기초하여 평가된다.

본 명세서에 기재된 배경기술의 내용은, 어떠한 경우에도 그러한 기술이 널리 알려져 있다거나, 그 분야에서 통상적인 일반 지식의 일부를 형성하고 있음을 인정하는 것으로 간주되어서는 안된다.

최근에 추적 기술에 기초하여 평가하는 경쟁적 활동에 대한 인기가 높아지고 있다. 예를 들어, 자전거 타는 사람들은, 특정의 라이드(ride)(예컨대 GPS 좌표에 의해 출발점과 도착점이 규정된)를 추적할 수 있는 다양한 기술들을 이용하여, 조직적인 오버헤드(ovehead) 형태의 방해가 거의 없는 정해진 레이싱(racing) 형태가 가능하도록 한다. 예를 들어, 라이더(rider)는, 가끔 경쟁을 하기 위해 호환성 추적 소프트웨어를 실행하는 GPS-구동 디바이스(간혹 스마트폰)를 휴대하고 특정의 라이드를 한다.

본 발명의 목적은, 적어도 다수의 실시예에서, 상기 종래기술의 문제점 중의 적어도 하나를 극복 또는 개선하거나, 유용한 대안을 제공하는데 있다.

다음의 요약된 실시예는, 아래의 상세한 설명에 개시된 기술적 관점의 선택에 기초하여, 잠재적인 특허 청구범위를 예시하기 위해 제공되었다. 이러한 실시예는, 추구하고자 하는 청구범위를 어떠한 형태로든 제한하고자 하는 것이 아니다.

일 실시예는, 하나 또는 그 이상의 모션 센서 유닛(MSU)을 포함하는 최종-사용자(end-user) 하드웨어의 사용자가, 경쟁 활동에 참가하도록 하는 방법을 제공하며, 상기 방법은: 서버 장치에서, 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자에 의해 시도되도록 구성되는, 도전 활동의 대표인 복수의 도전 데이터 세트를 관리하는 단계와; 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 경쟁 활동에 참여하도록 하는 단계;를 포함하고, 상기 각 도전 데이터 세트는: (ⅰ) 하나 또는 그 이상의 도전 기능의 데이터 대표이고, 상기 하나 또는 그 이상의 각 도전 기능은 기능-특정 구성 데이터와 관련되며, 상기 기능-특정 구성 데이터는 최종 사용자 하드웨어에 다운로드 가능하도록 구성되어, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 모션 센서 데이터에 기초하여, 도전 기능의 성능 이벤트의 확인 및 분석이 가능하도록 하는 최종-사용자 하드웨어를 구성하도록 하고; 그리고 (ⅱ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표이며, 상기 사용자가 주어진 경쟁 활동에 참가하도록 하는 단계는: (ⅰ) 최종-사용자 하드웨어의 사용자가, 하나 또는 그 이상의 도전 기능에 대해 기능-특정의 구성 데이터를 적용하도록 하는 것과; 그리고 (ⅱ) 적용된 기능-특정 구성 데이터에 기초하여, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 데이터를 분석하여, 하나 또는 그 이상의 경쟁 파라미터에 대해 평가하는 것을 포함한다.

일 실시예는, 하나 또는 그 이상의 모션 센서 유닛(MSU)을 포함하는 최종-사용자 하드웨어 사용자의 운영방법을 제공하며, 상기 운영방법은: 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자에 의해 시도되도록 구성되는, 도전 활동의 대표인 도전 데이터 세트를 확인하는 단계와; 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 경쟁 활동에 참여하도록 하는 단계;를 포함하고, 상기 각 도전 데이터 세트는: (ⅰ) 하나 또는 그 이상의 도전 기능의 데이터 대표이고, 상기 하나 또는 그 이상의 각 도전 기능은 기능-특정 구성 데이터와 관련되며, 상기 기능-특정 구성 데이터는 최종 사용자 하드웨어에 다운로드 가능하도록 구성되어, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 모션 센서 데이터에 기초하여, 도전 기능의 성능 이벤트의 확인 및 분석이 가능하도록 하는 최종-사용자 하드웨어를 구성하도록 하고, 그리고 (ⅱ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표이며, 상기 사용자가 주어진 경쟁 활동에 참여하도록 하는 단계는: (ⅰ) 최종-사용자 하드웨어의 사용자가, 하나 또는 그 이상의 도전 기능에 대해 기능-특정 구성 데이터를 적용하도록 하는 것과; 그리고 (ⅱ) 적용된 기능-특정 구성 데이터에 기초하여, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 데이터를 분석하여, 하나 또는 그 이상의 경쟁 파라미터에 대해 평가하는 것을 포함한다.

일 실시예는, 복수-사용자 경쟁 활동을 제공하는 방법을 제공하며, 상기 방법은, 활동-저자(activity-author) 사용자가 경쟁 활동에 대해 도전 데이터 세트를 규정하도록 구성되는 오써링 인터페이스(authoring interface)를 제공하는 단계와; 경쟁 활동을 복수의 활동-참가자(activity-participant) 사용자가 이용할 수 있도록 하는 단계를 포함하고; 상기 각 도전 데이터 세트는: (ⅰ) 도전 위치에 대한 위치 정보의 데이터 대표; (ⅱ) 최종 사용자가 착용한 모션 센서 유닛을 통해 확인하도록 구성된 도전 기능의 저장소로부터 선택되는 하나 또는 그 이상의 도전 기능의 데이터 대표, 그리고 (ⅲ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표를 포함하고, 상기 주어진 활동-참가자는, 사용자와 관련된 모션-감지 의복으로부터 얻어진 분석 데이터에 기초하여 경쟁 활동에 참가한다.

일 실시예는, 복수-사용자 경쟁 활동을 제공하는 방법을 제공하며, 상기 방법은, 복수-참가자 사용자와 관련된 위치 정보를 확인하는 단계와; 상기 위치 정보와 관련된 하나 또는 그 이상의 미리 규정된 경쟁 활동을 확인하는 단계와; 상기 활동-참가자 사용자와 관련하여 착용된 모션 센서 유닛의 세트로부터 얻어진 데이터를 가공하고, 확인된 경쟁 활동의 하나를 결정하며, 하나 또는 그 이상의 경쟁 파라미터와 관련된 활동-참가자 사용를 평가하는 단계;를 포함하고, 각 경쟁 활동은 각 도전 데이터 세트와 관련되고, 상기 각 도전 데이터 세트는, (ⅰ) 도전 위치에 대한 위치 정보의 데이터 대표; (ⅱ) 최종 사용자가 착용한 모션 센서 유닛을 통해 확인하도록 구성된 도전 기능의 저장소로부터 선택되는 하나 또는 그 이상의 도전 기능의 데이터 대표, 그리고 (ⅲ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표를 포함한다.

일 실시예는, 상기한 방법을 수행하는 컴퓨터 프로그램을 제공한다.

일 실시예는, 프로세서에서 실행될 때, 상기 프로세서가 상기한 방법을 수행하도록 하는 컴퓨터 실행코드를 전송하기 위한 비일시적인 캐리어 매체(carrier medium)를 제공한다.

일 실시예는, 상기한 방법을 수행하도록 구성된 시스템을 제공한다.

본 명세서에서 "일 실시예", "다른 실시예" 또는 "실시예"라 함은, 그 실시예와 관련하여 기술된 특별한 특징, 구조 또는 특성이, 본 발명의 적어도 하나의 실시예에 포함되는 것을 의미한다. 따라서 본 명세서의 여러 곳에서 사용된 "일 실시예에서", "다른 실시예에서", "실시예에서"라는 문구는, 반드시 동일한 실시예를 가리키는 것은 아니지만, 동일한 실시예를 가리킬 수도 있다. 더욱이 상기한 특별한 특징, 구조 또는 특성은, 본 발명의 개시로부터 해당 기술분야의 통상의 기술자에게 명백한 것으로 되어, 하나 또는 그 이상의 실시예에 적절한 방식으로 결합될 수 있다.

본 명세서에서 일반적인 대상을 기술하기 위해 사용된 "제1", "제2", "제3" 등과 같은 서수 형용사는, 달리 명시하지 않는 한, 단지 유사한 대상의 다른 예를 나타내는 것으로서, 그 대상이 주어진 순서, 일시적 또는 부분적 서열 또는 다른 방식을 의미하는 것은 아니다.

본 명세서 및 청구항에 기재된 용어에서 "comprising", "comprised of" 또는 "which comprises"의 의미는 개방형 용어로서, 이는 적어도 뒤따르는 구성요소/특징을 포함한다는 것이며, 다른 것을 배제한다는 의미는 아니다. 따라서 본 청구범위에서 포함한다는 용어는, 뒤따르는 수단, 구성요소 또는 단계에 한정하는 것으로 해석되어서는 아니된다. 예컨대, 어떤 장치가 A와 B를 포함한다는 표현의 범위는, 그 장치가 단지 구성요소 A와 B만으로 구성되는 것으로 한정되지 아니한다. 본 명세서에서 사용된 "including", "which includes" 또는 "that includes" 용어 역시 개방형 용어로서, 적어도 뒤따르는 구성요소/특징을 의미하고, 다른 것을 배제한다는 의미는 아니다. 따라서 "including"은 "comprising"과 동의어이고 같은 의미이다.

본 명세서에서는, 특징을 나타내는 것과는 대조적으로, 실예를 제공하기 위한 의미로 "전형적인"이라는 용어가 사용되었다. 즉, "전형적인 실시예"라 함은, 반드시 전형적인 특성을 의미하는 것과는 대조적으로, 하나의 실예로서 제공된 실시예를 의미한다.

PCT/AU2016/000020의 내용은 교차 참조에 의해 전체적으로 본 명세서에 포함함된다.

이하 본 발명의 내용을 첨부된 도면을 참고하여 단지 예시적인 실시예를 통해 설명한다.

도 1a는 본 발명의 일 실시예에 따라 내용의 생성 및 공급이 가능하도록 하는 구조를 개략적으로 나타낸 도면.
도 1b는 본 발명의 다른 실시예에 따라 도전 내용의 생성 및 공급이 가능하도록 하는 구조를 개략적으로 나타낸 도면.
도 2a는 본 발명의 일 실시예에 따른 기능 분석 방법을 나타낸 도면.
도 2b는 본 발명의 일 실시예에 따른 기능 분석 방법을 나타낸 도면.
도 2c는 본 발명의 일 실시예에 따른 기능 분석 방법을 나타낸 도면.
도 2d는 본 발명의 일 실시예에 따른 기능 분석 방법을 나타낸 도면.
도 2e는 본 발명의 일 실시예에 따른 기능 분석 방법을 나타낸 도면.
도 3은 본 발명의 일 실시예에 따른 사용자 인터페이스를 위한 사용자 인터페이스 디스플레이를 나타낸 도면.
도 4a는 본 발명의 일 실시예에 따른 도전 가능화 방법을 나타낸 도면.
도 4b는 본 발명의 일 실시예에 따른 도전 가능화 방법을 나타낸 도면.
도 4c는 본 발명의 일 실시예에 따른 도전 가능화 방법을 나타낸 도면.
도 4d는 본 발명의 일 실시예에 따른 도전 가능화 방법을 나타낸 도면.
도 4e는 본 발명의 일 실시예에 따른 도전 가능화 방법을 나타낸 도면.
도 5는 본 발명의 일 실시예에 따른 SIM 분석 방법을 나타낸 도면.
도 6은 본 발명의 일 실시예에 따른 SIM 분석 방법을 나타낸 도면.
도 7은 본 발명의 일 실시예에 따른 ODC 분석 방법을 나타낸 도면.
도 8은 본 발명의 일 실시예에 따른 실행을 예시적으로 나타낸 도면.
도 9a는 서버측 및 고객측 부품을 포함하는 구조의 실예를 나타낸 도면.
도 9b는 서버측 및 고객측 부품을 포함하는 구조의 다른예를 나타낸 도면.
도 9c는 서버측 및 고객측 부품을 포함하는 구조의 다른예를 나타낸 도면.
도 9d는 서버측 및 고객측 부품을 포함하는 구조의 다른예를 나타낸 도면.
도 10a는 실예 프레임의 작동을 나타낸 도면.
도 10b는 다른 실예 프레임의 작동을 나타낸 도면.
도 10c는 다른 실예 프레임의 작동을 나타낸 도면.
도 11은 예시적 작동방법을 나타낸 도면.
도 12a는 본 발명의 일 실시예에 따른 성능 분석 장비를 나타낸 도면.
도 12b는 본 발명의 일 실시예에 따른 성능 분석 장비를 나타낸 도면.
도 12c는 본 발명의 일 실시예에 따른 성능 분석 장비를 나타낸 도면.
도 12d는 본 발명의 일 실시예에 따른 성능 분석 장비를 나타낸 도면.
도 12e는 본 발명의 일 실시예에 따른 모션 센서 유닛 장착 의복 배치를 나타낸 도면.
도 12f는 본 발명의 일 실시예에 따른 모션 센서 유닛 장착 의복 배치와, 연결장비의 일례를 나타낸 도면.
도 12g는 본 발명의 일 실시예에 따른 모션 센서 유닛 장착 의복 배치와, 연결장비의 일례를 나타낸 도면.
도 12h는 본 발명의 일 실시예에 따른 모션 센서 유닛을 나타낸 도면.
도 12i는 본 발명의 일 실시예에 따른 모션 센서 유닛과 하우징을 나타낸 도면.

본 명세서에 기재된 실시예는 기술적 구조에 관한 것으로서, 사용자의 기능 성능이 성능 센서 유닛(PSU: Performance Sensor Unit)을 사용하여 관찰되고, 상기 성능 센서 유닛들로부터 얻어진 데이터는, 사용자의 기능 성능의 특성을 결정하기 위해 처리된다. 예를 들어, 성능의 특성에 대한 확인은, 본 명세서에 기재된 컴퓨터 처리과정과 같이, 컴퓨터 처리과정을 구동하기 위해 사용된다. 여기서는 경쟁적 도전의 공급을 통해 기능의 게임화를 가능하게 하고, 그러한 도전이 신체적 성능을 모니터하는 성능 센서 유닛으로부터 얻어진 데이터에 의해 구동되는 기술에 대해 특별히 촛점을 맞추었다. 예를 들어 일 실시예에서, 사용자는 다른 사람들보다 "우수한" 특정의 기능 또는 기능들을 수행하는 상황에서 경쟁한다(예컨대 크기, 힘, 정확도, 연속적인 완성 등).

본 명세서에 기재된 기술은 PCT/AU2016/000020에 기재된 기술과 관련이 있으며, 이는 전체적인 상호 교차에 의해 본 명세서에 통합되고, 기술적 관점을 지지하는 것과 관련한 유용한 내용 및 부가적인 상세 사항을 제공한다. 좀더 상세하게는, 본 명세서에 기재된 기술적 구조는, 성능 특성의 데이터 대표를 수집하기 위해 성능 센서 유닛을 이용하며, 그 데이터를 다운스트림(downstream) 처리하기 위해 활용한다. 이러한 목적들은, 기능 훈련 목적(PCT/AU2016/000020에 상세히 기재되어 있음) 및 다른 목적을 포함할 수 있다. 여기서 특별히 고려된 목적은, 위치-특정 게임화를 포함하는 기능-기반 게임화이다. 요컨대 이는, 참가자가 모션-센서로부터 얻어진 데이터를 통해 성능-기반 기능을 분석하는 것에 기초하여 획득한(또는 평가된) 게임/도전에 참가할 수 있도록 하는 것을 포함한다.

기능 성능의 형태는 실시예에 따라 변화하며, 아래의 일반적인 두개의 카테고리는 실시예를 위한 목적으로 사용되었다.

● 인간의 모션-기반(motion-based) 기능 성능

이러한 성능들은, 인간의 동작 특성이 기능의 특성을 규정하는 것을 나타낸다. 예컨대 모션-기반 성능은, 본질적으로 수행자의 신체 움직임을 포함하는 어떠한 신체의 기능을 포함한다. 모션-기반 성능의 중요한 분류의 하나는, 스포츠 활동에 사용되는 기능의 성능이다.

● 오디오-기반(audio-based) 기능 성능

이러한 성능들은, 청각적으로 인지할 수 있는 특성이 기능의 특성을 규정하는 것을 나타낸다. 예컨대 오디오-기반 기능 성능은, 음악 및/또는 언어 성능을 포함한다. 오디오-기반 기능 성능의 중요한 분류의 하나는, 악기를 연주하는 것과 관련된 기능의 성능이다.

아래의 예는 비교적 기술적으로 도전적인 예의 모션-기반 기능 성능에 집중되었지만, 모션-기반 기능의 관점에서 적용된 원칙은, 다른 상황에도 즉시 적용될 수 있다. 예컨대 성능 센서 유닛(PSU)으로부터 얻어진 데이터에서 관찰가능한 데이터 상태(ODS: Observable Data State)를 사용하는 개념은, 동작, 오디오, 기타 다른 형태의 성능에도 동일하게 적용될 수 있다.

<용어>

아래에 기술되는 실시예의 목적을 위해, 다음과 같은 용어들이 사용되었다:

● 성능 센서 유닛(PSU: Performance Sensor Unit)

성능 센서는, 신체적인 성능의 모니터링에 대응하여 데이터를 생성하기 위해 구성된 하드웨어 장치이다. 여기서는 모션 데이터와 오디오 데이터를 처리하기 위해 구성된 센서 유닛이 예로서 고려되었지만, 여기에 한정되지 아니하는 것으로 이해되어야 한다.

● 성능 센서 데이터(PSD: Performance Sensor Data)

성능 센서 유닛에 의해 공급된 데이터를 성능 센서 데이터라 한다. 이 데이터는 성능 센서 유닛으로부터의 완전한 로 데이터(raw data) 또는 그 데이터의 일부(예컨대 압축, 축소된 모니터링, 샘플링 비율 등에 기초한 데이터)를 포함할 수 있다.

● 오디오 센서 유닛(ASU: Audio Sensor Unit)

오디오 센서 유닛은, 성능 센서 유닛 카테고리의 하나인 하드웨어 장치로, 소리의 모니터링에 대응하여 데이터를 생성하고 전송하도록 구성된다. 일 실시예에서, 오디오 센서 유닛은 소리, 및/또는 진동 효과를 모니터하도록 구성되어, 이를 디지털 신호(예컨대 MIDI 신호)로 변환한다. 오디오 센서 유닛의 일례로, 현악기의 기계적 진동을 포착하여 이를 전기적 신호로 변환하도록 구성된 변환기를 포함하는 픽업 장치가 있다.

● 오디오 센서 데이터(ASD: Audio Sensor Data)

이는 하나 또는 그 이상의 오디오 센서 유닛으로부터 공급된 데이터이다.

● 모션 센서 유닛(MSU: Motion Sensor Unit)

모션 센서는 성능 센서 유닛 카테고리의 하나인 하드웨어 장치로, 사용자의 동작에 대응하여 데이터를 생성하고 전송하도록 구성된다. 이 데이터는, 많은 경우에 로컬(local) 참조 프레임과 관련하여 정해진다. 모션 센서 유닛은, 하나 또는 그 이상의 가속도계; 하나 또는 그 이상의 자력계로부터 얻어진 데이터; 그리고 하나 또는 그 이상의 자이로스코프(gyroscope)로부터 얻어진 데이터를 포함할 수 있다. 바람직한 것은, 하나 또는 그 이상의 3축 가속도계, 하나의 3축 자력계, 그리고 하나의 3축 자이로스코프를 사용하는 것이다. 모션 센서 유닛은 입거나 착용할 수 있는데, 이는 신체의 고정된 위치에 장착될 수 있도록 구비되는 것을 의미한다(예컨대 의복을 통해).

● 모션 센서 데이터(MSD: Motion Sensor Data)

모션 센서 유닛으로부터 공급된 데이터를 모션 센서 데이터라 한다. 이는 모션 센서 유닛으로부터의 완전한 로 데이터(raw data) 또는 그 데이터의 일부(예컨대 압축, 축소된 모니터링, 샘플링 비율 등에 기초한 데이터)를 포함할 수 있다.

● 모션 센서 유닛 구동 의복(MSU-enabled garment)

모션 센서 유닛 구동 의복은, 복수의 모션 센서 유닛을 장착하기 위해 구성된 의복(예컨대 셔츠 또는 바지)이다. 일 실시예에서, 모션 센서 유닛은, 의복에 형성되어 있는 특정의 장착 부분에 장착이 가능하고(제거 가능한 방식으로 장착되어, 각각의 모션 센서 유닛이 제거되고 교체될 수 있도록 하는 것이 바람직하다), 통신 라인에 연결된다.

● POD 장치

POD 장치는, 성능 센서 데이터(예컨대 모션 센서 유닛으로부터의 모션 센서 데이터)를 수신하는 처리장치이다. 일 실시예에서 이는 모션 센서 유닛 구동 의복에 의해 수행되고, 다른 실시예에서는 분리된 장치일 수 있다(예컨대 일 실시예에서 상기 POD 장치는 스마트폰과 연결된 처리장치이고, 다른 실시예에서 상기 POD 장치의 기능은, 스마트폰 또는 모바일 장치에 의해 제공된다). 일 실시예에서 상기 모션 센서 데이터는 유선 연결에 의해 수신되고, 다른 실시예에서는 무선 연결에 의해 수신되며, 또 다른 실시예에서는 무선 및 유선 연결의 결합에 의해 연결된다. 본 명세서에 기재된 바와 같이, 상기 POD 장치는, 모션 센서 데이터를 처리하여 모션 센서 데이터에서 데이터의 상태를 확인하는 역할을 한다(예컨대 하나 또는 그 이상의 증상이 존재하는지를 확인하도록 한다). 일 실시예에서, POD 장치의 역할은, 스마트폰과 같은 최종 사용자의 다목적 하드웨어 장치에 의해 전부 또는 일부가 수행된다. 일 실시예에서, 성능 센서 데이터 처리의 적어도 일부는, 클라우드-기반(cloud-based) 서비스에 의해 수행된다.

● 모션 캡쳐 데이터(MCD: Motion Capture Data)

모션 캡쳐 데이터는, 이용가능한 모션 캡쳐 기술을 사용하여 얻어진 데이터를 말한다. 이점에 있어서, 모션 캡쳐(motion capture)라 함은, 예컨대 대상물의 정해진 장소에 장착된 시각 마커(visual marker)를 사용하여, 캡쳐 장치로 동작의 데이터 대표를 포착하는 데 사용되는 기술을 가리킨다. 비콘(Vicon)에 의해 제공되는 모션 캡쳐 기술이 그 예이다(본 발명자/출원인과 비콘 사이에는 아무런 관계가 없는 것으로 보여진다). 이하에서 설명하는 바와 같이, 모션 캡쳐 데이터는, 시각적인 관찰과 모션 캡쳐 관찰 사이의 연결을 제공하기 위해 바람직하게 사용될 수 있다.

● 기능(Skill)

동작 기반 활동의 형태에서 기능이라 함은 개인적 동작(또는 연결된 동작의 세트)를 말하며, 이는 예컨대 코칭(coaching) 내용의 형태로, 시각적으로 및/또는 모션 센서 데이터를 통해 관찰된다. 상기 기능은, 예컨대, 로잉(rowing) 동작, 축구 킥(kick)의 특정 카테고리, 골프 스윙의 특정 카테고리, 특정의 곡예 조종 등일 수 있다. 참고로 서브 기능(sub-skill)도 명시하였다. 이는, 훈련되고 있는 기능과, 그 기능의 일부를 구성하는 작은 기능 또는 그 기능의 기초를 형성하는 기능을 구별하기 위한 것이다. 예컨대, 저글링(juggling) 형태의 기능 형태에서, 서브 기능은, 같은 손에서 볼을 던지고 받는 것을 포함한다.

● 증상(Symptom)

증상이라 함은 관찰될 수 있는 기능의 특성을 말한다(예컨대, 최초의 기능 분석 형태에서 시각적으로 관찰되고, 그리고 최종 사용자 환경의 형태에서, 모션 센서 데이터의 처리에 의해 관찰되는 것을 말한다). 실질적인 용어로서, 증상이라 함은, 그 의미와 관련된 기능의 관찰가능한 동작 특성을 말한다. 예컨대, 증상의 확인은, 자동화된 코칭 프로세스의 공급에 있어서 동작을 일으키게 한다. 증상은, 시각적으로 관찰되거나(전통적인 코칭 형태), 또는 성능 센서 데이터(본 명세서에서 설명된 자동적으로 적용가능한 기능 훈련의 공급 형태)를 통해 관찰될 수 있다.

● 원인(Cause)

증상은, 적어도 일 실시예에서, 하나의 원인과 관련된다(예컨대 주어진 증상은 하나 또는 그 이상의 원인과 관련될 수 있다). 또한 원인은, 다른 실시예에서, 모션 센서 데이터로부터 관찰될 수 있지만, 이것이 반드시 본질적인 것은 아니다. 코칭의 관점에서 볼 때 하나의 접근법은, 먼저 증상을 확인하고, 그 다음 그 증상에 대한 원인을 결정/예측하는 것이다(예컨대 결정은 모션 센서 데이터의 분석을 통한 것일 수 있고, 예측은 모션 센서 데이터의 분석이 아닌 다른 수단일 수 있다). 그리고, 상기 결정/예측된 원인은, 코칭 피드백(coaching feedback)에 의해 처리되고, 뒤따르는 성능 평가에 의해 처리되어, 상기 코칭 피드백이 그 증상을 처리하는 데 성공적이었는지의 여부를 결정할 수 있다.

● 관찰가능한 데이터 상태(ODC: Observable Data Condition)

관찰가능한 데이터 상태라는 용어는, 모션 센서 데이터(전형적으로, 관찰가능한 데이터 상태 또는 예측되는 관찰가능한 데이터 상태 세트에 기초한 데이터)와 같은 성능 센서 데이터에서 관찰될 수 있고, 후속의 기능이 동작하도록 하는 상태를 기술하는데 사용된다. 예컨대 관찰가능한 데이터 상태는, 주어진 증상(또는 원인)에 대해 규정될 수 있다; 만일 그 관찰가능한 데이터 상태가, 주어진 기능에 대해 모션 센서 데이터에서 확인되면, 그 기능에 관련된 증상(또는 원인)이 존재하는 것으로 결정된다. 이는 훈련 프로그램에서 이벤트를 작동시키도록 한다.

● 훈련 프로그램(training program)

훈련 프로그램이란 용어는, 소프트웨어 설명의 실행을 통해 공급된 쌍방향 프로세스를 기술하기 위해 사용되었고, 상기 소프트웨어는, 최종 사용자에게, 그 성능을 어떻게 수정하고, 향상시키고, 또는 다르게 조정하는 것과 관련하여, 수행 및 피드백 방법에 대한 설명을 제공한다. 아래에 기술된 적어도 일 실시예에서, 상기 훈련 프로그램은 "적응성 훈련 프로그램"으로서, 이는 관련된 최종 사용자의 분석(예컨대 그 기능의 분석, 및/또는 정신적 및/또는 육체적 특성과 같은 개인적 특성의 분석)에 기초하여, 처리과정의 지시, 피드백의 선택 및/또는 다른 훈련 특성들이 적용될 수 있도록 하는 규칙/로직(logic)에 기초하여 실행된다.

아래에 좀 더 상세히 기재된 바와 같이, 일 실시예는, 최종 사용자 제품의 관점에서, POD 장치가 주어진 기능에 대한 사용자의 성능 센서 데이터(모션 센서 데이터와 같은)를 분석하도록 하는 기법을 포함하여, 수행된 특정의 기능을 확인하고, 어느 경우에 있어서는, 특정의 기능에 대한 성능과 관련된 증상도 확인하도록 한다.

<전체 구조의 예>

도 1A는, 본 명세서에 기재된 실시예의 범위에 의해 구현된, 높은 수준의 전체적 구조의 개요를 나타낸 것이다. 도 1A의 내용에서, 예시적 기능 분석 환경(101)이 활용되어, 하나 또는 그 이상의 기능을 분석하고, 이러한 기능과 관련하여 최종 사용자 내용(content)의 생성을 가능하게 하는 데이터를 제공한다. 예를 들어 이는, 일 실시예에서, 기능을 분석하여 성능 센서 유닛에 의해 확인될 수 있는 관찰가능한 데이터 상태(ODC)를 결정한다(관찰가능한 데이터 상태는, 특정의 증상, 원인 등과 관련되는 것이 바람직하다). 이러한 관찰가능한 데이터 상태는, 예시적 내용 생성 플랫폼(platform)(102)(예컨대 훈련 프로그램)에 의해 실행된 내용 생성 로직(logic) 내에서 활용될 수 있다. 이점에 있어서, 내용(content)의 생성은 프로토콜(protocol)의 확정을 포함하는 것이 바람직하고, 특정의 관찰가능한 상태의 확인에 대해 해당 액션이 취해진다. 아래에 기술된 실시예에서, 내용 생성 플랫폼(102)은, 하나 또는 그 이상의 컴퓨터 프로그램에 대한 규칙을 생성하는 데 사용되며, 이에 의해, 이러한 프로그램이 성능 센서 데이터(어떤 경우에 있어서는 이러한 기능 성능과 관련한 증상)에 기초하여, 수행된 특정한 기능을 확인할 수 있도록 한다.

하나 또는 그 이상의 기능 분석 환경 및 내용 생성 플랫폼이, 예시적 내용 관리 및 공급 플랫폼(103)에 내용을 공급하기 위해 활용된다. 이러한 플랫폼은 어떤 실시예에서, 복수의 네트워크된 서버 장치에 의해 규정된다. 본질적으로, 플랫폼(103)의 목적은, 내용 생성 플랫폼에서 생성된 내용을 최종 사용자가 이용할 수 있도록 하는 데 있다. 이는 도 1A의 상황에서, 예시적 최종 사용자 장비(104)에 내용을 다운로드할 수 있도록 하는 것을 포함한다. 상기 다운로드는, 어떤 실시예에서, 내용을 최초로 다운로드하고, 그리고 부가적으로 요구되는 내용을 추가로 더 다운로드하는 것을 포함한다. 상기 추가적 다운로드의 속성은, 어떤 실시예에서, 사용자 상호작용에 의해(예컨대, 기능 훈련 프로그램의 내용 및/또는 사용자 선택 사이의 적응 과정에 기초하여) 영향을 받는다. 본 명세서에서 고려된 다운로드된 내용(content)의 특정한 예는, 성능 센서 데이터(PSD)에 기초하여(어떤 경우에는 이러한 기능 성능과 관련된 증상에 기초하여) 특정의 기능이 수행되었는지를 확인하기 위해 구성된 내용이다.

예시적 장비(104)는 모션 센서 유닛 구동 의복의 형태로 도시되었는데, 이는 사용자 인터페이스(user interface) 장치(예컨대 스마트폰, 헤드셋(headset), HUD 아이웨어(eyeware), 망막 투사장치 등)와 함께, 복수의 모션 센서 유닛 및 POD 장치를 구비한다.

도 1A의 예에서 사용자는, 내용 관리 및 공급 플랫폼(103)으로부터 내용을 다운로드하여, 그 내용이 최종 사용자 장비(104)를 통해 실행되도록 한다. 예를 들어 이는, 성능 센서 데이터(PSD)에 기초하여(예컨대, 스노우보딩과 같이 신체적 활동의 특정의 폼에 관련된 기능), 특정한 기능의 성능을 모니터링할 수 있도록 하는 내용을 포함할 수 있다. 어떤 실시예에서, 이는 도 1A의 예와 함께 제공되고, 장비(104)는 미디어 관리 플랫폼(105)을 포함하는 하나 또는 그 이상의 내용 상호작용 플랫폼(105)과 상호작용하도록 구성된다. 이는 어떤 경우에 있어서, 미디어 내용의 관리와 관련된 부가적인 기능성을 제공해주는 외부(웹-기반 및/또는 로컬 컴퓨터 하드웨어를 통해 공급되는) 플랫폼이고, 특히, 하나 또는 그 이상의 하드웨어(104)에 의해 생성된 성능 센서 데이터(PSD)를 통해 확인된 기능 성능과, 미디어 데이터(예컨대 비디오 데이터)를 상호관련시키는 기능을 제공한다.

도 1A은, 기능 분석 단계와(이에 의해 확인될 기능과 최종 사용자 하드웨어를 통해 측정된 증상의 분석이 실행된다), 내용 생성 및 공급 단계와(상기 기능 분석 단계로부터의 데이터 처리 기법을 최종 사용자가 경험하도록 하기 위해, 소프트웨어 제품과 내용에 내장한다), 그리고 최종 사용자 공급 단계(최종 사용자 하드웨어가 신체적 특성을 분석하도록 작동되어, 기능 및 증상을 확인하도록 한다)를 포함하는 기술 공급의 복수의 단계를 나타낸 것임을 이해하여야 한다. 미디어 관리 기능은, 상기 최종 사용자 공급 단계에서 주로 발생한다.

<도전 및 경쟁적 활동을 통한 게임화 - 개관>

상기한 바와 같이, 본 출원의 촛점은 모션-기반 기능의 게임화이다. 예를 들어 이는, 모션 센서 유닛(또는 성능 센서 유닛의 다른 형태)을 포함하는 최종-사용자 하드웨어의 사용자가 도전 등에 참가하고, 모션 센서 유닛으로부터 얻어진 기능 성능에 기초하여 평가받는 것을 가능하게 한다. 여기서 개시된 기술은 복수-사용자 경쟁 활동의 제공과 관련된 것이다. 어떤 실시예에서 이는, 예컨대 경쟁적 활동의 사용자-구동 생성을 가능하게 하는 오써링 인터페이스(authoring interface)와 같은 툴(tool)을 포함하고, 그러한 경쟁적 활동이 분포된 사용자들에게 이용가능하게 하는 플랫폼(platform)을 포함한다.

전체적으로, 여기에 개시된 경쟁적 활동은 인간 성능의 모니터링에 기반을 두고 있다. 아래에 고려된 예에서, 이러한 성능은 모션 센서 유닛 구동 의복과 같은 모션 감지 하드웨어를 통해 모니터된다. 이는 적절히 구성된 처리 장치가, 상기 모션 센서 유닛으로부터 얻어진 입력에 기초하여, 모션-기반 성능의 특성을 결정하는 것을 가능하게 한다. 예로서 이는, 수행된 특정 기능의 결정, 그리고 그러한 기능의 특성(예를 들면 증상)을 결정하는 것을 포함한다. 상기 특성은, 예컨대 힘, 속도, 정확도, 높이 등과 같은 성능 인자와 선택적으로 관련될 수 있다.

아래에 기재된 어떤 실시예에서는 위치-특정의 경쟁적 활동에 촛점을 맞추었다. 즉 특정의 경쟁적 활동은 특정 위치에 관련되어 있다. 실제적인 예로 스케이트 파크(skate park)가 있다; 특정의 파크에서 "가장 높은 공기", "가장 연속적으로 성공하는 킥플립(kickflip)"과 같은 도전이 규정될 수 있다. 이는 사용자에게 다른 사람과 경쟁하는 것을 가능하게 하고, 평상 시간에 해당 시설에 참석할 필요가 없도록 하며, 다른 사람을 개인적인 수준에서 알 필요가 없도록 한다. 오히려 적절한 스케이트 파크에 있을 때, 사용자는 규정된(예컨대 다른 사용자들에 의해) 도전을 확인할 수 있고, 그/그녀 자신의 신체적 성능의 하드웨어-기반 모니터링을 통해 경쟁할 수 있다.

일 실시예는, 모션 센서 유닛 구동 의복과 같은 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가, 경쟁적 활동에 참가할 수 있도록 하는 방법을 제공한다. 상기 방법은, 서버 장치에서, 복수의 "도전 데이터 세트"를 관리하는 것을 포함한다. 도전 데이터 세트는, 경쟁적 활동을 기술하기 위해 포괄적으로 사용되는 용어인, 특정의 "도전"을 규정하는 데이터의 세트이다. 각 도전 데이터 세트는, 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자에 의해 시도되도록 구성되는 도전 활동의 대표이다. 예를 들어 상기 도전은, 규정된 목표를 달성하기 위하여 하나 또는 그 이상의 기능을 특정의 방식으로 수행하는 것을 포함한다.

각 도전 데이터 세트는, (ⅰ) 하나 또는 그 이상의 도전 기능의 데이터 데표와; 그리고 (ⅱ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표를 포함한다. 전체적으로, 상기 도전 기능은 도전의 부분(즉 수행될 기능)을 형성하는 기 규정된 기능이고, 상기 경쟁 파라미터는 사용자들이 어떻게 평가될 것인지를 규정한다(예컨대, 목표가 주어진 기능을 수차례 수행하는 것인지, 특정의 특성을 최대화하도록 주어진 기능을 수행하는 것인지 등에 대해).

하나 또는 그 이상의 각 도전 기능은 기능-특정의 구조 데이터와 관련되어 있다. 이 기능-특정 구조 데이터는 최종 사용자 하드웨어에 다운로드되어, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 모션 센서 데이터(MSD)에 기초하여, 상기 최종 사용자 하드웨어가, 도전 기능의 성능 이벤트를 확인하고 분석하는 것이 가능하도록 한다. 아래에서 좀더 상세히 설명하는 바와 같이, 상기 기능-특정 구조 데이터는 센서 구조 데이터를 포함하는 것이 바람직하다(센서 구조 데이터는 모션 센서 유닛을 형성하여 규정된 방식으로 모션 센서 데이터를 수집하고, 상태 엔진 데이터는, 모션 센서 데이터를 처리하여 기능 성능을 확인하고 증상/특성을 결정한다).

그리고 상기 방법은, 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가, 주어진 도전 활동에 참가하는 것을 가능하게 한다. 사용자가 주어진 도전 활동에 참가하도록 하는 것은, (ⅰ) 최종-사용자 하드웨어의 사용자가, 하나 또는 그 이상의 도전 기능에 대해 기능-특정 구성 데이터를 적용하도록 하는 것과; 그리고 (ⅱ) 적용된 기능-특정 구성 데이터에 기초하여, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 데이터를 분석하여, 하나 또는 그 이상의 경쟁 파라미터에 대해 평가하는 것을 포함한다.

어떤 실시예는, 활동-저자(activity-author) 사용자가 경쟁적 활동에 대해 도전 데이터를 규정하도록 구성되는 오써링 인터페이스(authoring interface)를 제공하는 것을 포함한다. 이러한 방식에 의해, 도전 내용이 사용자에 의해 규정되고, 복수-사용자 경쟁 활동의 사용자-구동 협력이 가능하게 된다.

예시적인 구조가 도 1에 도시되어 있다. 박스 140은, 고객 장치 101 및 모션 센서 유닛 구동 의복 102를 포함하는 활동 저자 장비를 예시적으로 나타낸 것이다.

고객 장치 101은, 예컨대 소유 앱(app) 또는 웹 브라우저 애플리케이션(web browser application)을 통해, 활동-오써링 사용자 인터페이스가 가능하도록 구성된다. 고객 장치 101이 모바일 장치로 도시되었지만, 스마트폰, 태블릿, 노트북/랩탑 PC, 데스크탑 PC, 게임 콘솔 등을 포함하는 다른 형태의 고객 장치들이 실행을위해 사용될 수 있다. 본 실시예에서 고객 장치 101은, 센서 구동 의복 102와 소통하도록 구성된다. 센서 구동 의복 102와 관련된 예시적 하드웨어 및 기술은 아래에서 설명될 것이다.

박스 130은 예시적인 활동-참가자(activity-participant) 사용자의 장비를 나타낸 것으로, 이는 고객 장치와 모션 센서 유닛-구동 의복을 포함한다. 이러한 사용자들은, 이용가능한 활동을 관찰하고, 이러한 활동에서 그들의 참가 결과를 검토하기 위해, 그들 각각의 고객 장치를 이용한다. 상기 참가는, 성능 분석을 가능하게 하는(아래에 기술된 온-보드(on board) 처리 능력 또는 다른 수단에 의해) 센서 구동 의복의 이용에 의해 가능해진다.

아래에서 좀더 상세히 기술되는 바와 같이, 활동-저자 사용자들 및 활동-참가자 사용자들은, 그들 각각의 장비를 통해, 다른 사용자들(활동-참자가 사용자로 활동하는)에 의한 참여가 가능하도록 하기 위해, 사용자(활동-저자 사용자로 활동하는)에 의해 승인된 활동을 가능하게 하는 경쟁 서버 110과 소통을 한다.

여기서 상기 "경쟁 활동(competitive activity)"과 "도전(challenge)"이라는 용어는, 서로 교환 가능하도록 일반적으로 사용되었다. 즉 "도전"이라는 용어는 경쟁 활동을 표현하기 위해 사용되었다. 그렇지만 "경쟁 활동"이라는 용어는, 통상적으로 "도전"이라는 용어와 관련된 활동의 범위를 넘어설 수 있는 다양한 실시예에 의해 제공되는 활동 범위를 나타내기 위해 사용되었다.

<기능 분석 단계 - 개관>

상기한 바와 같이, 기능 분석 단계가 실행되어, 이에 의해 최종 사용자 공급 단계에서 확인되고 분석될 기능이 분석된다. 즉 기능이 검토되는 예비적 단계가 구비되어, 성능 센서 데이터(모션 센서 데이터와 같은)를 통해 어떻게 자동으로 확인되고 분석될지를 결정한다. 이러한 단계의 결과는, 최종 사용자 하드웨어(예컨대 모션 센서 유닛 구동 의복 및 이와 관련된 처리 장치)의 구성 및/또는 최종 사용자 하드웨어의 모션 센서 유닛(MSU)으로부터 얻어진 로 데이터(raw data) 또는 부분적으로 처리된 데이터를 수신하도록 구성되는, 서버측 처리 장치를 구성하는데 사용된다.

어떤 실시예에서, 상기 기능 분석 단계는 다음의 분석을 포함하는 것이 바람직하다:(ⅰ) 기능 특성의 결정, 예를 들어, 수행되는 기능의 대표적 특성(특히 최종 사용자 기능이 기능 확인을 포함하는 것과 관련된 특성)의 결정과, 증상 및 원인(특히 최종 사용자 기능이, 예컨대 기능 훈련 형태에서 기능 수행 분석을 포함하는 것과 관련되는 것)과 같이, 기능이 수행되는 방식을 대표하는 특성의 결정, 그리고 (ⅱ) 기능 특성(수행되는 기능, 그리고 증상/원인과 같은 그 기능 수행의 특성)의 자동화된 확인을 가능하게 하여, 최종 사용자 하드웨어(모션 센서 유닛과 같은 성능 센서 유닛)가 자동화된 기능 분석을 위해 구성되도록 하는, 관찰가능한 데이터 상태(ODC)의 확정.

기능 분석 단계의 속성은, 주어진 기능의 속성(예를 들어 모션-기반 기능과 오디오-기반 기능 간)에 따라 현저히 변화된다. 예를 위한 목적으로, 예시적인 실시예가, 모션-기반 기능의 상황에서 기능 분석 단계와 관련하여 설명될 것이다. 즉 실시예는, 신체적 활동의 분석을 참조하여, 신체에 장착된 모션 센서 유닛으로부터 데이터를 모니터하는 POD 장치를 형성하는 데 사용되는, 관찰가능한 데이터 상태를 결정할 것에 대해 설명될 것이다. 본 예는, 비교적 도전적이고 복잡한 내용에서 조정된 기능 분석의 대표로 선정되었으며, 모션 기반 기능에 대해 효과적인 관찰가능한 데이터 상태를 용이하게 생성하기 위해, 새롭고 진보적인 다양한 기술적 접근법들이 발전되어 왔다. 여기에 기재된 방법의 모든 측면이, 모든 실시예에 나타나 있거나, 모든 동작의 형태로 사용된 것은 아니다. 상기 기술은, 복잡성의 변화(예컨대 성능, 코칭, 및 모니터링의 관점에서)와 함께, 신체적 동작의 광범위한 범위에 적용될 수 있다. 그렇지만 여기에 설명된 방법은, 예컨대 개인적 및 팀 스포츠 형태로 수행된 기능과 같이, 광범위한 동작에 걸쳐 적용될 수 있다.

이하, 특정의 신체적 활동(즉 특정의 기능)인 "로잉(rowing)"과 관련된 구체적인 예를 참조하여, 상기 방법 및 기술을 상세히 설명한다. 로잉은, 편리하게 그대로 설명하기 위한 목적으로 선택되었으며, 특정의 동작을 참조하여 기술된 기법이 다른 동작에도 즉시 이용될 수 있음을 이해할 수 있을 것이다(예컨대 축구공을 차는 특정한 폼, 골프 클럽의 스윙, 스노우보드 상에서의 곡예 조종 등).

일반적으로, 주어진 신체적 동작의 관찰가능한 데이터 상태를 결정하는 데에는 다양한 접근법이 있다. 이는, 다음을 포함하지만 이에 한정되지는 아니한다:

● 2차적인 기술을 이용하여 모션 센서 데이터의 이해를 간소화하는 것.

예컨대 아래에 제공된 예는, 모션 캡쳐 데이터(MCD)와 모션 센서 데이터(MSD)의 조합을 이용하는 접근법을 설명한다. 모션 캡쳐 데이터는, 주로 모션 캡쳐 기술(예컨대 강력한 고속 카메라)의 확립된 특성 때문에 사용되고 있고, 반면에 모션 센서 기술은 현재 효율적인 면에서 지속적으로 발전되고 있다. 확립된 모션 캡쳐 데이터 분석 기술의 사용은, 모션 센서 데이터의 이해 및/또는 확인과 모션 센서 데이터의 관찰에 도움을 준다.

● 모션 캡쳐 데이터의 도움이 없는 모션 센서 데이터의 직접적인 사용.

예컨대, 모션 센서 데이터는, 데이터를 캡쳐하는 의미에서, 모션 캡쳐 데이터와 유사한 방식으로 사용되어, 모션 캡쳐 데이터로부터 관행적으로 생성되는 것과 유사하게(예를 들어 몸체 아바타(avatar)와 골격 조인트에 기초하여), 3차원 형상 모델을 생성한다. 이것은 모션 캡쳐 데이터에서의 정확성과 신뢰성에 대한 한계 수준을 가정한 것임을 이해하여야 한다. 이는 어떤 실시예에 의해 달성될 수 있고, 이로써 모션 캡쳐 데이터의 도움이 불필요하도록 할 수 있다.

● 기계적 학습 방법

예컨대 모션 센서 데이터 및/또는 모션 캡쳐 데이터가, 객관적으로 규정된 성능 결과 데이터(예를 들어, 로잉의 경우에는 파워 출력; 골프의 경우에는 볼 방향 및 궤적)와 함께, 복수의 샘플 수행을 위해 수집된다. 기계적 학습 방법은, 관찰가능한 데이터 상태와 기능 수행의 효과간의 관계를 자동적으로 규정하도록 하기 위해 실행된다. 이러한 접근은, 충분한 샘플 크기와 함께 실행될 때, 컴퓨터가 관찰가능한 데이터 상태를 확인하여, 기능 수행 출력을 예측하도록 한다. 예를 들어, 모션 센서 데이터(또는 모션 캡쳐 데이터)의 샘플 기능 수집을 이용한 골프 스윙 동작의 기계적 학습에 기초하여, 스윙 기능에 영향을 주는 관찰가능한 데이터 상태가, 객관적으로 규정된 결과의 분석을 이용하여 자동적으로 확인되어, 최종 사용자 하드웨어(예컨대 모션 센서 유닛 장착 의복)를 이용한 최종 사용자 스윙과 관련하여, 신뢰성 있는 자동적 결과의 예측을 가능하게 한다.

● 최종 사용자로부터의 분석 데이터의 원격 수집

예를 들어 최종 사용자 장치는 "기록" 기능을 구비하여, 최종 사용자에 의해 각각 수행된 특정 기능의 모션 센터 데이터의 대표를 기록하는 것을 가능하게 한다(선택적으로, 사용자 자신에 의해 확인된 증상 등의 정보와 함께 기록된다). 상기 기록된 데이터는, 중앙 처리 장치로 전송되어, 복수의 사용자들에 대해 주어진 기능(또는 특별한 증상을 갖는 특정의 기능)에 대한 모션 센서 데이터를 비교하도록 하여, 그 기능(및/또는 증상)에 대한 관찰가능한 데이터 상태를 확인한다. 예를 들어 이는, 그 데이터 상의 공통성을 확인하는 것에 의해 달성된다.

다른 접근법들이 사용될 수도 있는데, 이는 모션 센서 데이터를 확인 및/또는 도움을 주기 위해 비 모션 센서 데이터를 이용하는 접근법과, 샘플 사용자 그룹을 규정하고 분석하기 위해 다른 기술을 실행하는 다른 접근법을 포함할 수 있다.

상기 첫번째 예가, 특정의 실시예를 참고하여 아래에서 좀 더 상세히 설명될 것인데, 이 실시예는, 객관적인 전문가 코칭 지식이, 기능 훈련 프로그램의 형태로 사용될 증상 및/또는 원인에 대한 관찰가능한 데이터 상태를 개발하는데 기여하도록 한 것이다.

<기능 분석 단계 - 샘플 분석의 예>

일 실시예에 있어서, 훈련될 각 기능에 대하여, 하나 또는 그 이상의 샘플 기능 분석을 사용하여 그 기능에 포함된 동작의 최초 분석을 수행하고, 이에 의해 최선의(optimal) 기능과 차선의(sub-optimal) 기능 사이의 차이를 결정할 필요가 있다(이에 따라 최선의 기능을 향한 코칭을 가능하게 한다). 일반적으로, 이는 시각적 분석과 함께 시작되며, 이어서 하나 또는 그 이상의 중간 프로세스에서, 모션 센서 데이터의 분석(관찰가능한 데이터 상태인 ODC를 위한 모니터링을 가리킨다)으로 변환된다.

여기에서 설명된 기법은, 복수의 샘플 주체에 의해, 주어진 기능에 대한 신체적 수행의 데이터 대표를 획득하는 것을 포함한다. 각각의 기능 성능에 대해, 상기 데이터는 바람직하게 다음을 포함한다:

(ⅰ) 하나 또는 그 이상의 캡쳐 각도에서, 하나 또는 그 이상의 캡쳐 장치에 의해 캡쳐된 비디오 데이터. 예컨대 로잉(rowing)의 경우에는 측면 캡쳐 각도와 후면 캡쳐 각도를 포함할 수 있다.

(ⅱ) 사용가능한 모션 캡쳐 테크닉을 이용한 모션 캡쳐 데이터(MCD). 이점에 있어서, "모션 캡쳐"라 함은, 캡쳐 장치가, 예컨대 대상물의 정해진 위치에 장착된 시각 마커(visual marker)를 이용하여, 동작의 데이터 대표를 캡쳐하는 데 사용되는 기술을 가리킨다. 비콘(Vicon)에 의해 제공되는 캡쳐 기술이 그 예이다(본 발명자/출원인과 비콘 간의 관련은 언급되지 않았다).

(ⅲ) 하나 또는 그 이상의 신체-장착 모션 센서를 이용한 모션 센서 데이터(MSD)

각 경우에 있어서, 바람직한 접근법은 (ⅰ) 로 데이터(raw data)와, 그리고(ⅱ) 처리 정도에 따른 데이터를 모두 저장하는 것이다. 이는 특히 모션 센서 데이터에 해당하는 것이며, 로 데이터는, 새로운/향상된 가공 알고리즘이 적용되어, 최종 사용자의 기능을 향상시킬 수 있도록 반복적으로 재처리될 수 있다.

전체적으로 볼 때 일반적 개념은, 비디오 데이터(이는 실제 환경에서 코치하는데 가장 유용하다)와 모션 센서 데이터(이는 궁극적인 최종 사용자 기능을 위해 요구되는 것으로, 모션 센서 유닛 장착 의복으로부터 얻어진 데이터의 분석을 통해 코치하는 것을 포함한다) 사이의 징검다리로서, 모션 캡쳐 데이터를 사용하는 것이다. 모센 센서 데이터는, (ⅰ) 잘 개발되어 있고 신뢰성 있는 기술이며; 그리고 (ⅱ) 신체 부분의 정확한 상대적 운동을 모니터하기 아주 적합하다;는 점에 있어서, 유용한 징검다리이다.

상기 전체적인 기법은 다음의 단계를 포함한다: (ⅰ) 선택된 주체(subject)에 의한 샘플 기능의 데이터 대표(data representative)의 수집, (ⅱ) 비디오 데이터를 이용한 하나 또는 그 이상의 코치에 의한 샘플 기능의 시각적 분석, (ⅲ) 하나 또는 그 이상의 코치에 의해 만들어진 시각적 관찰을 모션 캡쳐 데이터 공간으로 변환, 그리고 (ⅳ) 상기 모션 캡쳐 데이터 관찰을 기초로 모션 센서 데이터를 분석하여, 상기 모션 센서 데이터의 공간에서, 실질적인 의미에서 하나 또는 그 이상의 코치 관찰의 대표인, 관찰가능한 데이터 상태를 확인. 이러한 단계 각각이 아래에서 좀 더 상세히 설명될 것이다. 이는 도 2A에서 블록 201 내지 204에 의해 도시되어 있다.

다른 방법들이 도 2B(이는 비디오 데이터의 수집을 생략하고, 대신 모션 센서 데이터를 이용해 생성된 디지털 모델을 통해 시각적 분석이 수행된다), 도 2C(이는 모션 센서 데이터만이 사용되고, 모션 센서 데이터에 기초한 컴퓨터 생성 모델을 이용하여 시각적 분석이 달성된다), 도 2D(여기에는 시각적 분석이 없고, 단지 샘플 사이의 유사점과 차이점을 확인하기 위해, 단지 모션 캡쳐 데이터의 데이터 분석만 있다) 및 도 2E에 도시되어 있고, 도 2E는 모션 센서 데이터를 통한 기계적 학습을 이용하고 있다(모션 센서 데이터는 샘플 기능을 위해 수집되고, 결과 데이터에 기초하여 데이터 분석이 행해지며, 그 샘플 기능의 하나 또는 그 이상의 결과 파라미터(parameter)를 객관적으로 측정하며, 기계적 학습에 기초하여 관찰가능한 데이터 상태가 규정되어, 관찰가능한 데이터 상태에 기초하여 결과의 예측이 가능하도록 한다).

"하나 또는 그 이상의" 코치의 관점에서, 일 실시예에서는, 복수의 코치가 주어진 기능의 분석 및 코칭에 대하여 일치된 위치를 규정하고, 다른 경우에 있어서는, 복수의 코치가 코치-특정의 내용을 규정하기 위해 선택적으로/부가적으로 사용된다. 후자는, 최종 사용자가, 좀 더 넓은 코칭 합의에 기초하여 코칭을 선택하도록 하거나, 특정 코치의 특별한 관점에 기초하여 코칭을 선택하도록 한다. 상업적 실행의 실질적 수준에서, 후자는 고급 내용의 제공(선택적으로 높은 가격대)을 위한 기초로 제공될 수 있다. "코치(coach)"라는 용어는, 코치로서 자격이 있는 사람이나, 당면한 목적을 위해 코칭 능력을 이용하고 있는 사람(운동선수 또는 전문가)을 나타내는데 사용될 수 있다.

<기능 분석 단계 - 주체 선택 예>

주체(subject)의 선택은, 주어진 기능에 대하여 대표적인 주체의 그룹을 선택하는 것을 포함한다. 예시적인 실시예에서, 샘플 선택은 다음 파라미터(parameter)의 하나 또는 그 이상에 대해 표준화하기 위해 수행된다:

(ⅰ) 능력 레벨. 바람하게는 복수의 주체가 선택되어, 능력 레벨의 범위에 걸쳐 적절한 대표가 되도록 한다. 이는, 알려진 능력 레벨의 세트를 초기에 결정하고, 각 레벨에 대하여 적절한 주체의 수를 확보하며, 제1 샘플 그룹을 분석하고, 상기 분석에 기초하여 그 그룹 내에서 능력 레벨 대표를 확인하며, 낮게 나타난 능력 레벨에 대해서는 선택적으로 샘플 그룹을 확장하거나, 다른 접근법을 포함할 수 있다. 여기에 기술된 실시예에서, 사용자 능력 레벨은, 자동화된 코칭 프로세스의 복수의 레벨에서 중심적인 것이다. 아래에 서술된 바와 같이, 사용자 능력 레벨의 최초 평가는, 예를 들어, 모니터하기 위한 관찰가능한 데이터 상태의 관점에서, POD 장치가 어떻게 구성되어야 하는지를 결정하기 위해 사용된다. 문맥상으로, 초심자에 의한 실수는 전문가에 의한 실수와 다른 것이다. 더욱이, 사용자의 실제 능력 레벨에 따라 코칭을 제공하는 것이 유리하며, 예컨대, 처음에 초심자 레벨에서 최상의(또는 최상에 가까운) 성능을 달성하도록 하는 훈련을 제공하고, 이어서 좀 더 높은 레벨에서 최상의(또는 최상에 가까운) 성능을 달성하도록 하는 훈련을 제공하는 것이 유리하다.

(ⅱ) 신체 사이즈 및/또는 형상. 일 실시예 또는 어떤 기능에서, 신체 사이즈 및/또는 형상은, 기능의 동작 특성에 직접적인 영향을 줄 수 있다(예를 들어, 증상의 관찰가능한 특성의 참조에 의해). 선택적인 접근법은, 샘플을 확장하여 복수의 각 신체 사이즈/형상이, 각 능력 레벨을 대표하도록 하는 것이다. 아래에 설명된 바와 같이, 일 실시예에서 신체 사이즈/형상의 표준화가, 데이터-구동 샘플 확장 방법에 의해 번갈아가면서 달성된다. 요컨대, 복수의 모션 캡쳐 데이터/모션 센서 데이터 세트가, 수집된 데이터에 기 규정된 변형을 적용하는 것에 의해, 각 사용자 성능에의 샘플에 대해 확정되도록 하여, 다양한 신체 사이즈 및/또는 형상의 범위에 걸쳐 그 데이터를 변환시키도록 한다.

(ⅲ) 스타일. 사용자는 성능에 실질적으로 영향을 주지 않는 독특한 스타일을 가질 수 있다. 바람직하게 샘플은, 스타일에 대해 표준화를 가능하게 할 충분한 대표를 포함하고, 증상의 관찰 특징이 스타일에 대해 독립적이 되도록 하는 것이 바람직하다. 이는, 성능 기반 방식에서의 코칭(coaching)이 개인적 스타일의 관점으로부터 독립되도록 한다. 그러나 일 실시예에서는, 적어도 증상의 선택이 스타일 특유의 방식으로 규정된다. 예컨대, 이는 코칭이 특정의 스타일을 적용하는 것을 가능하게 한다(예를 들어 특정의 운동선수 스타일을 따라 코칭하는 것).

간편화를 위해, 아래의 기재는 복수의 능력 레벨에 대한 표준화에 집중하였다. 실시예에서, 각 능력 레벨에는 "m" 능력 레벨(AL₁ 에서 AL_m 까지)과, "n" 주체(SUB₁ 에서 SUB_n 까지)가 있다. 즉 전체적으로 m*n 주체가 있다. 각 개인적 능력 레벨에서, 주체의 수는 동일할 필요가 없다(예컨대 일 실시예에서, 주어진 능력 레벨에서 추가적인 주체가 관찰되어, 더 많은 신뢰성 있는 데이터를 얻도록 할 수 있다).

기 언급한 바와 같이, 일 실시예에서 샘플은, 예컨대 추가적인 데이터가 바람직한 것인지를 확인하는 것에 기초하여, 시간이 지나면서 확장될 수 있다.

<기능 분석 단계 - 성능 영역 정의 예>

일 실시예에서, 각 테스트 주체(각 AL₁ - AL_m 에서 SUB₁ - SUB_n)는, 정해진 성능 영역을 수행한다. 일 실시예에서, 상기 성능 영역은 복수의 능력 레벨에 걸쳐 일정하다; 다른 실시예에서는, 특정의 성능 영역이 각 능력 레벨에 대해 규정된다. 일 실시예에서 성능 영역은, 변화하는 강도 레벨에서의 성능을 포함하는데, 어떤 강도 레벨은 능력 레벨의 한계점 이하에서 부적절할 수 있다.

일 실시예는, 주어진 기능에 대해 분석 성능 영역을 규정하는 프로세스를 제공한다. 이 영역은, 샘플 데이터 수집을 목적으로, 각 주체에 의해 수행될 복수의 신체적 기능 성능을 규정한다. 바람직하게, 분석 성능 영역은, 규정된 숫자의 세트를 수행하도록 안내하는 것에 의해 규정되며, 각 세트는 규정된 세트 파라미터(set parameter)를 가지고 있다. 상기 세트 파라미터는 다음을 포함하는 것이 바람직하다:

(ⅰ) 각 세트에 대한 다수의 반복.

예를 들어, 세트는 n회의 반복을 포함할 수 있고(n≥1), 상기 주체(subject)는 규정된 파라미터로 그 기능을 반복적으로 시도한다.

(ⅱ) 반복 설명

예를 들어 반복 사이에 얼마나 쉬어야 하는지.

(ⅲ) 강도 파라미터

예를 들어, 세트는 일정한 강도로 수행될 수 있고(동일한 강도 I_c로 REP₁ 에서 REP_n 까지 반복), 강도를 감소시키면서( I₁ 〉 I₂ 일때, 강도 I₁ 으로 REP₁ 을 반복 수행하고, 이어서 강도 I₂ 로 REP₂ 수행) 수행될 수 있으며, 강도를 증가시키면서(I₁ 〈 I₂ 일때_, 강도 I₁ 으로 REP₁ 을 반복 수행하고, 이어서 강도 I₂ 로 RER₂ 수행) 수행될 수도 있고, 좀 더 복잡한 강도 프로파일에서 수행될 수도 있다. 강도가 규정되는 방식은 그 활동에 의존한다. 예를 들어, 속도, 힘, 빈도 등과 같은 강도 파라미터가 사용될 수 있다. 일 실시예에서 그러한 측정은, 객관적인 측정 및 피드백을 가능하게 한다. 대안으로서, 주관적인 최대 강도 퍼센트(예컨대 최대의 50%)가 있는데, 이는 주관적이기는 하지만 가끔 효과적이다.

예로서, erg 기계(실내용 로잉 장비 형태)에서 로잉(rowing) 동작 기능을 분석하기 위한 분석 성능 영역은, 다음과 같이 규정될 수 있다:

● 세트 간에 5분을 휴식하고 6세트를 수행(SET₁ 에서 SET₆ 까지).

● 각 세트를 8번 연속적으로 반복 수행(REP₁ 에서 RER₂ 까지).

● 강도 파라미터: SET₁ 강도=100W; SET₂ 강도=250W; SET₃ 강도=400W; SET₄ 강도=550W; SET₅ 강도=700W; SET₆ 강도=850W.

이하 로잉의 예가 계속 설명될 것이다. 그렇지만 이는 대표 기능이 단지 설명의 목적으로만 제공된 것이며, 그 기본적인 원리는 광범위한 기능에 걸쳐 적용될 수 있다.

<기능 분석 단계 - 데이터 수집 프로토콜의 예>

본 실시예에서는, 상기 성능 영역에서 각 사용자의 종료 데이터가 수집되고 저장된다. 고려될 중요한 데이터의 예는 다음을 포함한다:

(ⅰ) 하나 또는 그 이상의 캡쳐 장치에 의해 하나 또는 그 이상의 각도에서 캡쳐된 비디오 데이터. 예컨대, 하나 또는 그 이상의 정면, 후면, 측면, 반대측면, 평면, 그리고 기타 카메라 각도가 사용될 수 있다.

(ⅱ) 적용 가능한 모션 캡쳐 기법을 이용한 모션 캡쳐 데이터(MCD).

(ⅲ) 하나 또는 그 이상의 신체에 장착된 모션 센서를 이용한 모션 센서 데이터(MSD).

데이터 수집이 수행되는 조건을 조정하여, 샘플 간 고도의 일치성과 비교성을 달성하도록 하는 것이 바람직하다. 예를 들어, 이는 주체(subject)의 위치, 그 주체에서 모션 센서 유닛의 정확한 위치선정 등에 도움을 주도록, 마커(marker) 등을 사용하여 카메라의 위치가 일치되도록 하는 기법을 포함할 수 있다.

수집된 데이터는 하나 또는 그 이상의 데이터베이스에 정리되어 저장된다. 메타데이터(metadata)도 수집되고 정리되어, 추가적인 내용을 제공한다. 더욱이 일 실시예에서, 상기 데이터는 가공되어 중요한 이벤트(event)를 확인한다. 특히, 이벤트는, 모션-기반 이벤트를 위해 자동적으로 및/또는 수동적으로 태그(tag)될 수 있다. 예를 들어, 주어진 기능의 반복은, 시작, 종료 그리고 하나 또는 그 이상의 중간 이벤트와 같은 복수의 동작 이벤트를 포함할 수 있다. 이벤트는, 단계의 선호, 볼이 접촉되는 순간, 로잉 동작에서의 중요점 등을 포함할 수 있다. 이러한 이벤트들은, 각 데이터 세트에 규정될 수 있고, 또는 비디오 데이터, 모션 캡쳐 데이터 및 모션 센서 데이터를 따라 동기화될 수 있는 스케쥴에 규정될 수도 있다.

<기능 분석 단계 - 데이터 동기화의 예>

데이터의 각 형태는 동기화도록 구성되는 것이 바람직하며, 다음은 그 예이다:

● 비디오 데이터와 모션 캡쳐 데이터는 동기화되어, 비교 검토할 수 있도록 하는 것이 바람직하다.

이는, 나란한 검토(이는 다른 각도에서 캡쳐된 비디오/모션 캡쳐 데이터의 비교 분석에 특히 유용하다)와, 예컨대 부분 투명도를 이용하는(이는 공통의 각도에서 캡쳐된 비디오/모션 캡쳐 데이터에 특히 유용하다) 겹침 검토를 포함할 수 있다.

● 모션 센서 데이터는 동기화되도록 구성되어, 복수의 모션 센서 유닛으로부터의 데이터가, 공통의 시간 참조와 관련하여 변환/저장된다. 이는 일 실시예에서, 각 모션 센서 유닛이, 그 지역 시간에 관련한 시간 및/또는 세계 시간에 관련한 시간을 참조한 데이터의 대표를, POD 장치에 공급하는 것에 의해 달성된다. 분배된 노드(node)에 의해 공급된 데이터의 시간 동기화를 위한 다양하고 유용한 동기화 기법이, 미디어 데이터 동기화를 포함하는 다른 정보 기술 환경에 알려져 있다.

상기 동기화는 시간-기반(time-based) 동기화인 것이 바람직하나(이에 의해 데이터는 공통의 시간 참조로 표준화되도록 구성된다), 이에 한정되지 아니한다. 일 실시예에서, 이벤트-기반(event-based) 동기화가, 시간-기반 동기화에 추가되거나, 대안으로서 사용된다(또는 시간-기반 동기화를 돕는 수단으로서 사용된다).

이벤트-기반 동기화는, 모션 캡쳐 데이터 또는 모션 센서 데이터와 같은 데이터가, 이벤트의 데이터 대표(data representative)를 포함하는 프로세스를 가리킨다. 상기 이벤트는, 전형적으로 그 데이터에 대한 지역 타임라인(timeline)에 관련하여 규정된다. 예를 들어, 모션 캡쳐 데이터는 0:00:00에서 시작점을 갖는 비디오 파일을 포함하고, 이벤트는 그 시작점에 관련된 시점에 규정된다. 이벤트는, 자동적으로 규정되거나(예컨대 미리 규정된 관찰가능한 신호 등과 같이, 소프트웨어 프로세스에 의해 확인될 수 있는 이벤트를 참조하여) 수동적으로 규정될 수 있다(예컨대, 특정의 이벤트가 발생하는 시점을 확인하기 위해, 그 데이터를 수동으로 시각적으로 검토하는 동안 비디오 데이터를 마킹하는 것에 의해).

모션 캡쳐 데이터에서, 하나 또는 그 이상의 성능 이벤트에 기초하여 동기화가 가능하도록 하기 위해, 데이터에 표시를 하는 것이 바람직하다. 예컨대 로잉(rawing)의 경우에는, 로잉 동작에 다양한 확인가능한 동작점을 표시하여, 이에 의해 동작점의 공통성에 기초하여, 비디오 데이터의 동기화가 가능하도록 한다. 이는 다른 샘플 사용자들의 비디오 데이터와 비교할 때 특히 유용하다: 이는 그러한 사용자들 사이의 다른 동작의 비율을 확인하는 데 도움을 준다. 일 실시예에서, 동작점 기반 동기화는 복수의 지점에 기반을 두고 있고, 비디오 비율이 조정되어(즉 속도가 증가 또는 감소되어), 두개의 다른 샘플(즉 다른 사용자, 다른 반복, 다른 세트 등)에 대한 비디오 데이터에서, 2개의 공통된 동작점이 나란히 보여지도록 하여(또는 겹치도록 하여), 이들 동작점 간에 발전의 동일한 비율을 보여줄 수 있다. 예를 들어, 한 사람이 1초의 스트로크(stroke) 시간을 가지고 있고, 다른 사람이 1.2초의 스트로크 시간을 가지고 있는 경우, 동작점 기반 동기화가 적용되어, 후자가 1초로 축소되도록 함으로써, 두 사람의 동작 간에 좀 더 직접적인 비교가 가능하도록 한다.

<기능 분석 단계 - 데이터 확장 방법의 예>

일 실시예에서, 모션 센서 데이터 및/또는 모션 캡쳐 데이터(MCD)는, 각 주체(subject)에 대하여 데이터 확장 프로세스를 통해 변환되어, 다른 신체 특성을 갖는 복수의 "가상 주체(virtual subject)를 형성한다. 예를 들어, 복수의 다른 신체 사이즈에 기초하여, 각 모션 캡쳐 데이터 및/또는 모션 센서 데이터 점(data point)이 변환되도록 한다. 이는 특정의 신체 사이즈를 갖는 주체로부터의 기능을 캡쳐하여, 다른 신체 사이즈를 반영한 복수의 샘플 기능으로 확장되는 것을 가능하게 한다.

"신체 사이즈"라는 용어는, 키, 상반신 길이, 다리 상부길이, 다리 하부길이, 히프 폭, 어깨 폭 등의 특성을 가리킨다. 실제로 이러한 특성들은, 마커(marker)와, 모션 캡쳐 데이터(MCD) 및 모션 센서 데이터(MSD) 수집에 사용되는 모션 센서 유닛(MCU)의 이동 경로 및 상대적 위치를 변경한다는 것을 이해할 수 있을 것이다. 데이터 확장은, 모든 샘플 수행자로부터 수집된 데이터가, "표준" 신체 사이즈를 가진 가상의 수행자에 의해, 하나 또는 이상의 가상 성능을 포함하는 가상 성능 세트로 확장될 수 있다는 점에서, 신체 사이즈 표준화에서도 유용하다. 일 실시예에서, 단일의 "표준" 신체 사이즈가 규정된다. 표준 신체 사이즈의 사용과, 그 표준 신체 사이즈에 대한 샘플 성능으로부터, 모션 캡쳐 데이터와 모션 센서 데이터를 변환하는 것은, 복수의 샘플 수행자의 다른 신체 사이즈에도 불구하고, 모션 캡쳐 데이터와 모션 센서 데이터의 직접적인 비교를 가능하게 한다.

<기능 분석 단계 - 시각적 분석 방법의 예>

도 2A에 블록 202로 도시한 바와 같이, 기능 분석 방법의 예는, 비디오 데이터를 통한 샘플 성능의 시각적 분석을 포함한다. 다른 실시예에서, 상기 비디오 분석은, 모션 캡쳐 데이터 및/또는 모션 센서 데이터로부터 얻어진 컴퓨터-계산 모델을 사용하여, 비디오 데이터의 대안으로서, 또는 비디오 데이터에 부가하여 수행된다. 아래의 예가 비디오 데이터에 기초한 검토에 집중되었지만, 그러한 예는 제한적이지 않으며, 다른 실시예에서 상기 비디오 데이터는, 모션 캡쳐 데이터 및/또는 모션 센서 데이터에 기초하여 구동되는 모델을 대신한다.

시각적 분석은 다양한 목적을 위해 수행되는데, 여기에는 기능의 예비적 이해 및 그 기능의 구성, 증상의 초기 확인, 그리고 규정된 분석 계획에 기초한 개인샘플 기능의 분석을 포함한다.

도 3은 일 실시예에 따른 사용자 인터페이스(user interface)(301)의 예를 나타낸다. 특별히 적용된 소프트웨어가 모든 실시예에 사용된 것은 아니라는 점을 이해할 수 있을 것이다. 도 3의 예는, 시각적 분석 프로세스에 특별히 사용되는 중요한 기능을 설명하기 위하여 제공된 것이다.

사용자 인터페이스(301)는, 저장된 비디오 데이터를 재생하도록 구성된 복수의 비디오 디스플레이 대상(302a - 302d)을 포함한다. 일 실시예에서, 비디오 디스플레이 대상의 수는, 예컨대 (ⅰ) 주어진 샘플 성능에 대한 비디오 캡쳐 카메라 각도와, 각 각도에 제공된 비디오 디스플레이 대상의 수와, 그리고 (ⅱ) 사용자 제어에 기초하여 변화된다. 사용자 제어의 관점에서, 사용자는, 성능 레벨(복수의 비디오 각도에 대해, 복수의 비디오 디스플레이 대상이 일괄적으로 구성된 경우) 또는 개별적 비디오 기반(예컨대 하나 또는 그 이상의 샘플 성능으로부터 특정의 각도를 선택한 경우) 중의 하나에서, 디스플레이될 비디오 데이터를 선택할 수 있다. 각 비디오 디스플레이의 대상은, 단일의 비디오를 디스플레이 하거나, 복수의 비디오를 동시에 디스플레이 하도록 구성된다(예컨대 두개의 비디오가 투명도를 가지고 서로 겹쳐져, 겹침과 차이를 시각적으로 관찰할 수 있도록 한다). 재생 내용 디스플레이(304)는, 비디오 디스플레이 대상에서 무엇이 보여지고 있는지를 상세하게 제공한다.

대상 302a 부터 302d에 디스플레이되는 비디오 데이터는, 예컨대 시간 동기화에 의해 동기화된다. 통상의 스크롤 바(scroll bar)(303)가, 복수의 동기화된 비디오(기 언급한 바와 같이, 각 비디오 디스플레이 대상에서 복수로 겹쳐진 비디오 대상을 포함할 수 있다)를 통해 동시에 내비게이션(navigation)이 가능하도록 구비된다. 일 실시예에서, 시간 동기화와 동작 이벤트 기반의 동기화 사이를 이동하도록 하기 위해, 토글(toggle)이 구비된다.

내비게이션 인터페이스(305)는, 사용자가 이용가능한 비디오 데이터를 검색할 수 있도록 한다. 이 데이터는 바람직하게, 복수의 특성 참조에 의해 분류되도록 형성되어, 원하는 성능 및/또는 비디오의 확인이 가능하도록 한다. 예를 들어, 하나의 접근법은, 먼저 기능에 의해 분류하고, 이어서 능력 레벨에 의해 분류하며, 이어서 사용자에 의해 분류하는 것이다. 바람직한 실시예에서, 사용자는 성능 비디오 데이터 및/또는 개인적 비디오를, 비디오 디스플레이 대상으로 드래그(drag) 및 드롭(drop)할 수 있다.

도 3은 관찰 기록 인터페이스(306)를 부가적으로 나타내고 있다. 이는 사용자가 관찰을 기록(예컨대 완전한 체크리스트, 노트 작성 등)하도록 하여, 보여지는 성능 데이터 세트와 관련되도록 할 수 있다. 복수의 성능 데이터 세트가 보여질 때, 마스터 세트(master set)를 구비하여, 하나 또는 그 이상의 겹쳐진 비교 세트 및 관찰이, 상기 마스터 세트와 관련되도록 하는 것이 바람직하다.

<기능 분석 단계 - 시각적 분석을 통한 증상 확인의 예>

일 실시예에서, 복수의 전문가(예컨대 코치)가, 샘플 성능을 검토하기 위해 참여하여 증상을 확인하도록 한다. 다른 실시예에서는, 이 과정이 관찰 기록 인터페이스(306)를 제공하는 사용자 인터페이스(301)와 같은 인터페이스에 의해 용이하게 수행된다. 전문가로부터 지식을 추출하는 예시적은 방법은 PCT/AU2016/000020에 기재되어 있다.

<기능 분석 단계 - 관찰가능한 데이터 상태(즉 상태 엔진 데이터)의 예>

전문가/코치에 의한 시각적 분석 이후, 기능 분석 단계는 데이터 분석 서브단계(sub-phase)로 넘어가서, 샘플 기능의 시각적 분석으로부터 얻어진 전문가 지식이, 모션 센서 데이터를 자동으로 검출할 수 있도록 하는, 관찰가능한 데이터 상태(ODC)를 규정하기 위해 분석된다. 예를 들어, 그러한 관찰가능한 데이터 상태는, 추후 최종 사용자 하드웨어(예컨대 POD 장치)에 다운로드 되는 상태 엔진 데이터(state engine data)에 사용되어, 최종 사용자의 신체적 성능에서 특정 증상의 검출을 나타내는 입력에 기초하여, 훈련 프로그램이 작동되도록 한다. 주어진 증상에 대한 관찰가능한 데이터 상태를 규정하기 위해, 다양한 실시예에서 다른 방법이 사용된다는 것을 이해할 수 있을 것이다. 일 실시예에서 일반적인 방법은 다음을 포함한다:

(ⅰ) 모션 센서 데이터의 분석을 수행하여 데이터 특성(예컨대 가속 비율 및 방향)의 조합을 확인함으로써, 시각적 분석의 결과가 증상의 존재를 가리키도록 예측;

(ⅱ) 샘플 성능(예컨대 실제로 기록된 모션 센서 데이터를 사용하여)의 데이터 대표에 대한 데이터 특성을 테스트하여, 이러한 데이터 특성이, 관련된 증상을 표시하는(선택적으로 특정의 능력 레벨 기반에서) 모든 샘플 성능에 존재하는 지를 확인; 그리고

(ⅲ) 샘플 성능(예컨대 실제로 기록된 모션 센서 데이터를 사용하여)의 데이터 대표에 대한 데이터 특성을 테스트하여, 이러한 데이터 특성이, 관련된 증상을 표시하지 않는(선택적으로 특정의 능력 레벨 기반에서) 모든 샘플 성능에 존재하지 않는 지를 확인.

실시예는 다음을 포함하나, 이에 한정되지는 아니한다:

● 시각적 분석과 모션 센서 데이터 간의 징검다리로서, 모션 캡쳐 데이터를 사용하는 접근법.

● 시각적 분석으로부터 모션 센서 데이터로 직접 이동하는 접근법.

● 개별 센서로부터 획득된 데이터에 기초하여, 관찰가능한 데이터 상태를 규정하는 접근법.

● 모션 센서 데이터로부터 구축된 가상의 신체 모델을 사용하여, 전체적인 신체 움직임에 기초하여 관찰가능한 데이터 상태를 규정하는 접근법.

위 예의 선택이 아래에 상세히 기재되어 있다.

일 실시예에서, 관찰가능한 데이터 상태가 조정되어, 최종 사용자 하드웨어를 효율적으로 사용하게 하며, 이는 예컨대, 모션 센서 유닛 및/또는 POD 장치에서, 프로세서/파워가 덜 집중적인, 관찰가능한 데이터 상태를 규정하는 것에 의해 달성될 수 있다. 예를 들어, 이는 샘플링 비율, 데이터 해상도 등의 관점에서 적절할 수 있다.

<기능 분석 단계 - 시각적 관찰의 모션 센서 데이터 공간으로의 변환 예>

상기한 바와 같이, 일 실시예에서 모션 캡쳐 데이터는, 시각적 관찰과 모션 센서 데이터 분석 사이의 징검다리로서 사용될 수 있다. 이는 모션 센서 데이터(예컨대 도전은, 모션 센서 데이터를 일반적인 기하학적 참조 프레임으로 변환하는 것과 연관된다)에 기초하여, 가상의 신체 모델을 정확하게 규정하는 것과 관련된 도전을 피하는데 유용하게 사용될 수 있다.

전체적으로 상기 프로세스는, 주어진 증상에 대해, 그 증상을 나타내도록 표시된 기능과 관련된 모션 캡쳐 데이터를 분석하는 것을 포함한다. 일 실시예에서, 이러한 분석은 능력 레벨 특정 기반에서 수행된다(동작으로부터 증상이 관찰되는 범위는, 능력 레벨 사이에서 변화할 수 있다는 것에 주의하여야 한다). 예를 들어, 상기 분석은, 관련된 증상을 나타내는 샘플에 대한 모션 캡쳐 데이터(모션 캡쳐 데이터로부터 획득된 컴퓨터 구동 모델 등)를 증상을 나타내지 않는 샘플에 대한 모션 캡쳐 데이터와 비교하는 것을 포함할 수 있다.

도 5는 본 발명에 따른 방법을 나타내고 있다. 이것은 단지 예시적인 것이며, 유사한 목적 달성을 위해 다양한 다른 방법들이 선택적으로 사용된다는 것을 이해할 수 있을 것이다. 블록 501은, 분석을 위해 증상을 결정하는 프로세스를 나타낸다. 예컨대, 로잉(rowing)의 경우에 상기 증상은 "스내치드 아암(snatched arm)"일 수 있다. 블록 502는, 분석을 위해 샘플 데이터를 확인하는 프로세스를 나타낸다. 예컨대, 상기 샘플 데이터는 다음을 포함할 수 있다:

● 증상과 관련된 모든 반복에 대한 모션 캡쳐 데이터.

● 특정의 강도 파라미터에서, 증상과 관련된 모든 반복에 대한 모션 캡쳐 데이터. 즉 상기 분석은, 특정의 강도 파라미터에서 증상이(다른 강도 파라미터와 대조적으로) 어떻게 나타나는지를 고려한다.

● 특정의 능력 레벨에서, 증상과 관련된 모든 반복에 대한 모션 캡쳐 데이터. 즉 상기 분석은, 특정의 능력 레벨에서 증상이(다른 능력 레벨과 대조적으로) 어떻게 나타나는지를 고려한다.

● 특정의 강도 파라미터 및 특정의 능력 레벨에서(즉 상기 2개의 접근법을 결합하여), 증상과 관련된 모든 반복에 대한 모션 캡쳐 데이터.

다른 접근법이 사용될 수도 있다. 일 실시예에서, 강도 및 능력과 같은 인자의 효과를 더 잘 이해하도록 하기 위해(주어진 증상에 대해 관련이 있는지 또는 무관한지를 나타내도록 하기 위해), 상기한 복수의 접근법이 결합되어 사용될 수도 있다.

여기서 사용된 모션 센서 데이터는, 표준 신체 사이즈로 표준화된 모션 센서 데이터인 것이 바람직하며, 예컨대 상기한 샘플 확장 기법에 기반을 둘 수 있다. 마찬가지로, 상기 프로세스로부터 획득된 관찰가능한 데이터 상태는, 샘플 확장의 변환 원리를 사용하여 그로부터 표준화되어, 다양한 범위의(잠재적으로 무한하게 변화할 수 있는) 신체 사이즈에 적용될 수 있다.

기능 블록 503은, 잠재적 증상 예측 동작(SIM)의 확인을 포함하는 프로세스를 나타낸다. 이는 예를 들어, 관련된 증상을 나타낼 것으로 예측된 각 샘플 반복에 대하여, 모션 캡쳐 데이터에서 관찰할 수 있는 동작의 특성을 확인하는 것을 포함한다. 일 실시예에서, 예측 동작은, 모션 센서 유닛이 장착된 신체 부위의 동작 경로의 특성에 의해 규정된다. 상기 동작 경로의 특성은, 각도의 유사성, 각도의 변화, 가속/감속, 가속/감속의 변화 등을 포함할 수 있다. 여기서 이를 "점 경로 데이터(point path data)"라 하며, 이는 신체상에 규정된 지점에서 동작 특성의 데이터 대표를 말한다. 이점에 있어서, 잠재적 증상 예측 동작은, 하나 또는 그 이상의 "점 경로 데이터"에 의해 규정된다(즉 상기 증상 예측 동작이 단지 하나의 신체부분 동작에 기초한 경우, 점 경로 데이터는 한 세트이고, 상기 증상 예측 동작이 상부 팔 및 하부 팔과 같이 복수의 신체부분 동작에 기초한 경우에는, 점 경로 데이터가 복수의 세트가 된다).

문맥상, 점 경로 데이터의 세트는, 주어진 지점에 대해 다음의 데이터를 포함하도록 규정된다:

● X-축 가속도: 최소:A, 최대:B

● Y-축 가속도: 최소:C, 최대:D

● Z-축 가속도: 최소:E, 최대:F

가속도가 아닌 다른 데이터가 사용될 수도 있다. 더욱이 복수의 가속도 측정이 있을 수 있고, 이는 다른 이벤트 및/또는 측정에 대해 시간이 참조될 수 있다. 예를 들어, 점 경로 데이터의 한 세트는, 다른 점 경로 데이터 세트의 관찰에 따르는 규정된 시간을 참조하는 것에 의해 제한될 수도 있다. 이는, 다리 상부 지점과 팔뚝 지점의 상대적인 운동을 고려하는 증상 예측 동작을 규정하기 위하여 사용될 수도 있다.

기능 블록 504는, 잠재적인 증상 예측 동작이 비교 데이터에 의해 테스트되는 테스트 프로세스를 나타낸 것이다. 일 실시예에서, 상기 테스트는 다음 사항을 입증한다:

(ⅰ) 점 경로 데이터의 하나 또는 그 이상의 세트가, 샘플 데이터에서의 각 반복에 대하여 모션 캡쳐 데이터에서 관찰된다. 이는, 동작하도록 의도된 샘플에서 증상의 존재를 확인한다는 관점에서, 상기 잠재적인 증상 예측 동작이 효과적이라는 것을 입증한다.

(ⅱ) 점 경로 데이터의 하나 또는 그 이상의 세트가, 관련된 증상과 연관되지 않은 반복에 대하여 모션 캡쳐 데이터에서 관찰되지 않는다. 이는 상기 증상이 존재하지 않을 경우, 상기 잠재적인 증상 예측 동작이 작동되지 않는다는 것을 입증한다.

결정 505는, 상기 잠재적 증상 예측 동작이, 505에서의 테스트에 기초하여 확인되는지 여부에 대한 결정을 나타낸다.

잠재적 증상 예측 동작이 성공적으로 확인되지 않을 경우, 이는 개선되고 다시 테스트된다(블록 506 참조). 일 실시예에서, 개선 및 다시 테스트하는 것은, 쌍방의 알고리즘을 통해 자동화된다. 이는 예를 들어, 이전에 미리 규정된 잠재적 증상 예측 동작을 이루는 점 경로 데이터를, 관련된 증상이 나타나지 않은 기능 반복에 대한 모션 캡쳐 데이터를 참조하는 것에 의해, 독특한 것으로 확인할 수 있는 지점까지 좁혀 나간다. 일 실시예에서, 주어진 증상 예측 동작은, 반복의 한계치를 따라 확인되지 않을 수 있고, 증상 예측 동작의 새로운 시작 지점이 요구될 수 있다.

블록 507은, 성공적인 테스트에 뒤따르는 증상 예측 동작의 확인을 나타낸다.

일 실시예에서, 상기 샘플 데이터가, 관련된 증상과 연관된 모든 반복에 대한 전체 모션 캡쳐 데이터의 부분일 때, 데이터는, 상기 증상 예측 동작이 전체 모션 캡쳐 데이터의 다른 부분에서도 확인되는 지의 여부를 표시하기 위해 생성된다(예컨대 상기 증상 예측 동작은, 첫번째 능력 레벨에서의 분석에 기초하여 획득되지만, 두번째 능력 레벨에서도 유효하다).

잠재적 증상 예측 동작을 결정하는 프로세스는, 주로 수동 프로세스일 수 있음을 이해하여야 한다(예컨대 비디오 분석 및/또는 모델 데이터로부터 얻어진 모션 캡쳐 데이터에 기초하여). 그렇지만 일 실시예에서, 상기 프로세스는 다양한 레벨의 자동화에 의해 도움을 받는다. 예를 들어 일 실시예에서, 증상을 나타내는 모션 캡쳐 데이터에서의 모션 캡쳐 데이터의 공통성을, 증상이 없는 모션 캡쳐 데이터에서의 모션 캡쳐 데이터와 비교하는 것에 기초하여, 알고리즘이 잠재적인 증상 예측 동작을 확인하도록 구성될 수 있다. 일 실시예에서 그러한 알고리즘은, 잠재적인 증상 예측 동작(각 증상 예측 동작은, 모션 캡쳐 데이터 공간 또는 모션 센서 데이터 공간에서, 하나 또는 그 이상의 점 경로 데이터 세트에 의해 규정된다)의 수집을 규정하도록 형성되어, 다른 모든 샘플 성능에 관하여(샘플 성능이 신체 사이즈에 대해 표준화되어), 증상을 디스플레이하는 샘플 성능 세트의 독특성을 포괄적으로 규정한다. 일 실시예에서, 알고리즘은, 선택된 증상 또는 증상의 집합에 공통되는 모든 모션 캡쳐 데이터를 포함하는, 데이터 세트의 대표를 출력하도록 구성되고, 그 데이터 세트의 필터링이 가능하도록 하여(예컨대, 특정의 센서, 동작 내에서의 특정 시간 창, 데이터 해상도 제한 등에 기초하여), 이에 의해 최종 사용자 하드웨어에서 실제적인 적용이 가능하도록 하는 잠재적 증상 예측 동작으로, 그 데이터 세트를 사용자 안내 방식으로 좁힐 수 있도록 한다(예컨대 최종 사용자에게 공급된 모션 센서 유닛 장착 의복의 모션 캡쳐 데이터에 기초하여).

일 실시예에서, 상기 테스트 프로세스는, 시각적 분석이 성공적이지 않을 경우, 반복하여 증상을 확인할 수 있도록 하기 위해 부가적으로 사용된다. 예를 들어, 테스트 실패의 수가 작은 경우에는, 이는 그 증상이 실제로 없는지 또는 약하게 나타나는지의 여부를 확인하기 위해, 시각적 분석에 따르도록 한다.

<기능 분석 단계 - 모션 캡쳐 데이터 공간의 모션 센서 데이터 공간(관찰가능한 데이터 상태)으로의 변환 예>

도 5에 도시된 것과 같은 방법에 의해 확인된 증상 예측 동작은, 이어서 모션 센서 데이터 공간으로 변환된다. 상기한 바와 같이, 각 증상 예측 동작은, 하나 또는 그 이상의 점 경로 데이터 세트의 데이터 대표를 포함하고, 점 경로 데이터 의 각 세트는, 신체의 규정된 지점에 대한 동작 특성을 규정한다.

점 경로 데이터가 규정된 신체의 지점은, 모션 센서 유닛이 장착된 지점에 대응되도록 규정되는 것이 바람직하며, 모션 센서 유닛은, (ⅰ) 샘플 수행 동안 주체(subject)에 의해 착용된 모션 센서 유닛의 배치, 그리고 (ⅱ) 최종 사용자에 의해 사용되는 모션 센서 유닛 구동 의복의 형태로 장착된다. 일 실시예에서, 상기 최종 사용자의 모션 센서 유닛 구동 의복(또는 그 변형)은, 샘플 수행의 목적으로 사용된다.

점 경로 데이터가 모션 센서 유닛이 장착된 곳이 아닌 다른 지점에 대해 규정된 경우에는, 데이터 변환이 수행되어, 점 경로 데이터를 그 지점으로 조정하는 것이 바람직하다. 대안으로서, 그러한 변환은 후속 단계로 통합될 수 있다.

전체적으로, 샘플 데이터(도 5에서 블록 502의 샘플 데이터)에서 하나 또는 그 이상의 샘플 수행 반복에 대한 모션 센서 데이터가 분석되어, 그 점 경로 데이터에 대응되는 데이터 특성을 확인하도록 한다. 예를 들어, 상기 점 경로 데이터는, 참조 프레임(바람직하게 중력의 참조 프레임)과 관련된 하나 또는 그 이상의 규정된 동작 및/또는 가속방향의 범위를 나타낼 수 있다.

일 실시예에서, 모션 캡쳐 데이터 공간에서 획득된 증상 예측 동작(a)으로부터 모션 센서 데이터 공간을 규정하는 데이터(b)로의 변환은, 다음을 포함한다:

(ⅰ) 점 경로 데이터의 각 세트에 대해, 증상 예측 동작이 관련된 각 샘플 수행에 나타나며, 그 점 경로 데이터의 대표를 나타내는 모션 센서 데이터의 특성을 확인하는 것. 어떤 경우에 있어서는, 점 경로 데이터와 모션 센서 데이터 사이의 관계가, 예컨대 모션 센서 데이터의 속성에 기인하여 불완전하다. 그러한 경우, 상기 확인된 모션 센서 데이터 특성은, 상기 점 경로 데이터에 의해 규정된 동작보다 더 광범위할 수 있다.

(ⅱ) 도 5의 504-506 블록의 반복 테스팅과 유사한 프로세스에 의해, 규정된 모션 센서 데이터 특성을 확인하여, 규정된 모션 센서 데이터 특성이, 증상-표시 샘플 수행에 대해서는 모션 센서 데이터에서 일관되게 발견되고, 모든 증상-부재 샘플 수행에 대해서는 발견되지 않는다는 것을 확인하는 것.

모션 센서 데이터 공간으로 변환하는 프로세스는, 수집 단계(예컨대 도 2A의 블록 201) 동안 사용된 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 데이터에서 관찰될 때, 증상의 존재를 표시하는 데이터 상태가 된다. 즉, 상기 변환 프로세스는, 그 증상에 대한 관찰가능한 데이터 상태(ODC)가 된다.

이런 방식으로 규정된 관찰가능한 데이터 상태는, 하나 또는 그 이상의 센서에 대해 개별적인 센서 데이터 상태로 규정된다. 예를 들어, 관찰가능한 데이터 상태는, 규칙과 결합하여(예컨대 시간 규칙: 센서 X가 A를 관찰하고, 규정된 시간 근접 범위 내에서 센서 X가 B를 관찰) 각 센서에서의 속도 및/또는 가속도 측정에기초하여 관찰될 수 있다.

이어서 상기 관찰가능한 데이터 상태(ODC)는, 최종 사용자 장치로 다운로드할 수 있도록 구성된 상태 엔진 데이터(state engine data)로 통합될 수 있고, 이에 의해 그 최종 사용자 장치의 구성이, 관련된 증상을 모니터할 수 있도록 한다.

상기한 변환 프로세스에 의해 규정된 관찰가능한 데이터 상태는, 데이터 수집 단계에서 사용된 모션 센서 유닛에 독특한 것임을 이해할 수 있을 것이다. 이러한 이유로, 최종 사용자에 의해 사용될 수집 단계 동안에, 동일한 모션 센서 유닛과 모션 센서 유닛 위치(예컨대 동일한 모션 센서 유닛 구동 의복을 통해)를 이용하는 것이 편리하다. 그렇지만 일 실시예에서는, 최종 사용자 모션 센서 유닛 구동 의복이, 예컨대 다른 모션 센서 유닛 및/또는 다른 모션 센서 유닛 위치와 같이, 복수의 버전일 수 있다. 그러한 경우, 모션 센서 데이터 공간으로의 변환은, 각 의복 버전에 대해 개별적으로 수행될 수도 있다. 이는, 가상 모션 센서 유닛 구조(특정의 최종 사용자 장비에 대응하는)의 가상 적용에 의해, 공지의 데이터 변환 및/또는 수집된 테스트 데이터의 모델링을 적용하는 것에 의해 달성될 수 있다. 예를 들어, 후자와 관련하여, 모션 센서 데이터로부터 얻어진 가상 모델이, 하나 또는 그 이상의 가상 모션 센서 유닛을 지지하는 근거로 선택적으로 사용되어, 증상 예측 동작에 대응하는 컴퓨터-예측 모션 센서 유닛 리딩(reading)을 결정할 수 있다. 이에 의해, 하드웨어 발달에 기초하여 관찰가능한 데이터 상태를 다시 규정할 수 있는 능력을 제공하고, 분석 단계를 통해 수집된 데이터가, 그러한 상황에서 계속 다시 사용될 수 있다는 것을 이해할 수 있을 것이다.

예시적인 프로세스가 도 6에 나타나 있는데, 이는 모션 센서 데이터 분석에 기초하여, 관찰가능한 데이터 상태 또는 생성된 증상 예측 동작을 규정하기 위한 프로세스이다. 검증된 증상 예측 동작이 601에서 확인된다. 점 경로 데이터의 첫번째 세트가 602에서 확인되고, 이는 블록 603 에서 608로 표시된 프로세스에 의해 분석되어, 각 점 경로 데이터에 대해 루프(loop)를 형성한다. 이 루프 프로세스는, 점 경로 데이터에 대응하는 잠재적 모션 센서 데이터 특성을 확인하는 것을 포함한다. 이는 예를 들어 일 실시예에서, 수집된 모션 센서 데이터(모션 캡쳐 데이터와 모션 센서 데이터는, 시간 동기화를 위해 구성된 방식에 의해 저장되어 있다)의 전부 또는 일부에 대한 점 경로 데이터와 마찬가지로, 동일한 지점에 대하여 수집된 모션 센서 데이터를 처리하는 것을 포함한다. 이어서 604에서 테스트가 수행되고, 605에서, 확인된 모션 센서 데이터 특성이 샘플 수행에 의해 수집된 모든 증상-존재 모션 센서 데이터에 존재하고 있는 지의 여부를 결정한다(일 실시예에서는, 모션 센서 데이터 특성이, 증상 없는 모션 센서 데이터에 존재하고 있지 않은지를 확인한다). 필요시, 606에서 개선이 수행되거나, 607에서 모션 센서 데이터의 특성이 입증된다. 증상 예측 동작의 점 경로 데이터의 모든 세트에 대해, 블록 603에서 608까의 루프 프로세스가 완성되면, 입증된 모션 센서 데이터 특성은 609에서 결합되어, 이에 의해 그 증상에 대한 잠재적 관찰가능한 데이터 상태를 규정한다. 이 과정 또한 블록 610에서 613 까지의 프로세스를 통해 테스트되고, 개선되고 입증되어, 그 잠재적 관찰가능한 데이터 상태가: (ⅰ) 관련된 증상이 실제 존재하여 관련된 모든 샘플 수행 모션 센서 데이터에서 확인되었는지, 그리고 (ⅱ) 관련된 증상이 존재하지 않아 관련된 모든 샘플 수행 모션 데이터에서 확인되지 않았는지를 확인한다(어떤 경우에 있어서, "관련"이라는 용어는, 분석이 능력 레벨 등에 의해 제한되는 것을 나타낸다).

다양한 대안적 방법들이 다른 실시예에 사용되어, 주어진 증상에 대해 관찰가능한 데이터 상태를 규정할 수 있다는 것을 이해할 수 있을 것이다. 그렇지만 본질적으로 모든 경우에 있어서, 상기 방법은, 분석을 수행하여 그에 의해 증상이 존재하는 경우에는, 샘플 수행에 대해 모션 센서 데이터(수집 또는 가상으로 규정된 데이터)에서 관찰가능한 데이터 상태를 규정할 수 있고, 증상이 존재하지 않는 경우에는, 샘플 수행에서 관찰가능한 데이터 상태를 규정할 수 없다.

<기능 분석 단계 - 모션 캡쳐 데이터 공간을 통한, 시각적 관찰의 모션 캡쳐 데이터 공간으로의 대체 변환>

다른 실시예에서, 모션 캡쳐 데이터는 가상의 신체 모델을 생성하기 위해 사용되고, 그 모델은 시간-동기화된 모션 센서 데이터와 관련된다. 그러한 방식에서는, 기능 수행 동작의 특정의 지점에서, 하나 또는 그 이상의 선택된 모션 센서 유닛을 사용함으로써 분석이 수행될 수 있다.

이 단계에서 사용된 모션 센서 유닛은, 특정 성능에 대한 모션 센서 데이터이거나, 또는 유사한 성능(예컨대 규정된 능력 레벨에서, 표준화된 신체 사이즈에 의한 성능)의 일부에 걸쳐 집합된 모션 센서 데이터일 수 있다. 상기한 집합은 다음의 하나 또는 모두를 포함할 수 있다: (ⅰ) 모든 성능의 부분에서 유사한/동일한 모션 센서 데이터만을 이용하거나, 그리고 (ⅱ) 데이터 가치의 범위를 규정하여, 집합된 모션 센서 데이터가 성능 부분에 대해, 모든(또는 통계적으로 관련된 부분의) 모션 센서 데이터를 포함할 수 있다. 예들 들어, 후자와 관련하여, 제1 성능에 대한 모션 센서 데이터는, 특정 시점에서 특정 센서의 X-축 가속에 대한 값 A를 가질 수 있고, 제2 성능에 대한 모션 센서 데이터는, 특정 시점에서 특정 센서의 X-축 가속에 대한 값 B를 가질 수 있다. 특정 시점에서, 그 특정 센서의 X-축 가속에 대한 값이 A와 B 사이에서 규정될 때, 이들은 집합된 모션 센서 데이터로 합쳐질 수 있다.

따라서, 분석은 다음의 내용을 결정하기 위해 수행될 수 있다:

(ⅰ) 특정의 기능에 대해, 동작의 특정 지점에서, 특정의 센서에 대한 하나 또는 그 이상의 모션 센서 데이터(예컨대 가속도계 값)의 관점에 대한 값.

(ⅱ) 동작의 동일 지점에서, 다른 성능에서의 값을 비교하는 비교 데이터(예컨대 동일한 능력 레벨에서 동일한 증상을 나타내는 다른 성능).

(ⅲ) 성능 세트에 대해(예컨대 동일한 능력 레벨에서 동일한 증상을 나타내는 다른 성능), 동작의 특정 지점에서, 특정의 센서에 대한 하나 또는 그 이상의 모션 센서 데이터(예컨대 가속도계 값)의 관점에 대한 값의 범위.

(ⅳ) 특정 증상을 나타내지 않는 다른 하나 또는 그 이상의 성능에 대한 대응 모션 센서 데이터와 비교하여, 특정의 증상을 갖는 특정의 성능에 대해, 동작의 특정 지점에서, 특정의 센서에 대한 하나 또는 그 이상의 모션 센서 데이터(예컨대 가속도계 값)의 관점에 대한 비교 데이터.

이러한 분석은, 주어진 증상에 대해 예측되는, 관찰가능한 데이터 상태를 결정하는데 사용된다.

예측되는 관찰가능한 데이터 상태가 규정되면, 이는 도 7에 도시된 바와 같은 방법을 사용하여 테스트 될 수 있다. 특정의 증상에 대해 예측되는 관찰가능한 데이터 상태는 701에서 결정되고, 이어서 702에서, 샘플 성능에 대한 모션 센서 데이터에 대해 테스트가 행해진다. 이전의 예와 같이, 이 테스트는, 증상을 표시하는 관련 성능에 대해, 예측되는 관찰가능한 데이터 상태가 존재하는지, 그리고 증상을 표시하지 않은 관련 성능에 대해, 관찰가능한 데이터 상태가 존재하지 않는지를 확인하기 위해 사용된다. 예를 들어, 상기 관련된 성능은, 일반적인 능력 레벨에서 샘플 성능이 되고, 어떤 경우에는 상기 관련된 성능이 표준 신체 사이즈로 표준화된다. 이 테스트에 기초하여, 상기 관찰가능한 데이터 상태는 704에서 개선되고, 705에서 확인된다.

<기능 분석 단계 : 다른 접근법>

상기 기능 분석 단계와 관련한 다양한 추가적 대안 접근법 및 기법이 PCT/AU2016/000020에 기재되어 있다. 이러한 기법/접근법 및 다른 기법/접근법이, 여기에서 논의된 미디어 관리를 위한 실시예에서 선택적으로 사용된다.

<다운로드가능한 내용 데이터 구조의 예>

바람직한 실시예에서, 다운로드가능한 내용은 다음의 3가지 데이터 타입을 포함한다:

(ⅰ) 센서 구조 설명의 데이터 대표(data representative). 이를 "센서 구조 데이터(sensor configuration data)"라 칭한다. 이 데이터는, 하나 또는 그 이상의 성능 센서 유닛의 세트를 구성하여, 특정한 특성을 갖는 센서 데이터를 공급한다. 예를 들어, 센서 구조 데이터는, 주어진 모션 센서 유닛이: 활성/비활성 상태를 적용하고(및/또는 규정된 프롬프트(propmpt)에 대응하여 이 상태 사이에서 진행하고); 규정된 프로토콜(protocol)(예컨대 샘플링 비율 및/또는 해상도)에 기초하여, 하나 또는 그 이상의 센서 구성부품으로부터 센서 데이터를 공급하도록 하는 설명을 포함한다. 주어진 훈련 프로그램은 센서 구조 데이터의 복수의 세트를 포함할 수 있으며, 이는 각각의 훈련에 대해 적용된다(또는 관찰가능한 데이터 상태 모니터링에서 특별한 형태를 유발하는, 내부-프로그램 이벤트에 대한 반응으로). 어떤 실시예에서, 복수 세트의 센서 데이터 구조는, 최종 사용자 하드웨어의 다른 배치에 있어, 특정의 관찰가능한 데이터 상태(ODC)의 확인이 최적화되도록 규정된다. 예를 들어, 최종 사용자 하드웨어의 어떤 배치는, 추가적인 성능 센서 유닛 및/또는 더 발전된 성능 센서 유닛을 가질 수 있다. 바람직한 실시예에서, 센서 구조 데이터는, 관찰가능한 데이터 상태의 모니터링을 할 때의 데이터 처리 과정에서, 효율을 증가시키기 위해, 성능 센서 유닛에 의해 공급된 데이터를 최적화하도록 규정된다. 즉 특정의 관찰가능한 데이터 상태에 대하여, 내용(content)의 특별한 요소가 있는 경우, 상기 센서 구조 데이터는, 이러한 관찰가능한 데이터 상태의 확인에 불필요한 센서 데이터를 제거하도록 규정된다.

(ⅱ) 하나 또는 그 이상의 연결된 센서의 세트로부터 얻어진 입력 데이터를 처리하여, 하나 또는 그 이상의 연결된 센서에 의해 감지된 신체적 성능을 분석하도록 하기 위한 성능 분석 장치(예컨대 POD 장치)를 형성하는 상태 엔진 데이터(state engine data). 특히 이는, 공급된 내용과 관련된 하나 또는 그 이상의 관찰가능한 데이터 상태의 세트를 모니터링하는 것을 포함한다. 예를 들어 내용(content)은, 성능 센서 유닛에 의해 공급된 데이터에서, 특정의 관찰가능한 데이터 상태를 관찰하는 것에 기초한 로직(logic)에 의해 구동된다.

(ⅲ) 신체적 성능의 분석에 대응하여, 사용자에게 피드백 및 설명을 제공하기 위한(예컨대 훈련 프로그램 데이터를 포함하는 커리큘럼의 공급) 성능 분석 장치를 형성하는 사용자 인터페이스 데이터(user interface data). 어떤 실시예에서, 상기 사용자 인터페이스 데이터는, 적어도 부분적으로 웹 서버로부터 주기적으로 다운로드된다.

다운로드가능한 내용이 최종 사용자 장치에 공급되는 방식은, 실시예에 따라 변화하며, 예컨대 최종 사용자 장치의 속성, 클라우드 기반(cloud-based) 데이터의 조직적 구조 등에 기초할 수 있다. 다양한 예가 아래에 기술되어 있다.

센서 구조 데이터와 관련하여, 내용 데이터(content data)는 컴퓨터 가독 코드를 포함하는데, 이는 POD 장치(또는 다른 장치)가, 그 특정의 기능(또는 기능의 세트)에 대해 최적화된 방식으로 규정된 데이터를 제공하기 위해, 성능 센서 유닛의 세트를 구성하도록 한다. 이는 상기 POD 장치에서 수행되는 처리의 양을 감소시키는 것과 관련이 있다; 상기 센서에 의해 제공되는 데이터의 양은, 훈련되는 특정의 기능 또는 기능들의 증상을 확인하기 위해 무엇이 실제로 요구되는지에 기초하여 감소된다. 이는, 예를 들어 다음을 포함할 수 있다:

● 하나 또는 그 이상의 센서를 선택적으로(어떤 경우에는 활동적으로) 활성화/비활성화

● 개별적 센서에 대한 샘플링 비율의 세팅(setting)

● 개별적 센서에 대한 데이터 전송 비율 및/또는 데이터 배치(batch) 배열의 세팅

● 수집하는 데이터의 서브세트(subset)만을 공급하기 위한 센서의 구성

상기 POD 장치는, 훈련될 기능에 기초하여 센서에 대한 구성 설명을 제공하고, 성능 센서 유닛 구동의 훈련 프로그램을 공급하기 위해, 적용된 구성(예컨대 도 11A에서의 기능 블록 1101 및 1102)에 기초하여, 상기 센서 또는 센서들로부터 데이터를 수신한다.

어떤 경우에 있어서 상기 센서 구조 데이터는, 다른 시간에 상기 POD 장치에 구비된 다양한 부분을 포함한다. 예를 들어, 상기 POD 장치는, 모든 센서 구조에 걸쳐 포괄적인 제1세트의 코드(예컨대 그 펌웨어(firmware) 내에)를 포함할 수 있고, 이는 센서 구조가 실행되는 것에 의해 등급을 매기는 방식으로 특이성을 증가시키는, 하나 또는 그 이상의 부가적인 코드(이는, 동시에 또는 다른 시간에 다운로드될 수 있다)의 세트에 의해 추가될 수 있다. 예를 들어 하나의 접근법은, 베이스-레벨의 설명, 모션 센서 유닛의 특정 세트에 대한 설명, 그리고 훈련되고 있는 특정의 기능에 대한 이러한 모션 센서 유닛의 특정 구조에 대한 설명을 가질 수 있다.

센서들은, 훈련 내용의 공급된 기능에 대한, 특정의 모니터링 요구조건에 기초하여 구성되는 것이 바람직하다. 이는 어떤 경우에 있어서, 훈련되고 있는 특정의 동작-기반 기능(motion-based skill), 또는 훈련되고 있는 동작-기반 기능의 특정한 특성에 대해 특별한 의미를 갖는다.

일 실시예에서, 상태 엔진 데이터는, 훈련되고 있는 주어진 기능에 기초하여, 연결된 센서들(즉 성능 센서 유닛)로부터 획득된 데이터를 어떻게 처리하는지에 대한 POD 장치를 구성한다. 일 실시예에서, 각 기능은, 관찰가능한 데이터 상태(선택적으로 각 증상의 대표)와 연관되어 있고, 상기 상태 엔진 데이터는, 센서 데이터를 처리하기 위한 POD 장치를 구성하고, 특정의 관찰가능한 데이터 상태의 관찰에 기초하여, 사용자 성능의 객관적인 결정을 가능하게 만든다. 다른 실시예에서, 이는 특정의 관찰가능한 데이터 상태의 존재를 확인하는 것을 포함하고, 관련된 증상이 존재하는지를 결정한다. 어떤 경우에 있어서 이는, 그 증상과 관련된 원인 세트의 하나를 대표하는 관찰가능한 데이터 상태를 확인하기 위해, 제2의 분석을 추가적으로 유발하게 한다. 다른 실시예에서 상기 분석은, 다음 사이의 변화에 기초하는 결정을 포함한다: (ⅰ) 사용자의 성능에 기초하여 센서 데이터로부터 결정된 증상 모델 데이터, 그리고 (ⅱ) 기 규정된 기본 증상 모델 데이터 값. 이는 예를 들어, 각 증상에 대한 사용자의 성능을, 기 규정되어 있는 특성과 비교하는 것을 가능하게 한다.

일 실시예에서, 사용자 인터페이스 데이터는 부여된 데이터를 포함하여, 사용자 인터페이스를 통해, 부여된 그래픽(graphic) 내용을 제공한다. 일 실시예에서, 이러한 데이터는 POD 장치(예컨대 스마트폰 또는 다른 디스플레이 등과 같이, 비디오 데이터가 상기 POD 장치로부터 사용자 인터페이스 장치로 전달된다)상에 저장된다. 다른 실시예에서, 사용자 인터페이스를 통해 전달되도록 하기 위한 데이터 규정 그래픽 내용은, 다른 곳에 저장되고, 이는 (ⅰ) 스마트폰 상에; 또는 (ⅱ) 클라우드-기반 위치에 저장된다.

사용자 인터페이스 데이터는, 적용된 훈련 프로그램이 실행되도록 구성된 데이터를 추가적으로 포함한다. 이는, 성능 센서 유닛(예컨대 모션 센서 데이터로부터 획득된 관찰가능한 데이터 상태) 및 다른 인자(예컨대, 능력 레벨, 학습 스타일 및 정신적/육체적 상태와 같은 사용자 특성)를 포함하는 입력에 대응하는 로직/규칙을 포함한다. 다른 실시예에서, 그러한 데이터의 다운로드는, 오프라인(offline) 모드에서의 작동을 가능하게 하여, 사용자가 훈련 프로그램에 참여하기 위해, 능동적인 인터넷 연결을 불필요하게 한다.

<내용 공급 방법의 예>

일 실시예에서, 내용(content)은 온라인 장터(online marcketplace)(예컨대 클라우드 기반 플랫폼에 의해 제공된 온라인 장터)를 통해 사용자가 이용하도록 한다. 사용자는 상기 장터에 접속하여(예컨대 개인 컴퓨터 또는 모바일 장치에서 실행되는 웹 브라우저 적용에 의해) 원하는 훈련 내용을 얻는다. 획득된 내용에 기초하여 사용자는, 원하는 활동 및/또는 기능에 대해 훈련의 공급과 관련된 기능을 수행하도록, POD 장치를 구성한다(예컨대 서버가, POD 장치의 인터넷 연결을 통해, 상기 POD 장치로 코드를 직접 다운로드하도록 한다). 이러한 구성에 기초하여, 훈련 프로그램의 규칙의 세트는, 쌍방향의 훈련 프로세스를 제공하기 위해, 상기 POD 장치에서(또는 다른 실시예에서, 상기 POD 장치와 연결된 제2의 장치에서) 실행될 수 있다. 상기 쌍방향의 훈련 프로세스는, 사용자 기능의 입력 대표에 대응하여, 사용자에게 피드백/설명을 제공한다. 상기 입력은, 성능 센서 유닛으로부터 획득되어 POD 장치에 의해 처리된다. 어떤 실시예에서 상기 쌍방향의 훈련 프로세스는, 다음을 고려한 복잡한 규칙의 세트에 기초하여 작동된다:(ⅰ) 기 규정된 성능 특성과 관련하여 관찰된 사용자 성능 특성, (ⅱ) 전통적 성능 데이터를 포함하는 사용자 특성 데이터, (ⅲ) 기능 훈련 발전 경로(이는 동적인 변수일 수 있다), 그리고 (ⅵ) 다른 인자들.

본 발명은 주로, 모션 센서 세트(예컨대 의복에 결합된 착용가능한 모센 센서로, 이는 3차원에서 사용자 신체 위치의 변위를 분석하도록 구성된다)로부터 획득된 사용자 성능 데이터를 수용하는 POD 장치의 예에 집중되어 있다. 이는 예를 들어, 스포츠 또는 인간의 동작과 관련된 다른 활동과 같은 신체적 활동에 특별히 적용될 수 있다. 그렇지만, 상기 기술은 다른 형태의 센서로부터 획득된 데이터에도 동일하게 적용된다. 이 센서의 예로, 오디오, 비디오, 위치, 습도, 온도, 압력 및 기타 사항을 모니터하는 센서가 있다. 상기 센서들로부터의 데이터는, 넓은 범위의 활동 타입에 걸쳐 기능을 훈련하는데 유용하다는 것을 이해할 수 있을 것이다. 예를 들어 오디오 센서는, 언어 기능, 노래, 그리고 악기를 연주하는 훈련 활동에 대해 특히 유용하다.

일 실시예에서, 여기에 개시된 기술은, 일반적인 레벨에 있어서, 전문가의 지식을 캡쳐할 수 있고, 이로부터 코치와 학생 간의 일대일 대화를 모사할 수 있다. 이점과 관련하여, 어떤 실시예에서 상기 특징은 다음을 포함한다;

● 쌍방향 교환. 디지털 기술은, 다기능이고 높은 등급이며, 실질적으로 어떤 기능 또는 활동에도 적용될 수 있다. 센서 및 관련된 기술을 이용하여, 쌍방향 소통으로 잘 가르칠 수 있고, 실시간 코칭 경험에서, 개별적인 사용자의 스타일 및 생리기능에 적응시킬 수 있다.

● 실시간 설명. 센서들은, 동작 및 테크닉에서의 실수를 진단하고, 개인화된 촉각 및/또는 시청각의 피드백 및/또는 설명의 자동화된 공급을 가능하게 한다.

● 발전된 성능. 사용자들은, 단지 추적하는 것 이상으로 지속적으로 코치를 받는다. 성능에서의 측정 가능한 향상은, 사용자가 기록을 깨고 그 목표에 곧 높은 확신을 가지고 도달하는 것을 돕는다.

여기에 기재된 내용에 기초하여, 이러한 특징들이 다양한 실시예에 의해 어떻게 달성되는지를 알 수 있을 것이다.

기능 훈련의 내용은, 사용자 인터페이스(예컨대 그래픽 및/또는 오디오 형태)를 통해 제공된다. 상기한 바와 같이, 이것이 달성되는 다양한 기술적 배치가 있다. 바람직한 접근법은, 훈련 내용이, POD 장치(150)으로 직접 다운로드되도록 하고, 제공된 내용을 사용자가 경험할 수 있도록 하는 비디어 및/또는 오디오 출력을 포함하는 별도의 장치를 통해 제공되도록 하는 것이다. 상기한 별도의 장치는, 스마트폰(일 실시예에서, POD 장치(150)에 의해 공급된 내용을 제공하도록 구성된 애플리케이션을 실행한다), 헤드셋(headset), 집적된 디스플레이를 구비한 안경 세트, 망막 디스플레이 장치 및 다른 사용자 인터페이스 장치와 같은, 하나 또는 그 이상의 모바일 장치를 포함한다.

모바일 장치(스마트폰과 같은)가 사용되는 일 실시예에서, 상기 POD 장치는, 상기 모바일 장치에 내용을 공급하도록 구성된 로컬 웹 서버(local web server)를 제공한다. 상기 모바일 장치는, 로컬 웹 서버로서 상기 POD 장치로부터 어떤 코드가 획득되는지에 대한 웹 어드레스를 찾도록 하는 웹 브라우저 애플리케이션(또는 어떤 경우에 있어서 소유 앱)을 실행한다.

바람직한 실시예에서, 기능 훈련 내용은 온라인 장터에서 얻어진다. 바람직하게 상기 장터는, 사용자가 다양한 기능 훈련 패키지(package)를 선택 및 구매할 수 있도록 하고, 상기 내용을 사용자의 POD 장치(또는 POD 장치들)로 다운로드하는 것을 관리한다. 상기한 "기능 훈련 패키지" 용어는 획득 가능한 기능 훈련 내용의 세트를 가리킨다. 이는 단일의 기능, 일반적 활동에 관련된 다양한 기능들, 또는 다른 다양한 배열과 관련이 있을 수 있다. 본 발명은, 기능 훈련 데이터가 어떻게 조직되고, 어떻게 구입 가능하고 현금화되는지 등을 구성하기 위한, 어떠한 특정의 실행 옵션에 제한되지 아니한다.

<내용 공급 구조의 예>

다음 섹션은, 성능 센서 데이터(모션 센서 데이터와 같은)의 처리에 의해 구동되는 적용 기능 훈련 내용을 최종 사용자 장치에 공급하는 것과 같이, 내용의 공급을 위한 다양하고 예시적인 기술적 구조를 기술한 것이다.

전체적으로, 다음의 하나 또는 그 이상의 접근법 또는 그 조합이 사용될 수 있다:

● 후속 내용의 다운로드가 제2의 웹 구동 장치에 의해 이루어지도록 하면서, 제1의 웹 구동 장치에 의해 다운로드 가능한 내용을 검색하여 선택하는 것. 예를 들어, 스마트폰을 통해 내용을 다운로드하고, 웹 소스(web source)로부터 POD 장치로 직접 다운로드 되게 한다.

● 후속 내용의 다운로드가 제1의 웹 구동 장치에 의해 이루어지도록 하면서, 제1의 웹 구동 장치에 의해 다운로드 가능한 내용을 검색하여 선택하는 것. 그리고 상기 제1의 웹 구동 장치로부터 POD 장치와 같은 제2의 장치로, 상기 내용의 일부 또는 전부가 2차적으로 다운로드 되도록 한다(예컨대, 센서 구조 데이터와 상태 엔진 데이터가, 모바일 장치로 먼저 다운로드 되고, 이어서 POD 장치로 공급된다).

● 사용자 인터페이스 장치와 분리된 POD 장치의 사용. 예를 들어, 모바일 장치가 사용자 인터페이스로 공급하기 위해 사용되고, POD 장치는 모션 센서 유닛 구동 의복에 장착된 처리 유닛이다.

● 사용자 인터페이스 장치와 통합된 POD 장치의 사용. 예를 들어, 일 실시예에서 스마트폰이 POD 장치의 역할을 한다.

● 존재하는 최종 사용자 모바일 장치에 물리적으로 연결된 POD 장치의 사용. 예를 들어, POD 장치는, 스마트폰에 크레이들(cradle) 타입 장착을 통해 연결된 처리장치로 규정된다.

도 9A는, 일 실시예에 따른 컴퓨터 실행 구조의 예를 보여주고 있다. 다양한 대안적인 실시예가 도 9B에서 9D에 도시되어 있으며, 유사한 특징은 대응되는 참조 번호로 표시되어 있다.

도시된 각 구조는, 복수의 컴퓨터 장치("기계" 또는 "터미널"로도 지칭된다 )를 포함하며, 이들 각각은, 하나 또는 그 이상의 마이크로프로세서(단순히 "프로세서"로도 지칭된다)를 통해, 컴퓨터 실행가능 코드(이는 컴퓨터 가독 캐리어 매체에 저장될 수 있다)를 실행하는 것에 의해, 그 기능(예컨대 "컴퓨터 실행 방법의 기능)을 공급하도록 구성된다. 다양한 컴퓨터 장치가, 여기에 특별히 설명되지 않은 다른 하드웨어 장치의 범위를 포함할 수 있다는 것을 이해할 수 있을 것이다.

도 9A의 예는, 중앙 경영 및 내용 관리 플랫폼(900)을 나타낸 것이다. 이 플랫폼은, 단일의 컴퓨터 장치(예컨대 서버 장치) 또는 바람직하게 복수의 네트워크로 연결된 컴퓨터 장치에 의해 규정될 수 있다. 서버의 각 구성부품은, 특별한 참조 없이, 관련된 기능을 개별적 또는 집합적으로 제공하도록 다양하게 형성된 컴퓨터 장치에 대해, 기능적으로 기재되어 있다. 이러한 사항들은 설계 선택의 문제로서, 광범위한 네트워크 및 서버 구조가 해당 기술분야에 잘 알려져 있다는 것을 이해할 수 있을 것이다. 더욱이, 어떤 실시예에서는, 병렬로 작동되는 복수의 플랫폼(900)이 존재한다.

플랫폼(900)은, 그 사용자에 의해 구동되는 컴퓨터 장치를 통해, 복수의 사용자가 접근하는 기능을 제공하도록 구성된다. 도 9A는, 예시적인 사용자와 관련하여 작동되는 사용자측 장비(920)의 세트를 보여주고 있다. 실제적으로, 복수의 사용자 각각은, 유사한 장비(920)의 각각의 세트(도시 생략)를 작동시킨다.

장비(920)는 모바일 장치(930)을 포함한다. 예를 들어, 본 실시예에서 모바일 장치(930)은 스마트폰의 형태를 갖는다. 그렇지만, 다른 실시예에서는, 태블릿, PDA, 휴대용 게임 장치 등과 같은 다른 모바일 장치가 사용될 수 있다. 어떤 실시에에서, 모바일 장치(930)는, 특히 기술된 전체 구조와 관련한 기능을 제공하기 위한 목적-구성(purpose-configured) 하드웨어에 의해 규정된다. 전체적으로, 모바일 장치(930)의 주요한 기능은, 플랫폼(900)으로부터 획득한 내용을 사용자 인터페이스를 통해 공급하는 것이다. 이 내용은, "요구되는 대로(as required)" 기준에 의해 다운로드 되거나(온라인 모드에서), 미리 다운로드 되거나(오프라인 모드에서 작동되도록 하기 위해), 또는 양쪽에 의해 다운로드될 수 있다.

모바일 장치(930)는, 외부 헤드폰, 마이크로폰, 그래픽 디스플레이(예컨대, 증강 현실을 제공하기 위해 구성된 안경, 망막 투사 디스플레이)를 제공하는 웨어러블(wearable) 장치 등과 같은, 하나 또는 그 이상의 외부 사용자 쌍방향 하드웨어에 연결될 수 있다.

도 9A의 예에서, 모바일 장치(930)는 모바일 앱(app)(예컨대 iOS 또는 안드로이드 앱)을 통해 플랫폼(900)과 상호작용하도록 형성되며, 이는 앱 다운로드 서버(971)로부터 다운로드 된다(본 실시예에서 서버(971)는 제3자 구동 서버이며, 다른 실시예는 제1 당사자 서버를 이용한다). 상기한 모바일 앱은 메모리 장치(934)에 저장되어 있고, 프로세서(933)를 통해 실행된다. 상기 모바일 앱은, 이용가능한 인터넷 연결을 통해 앱 상호작용 서버와 통신하도록 하기 위한 모바일 장치(930)를 형성하며, 앱 상호작용 서버(972)는, 플랫폼(900)을 통해 이용 가능한 데이터의 통로를 제공한다.

도 9B의 예에서, 모바일 장치(900)는, 웹 브라우저 애플리케이션을 통해 플랫폼(900)과 상호작용하도록 형성되며, 기 규정된 웹 주소의 검색은, 이용가능한 인터넷 연결을 통해 모바일 장치 웹 서버(974)와 통신하도록 하기 위한 모바일 장치(930)를 형성하게 한다. 다음으로 웹 서버(974)는, 플랫폼(900)을 통해 이용 가능한 데이터의 통로를 제공한다. 상기 웹 브라우저 애플리케이션은, 모바일 장치(930)의 메모리(934)에 저장된 코드에 기초하여 실행되고, 서버(974)를 통해 모바일 장치(930)로 다운로드된 브라우저-제공 사용자 인터페이스 코드를 통해, 플랫폼(900)에 특정된 사용자 인터페이스를 제공한다.

장비(920)는 추가적으로 퍼스널 컴퓨터(PC)(940)를 포함한다. 본질적으로, 다른 하드웨어 장치가 POD 장치(950)의 형태로서, 플랫폼(900)과 통신하도록 정확하고 적합하게 형성된 어떠한 컴퓨터 장치일 수 있다. 예를 들어 일 실시예에서, 상기 POD 장치는, 유선 연결(USB 연결과 같은) 또는 무선 연결(와이파이 또는 불루투스 연결과 같은)을 통해 퍼스널 컴퓨터(940)에 연결된다. 기능적으로 이는, 플랫폼(900)으로부터 POD 장치(950)로 데이터가 다운로드 되도록 한다. 다른 배열 및 연결이 실행되어 POD 장치(950) 간에 통신이 가능하도록 할 수 있는데, 다음은 그 예이다:

● POD 장치(950)가 모바일 서비스(930)와 웹 서버(973)를 통해 플랫폼(900)에 접속(도 9C 참조). 이는 POD 장치(950)의 작동과 관련한 모바일 장치(930)의 특정 기능에의 접속을 포함하고, 또는 다른 실시예에서, 단순히 모바일 장치(930)를 통해 공급된 인터넷 연결에 접속한다.

● POD 장치(950)가 웹 서버(973)를 통해 플랫폼(900)과 접속(도 8D 참조).

어떤 경우에 있어서, POD 장치(950)가 본질적으로 사용자 인터페이스를 제공하지 않을 때에는, 사용자가 사용자 인터페이스(예컨대 모바일 앱 또는 웹 페이지를 통해)에 접속하기 위해, 모바일 장치(930)(또는 적절히 구성된 다른 컴퓨터 장치)를 작동시켜, 플랫폼(900)이 그 사용자와 관련된 POD 장치(950)로 특정의 데이터를 공급하도록 지시한다. 이러한 실시예에 있어서, 상기 데이터는, 이용할 수 있는 인터넷 연결을 통해 POD 장치(950)로 직접 다운로드된다.

어떤 실시예에 있어서, 모바일 장치(930)에 제공될 기능 훈련 내용은, POD 장치(950)에 먼저 다운로드된다. 이는, 모바일 장치(930)가, 오프라인 모드에서(인터넷 연결이 없이) 기능 훈련 데이터를 공급하는 것을 가능하게 하고, 필요한 내용은 POD 장치(950)에 의해 공급된다. 이는 특히, 모바일 장치(930)가 없고, 사용자 인터페이스가 단지 POD 장치(950)와만 통신하는 사용자 인터페이스 공급장치(990)(예컨대 헤드셋, 고유 디스플레이를 갖는 안경 세트, 망막 프로젝션 장치 등)를 통해 공급되는 경우와 관련이 있다.

<POD 장치와 센서 배열의 예>

POD 장치(950)는, 하나 또는 그 이상의 성능 센서 유닛(960)으로부터 수집된 데이터의 처리를 수행하도록 구성된다. 이러한 성능 센서 유닛들은, 유선 및/또는 무선 연결을 통해 POD 장치(950)와 연결된다. 예를 들어 일 실시예에서, POD 장치는 직접 연결되는 커플링(coupling)을 통해 성능 센서 유닛의 제1세트와 연결되고, 연결 부품에 대한 RF-링크에 의해 성능 센서 유닛의 제2세트와 연결되며, 상기 연결 부품은, 직접 연결되는 커플링을 통해 성능 센서 유닛의 제2세트와 연결된다.

성능 센서 유닛의 범위는, 수집되는 데이터의 속성에 기초하여 다양한 실시예에서 사용된다. 다음으로, 수집되는 데이터의 속성은 사용자가 수행하는 기능 또는 활동에 의존하게 된다. 예를 들어, 다음의 사용자 경우가, 여기에서 고려된 많은 예 및 실시예와 관련된다:

● 착용가능한 모센 센서 유닛(MSU). 모션 센서 유닛은, 주체(subject)가 입을 수 있도록 구성된 의복 제품(모션 센서 유닛 구동 의복)으로 통합된다. 그러한 의복 제품의 예는, 압축 타입 의복(셔츠 또는 바지와 같은)을 포함하는데, 이들 각각은 정해진 위치에 서로 이격되어 배치된 복수의 모션 센서 유닛을 포함한다. 어떤 경우에 있어서 상기 의복은 미리 형성된 장착 위치를 포함하는데, 이는 가능한 장착 위치 사이에서, 모션 센서 유닛의 운동을 가능하게 하도록, 각 모션 센서 유닛을 해제 가능하게 수용한다. 일 실시예에서 압축 셔츠는, 복수의 모션 센서 유닛을 지지하고, POD 장치를 상호보완적으로 해제 가능하게 수용하여, 상기 장착이, 셔츠에 감싸지고 연장된 와이어 연결을 통해, 상기 POD 장치가 모션 센서 유닛에 결합되도록 한다. 상기 셔츠는, 압축 바지의 보완적 세트와 결합될 수 있는데, 이는 통상의 RF 통신 모듈에 연결된 복수의 모션 센서 유닛을 더 포함한다. 상기 RF 통신 모듈은, 셔츠에 구비된 다른 RF 모듈과, 또는 POD 장치에 의해 모션 센더 데이터를 전달하여, 상기 POD 장치가, 상기 셔츠 또는 바지상에 있는 모든 센서 유닛으로부터 데이터를 수신할 수 있도록 한다.

● 오디오 센서 유닛(ASU). 다른 실시예에서는 다른 오디오 센서가 사용된다. 이용가능한 예는 마이크로폰-기반의 센서를 포함하며, 이는 오디오 입력 포트에 끼워져 예컨대 2.5mm 또는 3.5mm의 잭 커넥터), 이에 의해 오디오 신호, MIDI 신호를 생성하는 픽업(pickup) 등을 수신한다.

POD 장치(950)는, 소프트웨어를 통해, 상기 POD 장치를 통해 수신된 출력 신호(예컨대 디지털 출력 신호)를 제공하는 어떤 형태의 성능 센서 유닛으로부터의 데이터를 처리할 수 있도록 구성될 수 있다는 것을 이해할 수 있을 것이다.

어떤 실시예는 복수의 다른 POD 장치의 하드웨어 구조를 제공하는데, 이는 특정의 성능 센서 유닛과 상호작용하도록 제작된다. 예를 들어 POD 장치의 예는 다음을 포함할 수 있다:

● 복수의 모션 센서 유닛(MSU)에 물리적으로 결합되고, 그 의복에 의해 운반되도록 구성된 POD 장치(어떤 경우에 있어서는, 하나 또는 그 이상의 추가 모션 센서 유닛에, 직접적 또는 간접적으로, 무선으로 결합된다).

● 마이크로폰을 포함하는 POD 장치.

● 오디오 입력 포트(3.5mm 헤드폰 잭과 같은)를 포함하는 POD 장치.

성능 센서 유닛(PSU)의 다양한 형태가, 넓은 범위의 기능에 걸쳐 훈련을 가능하게 한다는 것을 추가적으로 이해할 수 있을 것이다. 예를 들어 어떤 경우에 있어서는, 하나 또는 그 이상의 오디오 센서 유닛과 연결된 POD 장치가, 다양한 음악 기능(예컨대 노래, 악기 연주 등)의 훈련을 제공하는데 사용된다.

<사용자 인터페이스 제공을 위한 배열 예>

사용자 인터페이스가 피드백 및/또는 설명을 제공하는 방식은, 하드웨어 구조에 기초하여 변화하게 된다. 어떤 실시예에서 상기 사용자 인터페이스는, 오디오만으로 이루어질 수 있는데(예컨대 헤드폰의 사용), 이는 설명 및 피드백이 오디오에 기반을 두고 있다. 다른 실시예에서 상기 사용자 인터페이스는, 디스플레이 스크린(예컨대 스마트폰에 의해 제공된 디스플레이 스크린, 적절한 안경 및/또는 망막 디스플레이 장치 등)을 필요로 하는 시각적 정보를 포함한다.

도 9A에서 사용자측 장비의 배치는, 도 10A에 도시된 바와 같이 기능하도록 구성될 수 있다. 좀더 특별하게, 장터 플랫폼(marketplace platform)이, POD/엔진 데이터를 POD 장치로 공급하기 위해 기술적으로 구성되어, 상기 POD 장치의 구성이, 특정의 기능(또는 기능의 세트)에 대해 훈련 내용을 공급하도록 할 수 있다. 상기 POD 장치는, 장터로부터 미리 다운로드된 POD/엔진 데이터에 기초하여, 상기 센서들로부터 수신한 데이터를 처리하도록 구성된다. 이러한 처리에 기초하여 상기 POD 장치는, 모바일 장치에, 그 사용자 인터페이스를 통해 플랫폼 내용을 표시하도록 하는 지시를 제공한다(예컨대 이에 의해 피드백을 제공하고, 사용자가 특정의 과제를 수행하도록 지시하는 등). 상기 모바일 장치는, 관련이 있는 경우 상기 플랫폼으로부터 플랫폼 내용을 다운로드한다.

다른 실시예에서는 다른 피드백 장치가 사용되며(예컨대 오디오 장치, 디지털 디스플레이 안경 등), 도 10A는 이것이 상기 POD 장치에 직접 연결된 것을 나타내고 있다.

도 10B는, 모바일 장치가 오프라인 모드에서 작동하는 다른 배치를 나타낸 것이다. 이 실시예에서, 사용자 인터페이스 데이터는 POD 장치로 다운로드되고, POD 장치를 통해 상기 모바일 장치로 제공된다. 다른 배치가 도 10C에 도시되어 있는데, 이는 모바일 장치가 없고, 상기 POD 장치가, 피드백 장치(예컨대 헤드폰, 스크린 구비 안경, 망막 프로젝션 장치 또는 다른 피드백 장치)를 통해 피드백/설명을 직접 제공하고 있다.

주어진 기능에 대하여 최종 사용자의 시도된 성능의 모니터링을 가능하게 하는, 실시예에 실행된 다양한 하드웨어 구성이 아래에 기재되어 있는데, 이는 그 시도된 성능 동안에 수집된 센서 데이터에서, 미리 규정된 관찰가능한 데이터 상태(ODC)(예를 들어, 상기한 방법에 의해 규정된 관찰가능한 데이터 상태)를 확인하는 것을 포함한다.

(ⅰ) 이들은 단지 예시적인 것이고, 여기에 개시된 기술은 다른 하드웨어 배치를 통해 실행될 수 있으며; (ⅱ) 제공된 도면은 개략적인 것이고, 치수를 표시한 것이 아니며; (ⅲ) 상기 도면은 주요 부품을 보여주는 기능적인 표현을 제공한 것이고, PCB 설계의 관점, 센서 유닛의 위치, 연결 와이어링 등의 관점을 나타낸 것이 아니라는 것을 이해하여야 한다.

다양한 실시예는 착용가능한 의복을 제공한다. 예를 들어, 이들은 하나 또는 그 이상의 바디수트(bodysuit), 셔츠(짧은 또는 긴 소매), 바지(짧은 또는 긴), 글러브, 신발류, 모자 등을 포함할 수 있다. 어떤 경우에 있어서 착용가능한 의복은, 복수의 분리가능한 의복 아이템(예컨대 셔츠 및 바지)에 의해 규정되어, 서로 소통이 가능하도록 구성된다(예컨대 유선 연결 또는 무선 통신을 통해). 상기 의복은, 예컨대 압축 의복과 같이, 튼튼한 재질로 제조되는 것이 바람직하다. 이는 센서 부품이 착용자의 신체에 대해 고정된 상태를 유지하도록 한다. 상기 의복은, 예컨대 유지보수 등을 위해, 전기적 부품(예컨대 센서 유닛 또는POD 장치)을 제거할 수 있도록 제조되는 것이 바람직하다.

상기 의복은 복수의 센서 스트랜드(sensor strand)를 포함하며, 각 센서 스트랜드는 하나 또는 그 이상의 센서 유닛을 포함한다. 상기 각 센서 스트랜드는, 복수의 센서 스트랜드를 중앙 처리 장치에 연결하도록 구성된 센서 스트랜드 연결 포트(1208)에서 시작되고, 이는 어느 의미에서 상기한 내용과 일치되도록 POD 장치로 지칭된다. 상기 센서 스트랜드는, 단일의 센서 유닛 또는 복수의 센서 유닛을 포함할 수 있다.

센서 스트랜드가 복수의 센서 유닛을 포함할 경우, 이는 직렬로 연결되는 것이 바람직하다. 즉 스트랜드가 n 센서 유닛 SU₁ ...SU_n을 포함할 경우, 센서 유닛 SU_i 로 보내진 통신은, SU₁ ...SU_{n -1} 에 의해 각각 수신되고, 다시 전송된다. 다양한 어드레싱 프로토콜이 사용될 수 있지만, 이들은 센서 유닛이 장착 위치에 기초하여, 통신이 가능하도록 구성된다. 이는, 주어진 특정의 센서 유닛이 확실하게 특정의 장착 위치에 설치되도록 할 필요가 없이(이는 센서 유닛이 의복 세탁을 위해 제거될 때 특히 유용하다), 센서 유닛이 설치될 수 있도록 하고, 또한 센서 유닛의 교환을 가능하게 한다(예컨대 고장의 경우).

어떤 경우에 있어서 어드레싱 프로토콜(addressing protocol)은, 개별적 센서 유닛과 관련된 식별자(identifier)에 부분적으로 기초를 두고 있고, 상기 POD 장치는, 센서 유닛을 확인하는 자동-구성 단계를 수행하여, 센서 유닛이 설치된 장착 위치를 확인하고, 상기 센서 식별자를 그 장착 위치에 관련시킨다. 일 실시예에 있어서 상기 어드레싱은, 메시지에 있어서 재전송 값을 포함하는 것과 같이, 센서 식별자의 지식을 요구하지 않는 기법에 의해 달성된다(예컨대 메시지는, 각 전송시마다 감소되고, POD 장치에 의해 설정된 결정된 재전송 값을 포함하며, 상기 메시지는 감소값이 0에 도달하는 경우에 센서 유닛에 의해 수신되고 처리된다). 후자의 접근법은, 센서 유닛이, POD 장치에서 후속의 어드레싱 파라미터를 다시 변경할 필요가 없이 교환/교체되는 것을 가능하게 한다는 점에서 잇점이 있다.

바람직한 실시예에서, 각 센서 유닛은, 밀봉된 용기 내에 장착된 회로기판 부품을 포함한다. 상기 밀봉된 용기는 2개의 연결 포트(port)를 포함한다; 하나는 센서 스트랜드를 따라 상방향 통신을 하기 위한 것이고, 하나는 센서 스트랜드를 따라 하방향 통신을 하기 위한 것이다. 어떤 실시예에서 상기 센서 유닛은, 설치된 방향을 확인하고, 설치 방향에 기초하여 어느 포트가 상방향 포트이고 하방향 포트인지를 결정한다. 다른 실시예에서는, 기 규정된 설치 방향이 존재하여, 상기 센서가 역으로 설치되지 않도록 한다. 바람직하게 상기 연결 포트는, 센서 스트랜드에서, 보완 연결 포트에 스냅-록킹(snap-locking)에 의해 장착되도록 구성되어, 물리적으로 관찰가능한 연결이 전기적/통신적 연결을 제공하도록 한다.

상기 센서 스트랜드는, 통신을 위한 하나 또는 그 이상의 라인과, 전원공급(POD 장치에 의해 제공되는 센서 유닛을 위한 전원과 함께)을 위한 하나 또는 그 이상의 라인을 포함하는 연결 라인을 포함한다. 상기 연결 라인은 밀봉되어, 의복이 물에 잠기더라도 라인에 손상을 야기하지 않는다. 바람직하게, 상기 POD 장치와 센서 유닛을 연결 라인에 연결하는 커넥터 모듈은, 방수 밀봉을 제공한다. 더욱이 바람직한 실시예에서, 상기 POD 장치와 센서 유닛이 의복에 설치될 경우, 모든 전기부품은 방수 또는 내수 구조로 제공된다(예컨대 POD의 스냅-록킹 배치와, 센서 스트랜드 연결 포트에 대한 센서 유닛 연결 포트는, 방수 또는 내수 씰링을 제공한다).

근거리 센서 유닛과 하나 또는 그 이상의 다운스트림 센서 유닛을 포함하는 센서 스트랜드에서, 상기 근거리 센서 유닛은 다음을 위해 구성된다: (ⅰ) 다운스트림(downstream) 방향에서, 중앙 처리 유닛에 의해 공급되고 하나 또는 그 이상의 다운스트림 센서 유닛으로 전송되는 센서 설명을 중계; 그리고 (ⅱ) 업스트림(upstream) 방향에서, 상기 중앙 처리 유닛에 대해 상기 다운스트림 센서 유닛의 하나에 의해 공급되는 센서 데이터의 중계. 상기 센서 설명은, 센서 유닛이 정해진 방식에 의해 센서 데이터를 제공하도록 형성되는 센서 구조 데이터를 포함한다. 어떤 경우에 있어서 상기 센서 구조 데이터는, 샘플링 비율을 참조하여 규정되며, 이는 센서 부품에 의해 관찰될 수 있는 정보의 감소, 그리고 POD 장치에 의해 관찰된 기능에 대해 특별히 규정된 다른 구성 특징을 모니터링 한다.

각 센서 유닛은 다음을 포함한다: (ⅰ) 마이크로프로세서; (ⅱ) 메모리 모듈; 그리고 (ⅲ) 하나 또는 그 이상의 모션 센서 부품의 세트. 좀 더 상세한 센서 하드웨어의 예가 아래에 기재되어 있다. 이러한 기본적인 부품들은, 센서 부품이 POD 장치로부터 통신을 수신하고, 정해진 방식(예컨대 해상도, 샘플 비율 등에 의해 규정된 방식)에 의해, 상기 센서 부품으로부터 관찰된 데이터를 제공한다. 어떤 실시예에서 각 센서 유닛은 로컬 전원 공급을 포함하지만, 전원은, 센서 유닛 배터리 등의 개별적인 충전을 필요로 하는 것보다, 상기 POD 장치(또는 다른 중앙 전원공급 장치)로부터 센서 스트랜드를 따라 공급되도록 하는 것이 바람직하다.

센서 유닛의 예로서, 하나 또는 그 이상의 센서 부품은 다음의 하나 또는 그 이상을 포함한다: (ⅰ) 자이로스코프(gyroscope); (ⅱ) 자력계; 그리고 (ⅲ) 가속도계.

아래의 바람직한 실시예에는, 상기한 각 부품들의 하나를 구비하고, 그 각각은 3축 민감도를 제공하도록 구성된다. 다른 실시예는, 상기 하나 또는 그 이상의 부품 타입 중, 예컨대 2개의 가속도계와 같이, 복수의 부품을 구비한다. 이는 예를 들어, 하나는 주어진 해상도에서 코스 동작을 관찰하도록 구성되고, 다른 하나는 높은 해상도에서 특정의 미세한 동작을 관찰하도록 구성된다.

상기 중앙 처리 장치(POD 장치)는 다음을 포함한다: (ⅰ) 전원 공급장치; (ⅱ) 마이크로프로세서, 그리고 (ⅲ) 메모리 모듈. 상기 메모리 모듈은, 처리장치가 다양한 기능을 수행하도록 하는 마이크로프로세서에 의해 실행가능한 소프트웨어 설명과, 정해진 방식으로 센서 데이터를 전송하고, 센서 데이터에 미리 규정되어 있는 하나 또는 그 이상의 관찰가능한 데이터 상태(ODC)의 세트를 확인하기 위한 센서 유닛의 구조를 포함하고, 복수의 연결 센서 유닛으로부터 중앙 처리장치에 의해 수신된 센서 데이터를 저장하도록 구성된다. 바람직한 실시예에서 상기 POD 장치는, 센서 부품(예컨대 센서 유닛으로서 동일한 센서 부품)을 포함하여, POD 장치의 위치에서 동작의 관찰이 가능하도록 한다. 어떤 실시예에서 상기 POD 장치는 의복의 파우치(pouch)에 장착되는데, 이는 사용시 사용자의 등 상부의 중앙 위치에 위치한다(예컨대 어깨뼈 사이).

도 12A는, 일 실시예에 따른 착용가능한 의복의 하드웨어 부품을 선택적으로나타낸 것이다. 이는 의복 자체의 구조로부터 초래하는 기하학적/공간적 구성을 참조하지 않고 나타낸 것임을 이해할 수 있을 것이다.

도 12A의 POD 장치(1200)는 메모리 모듈(1202)에 연결되어 있으며, 상기 메모리 모듈은 소프트웨어 설명을 저장하도록 구성되어, 여기에 기술된 기능을 제공한다. 이들은 다음을 포함한다:

● 훈련 프로그램(또는 복수의 훈련 프로그램들)의 데이터 대표. 이는 상기 훈련 프로그램을 처리하기 위한 로직(logic)과, 다른 부품(헤드셋, 디스플레이 장치 등)에 의해 제공된 POD 장치와 외부적으로 통신하는 사용자 인터페이스 데이터를 포함한다.

● 훈련 프로그램(또는 각 훈련 프로그램)에 대하여 훈련될 복수의 기능. 상기 각 기능은, 센서 구조 설명을 포함하는 데이터, 센서 데이터에서 관찰가능한 데이터 상태를 확인하기 위한 규칙, 그리고 특정의 관찰가능한 데이터 상태가 확인될 때의 피드백(및/또는 다른 액션)과 관련된 규칙에 의해 규정된다. 예를 들어 이들은, 도 5A의 501-503 단계와 같은 프로세스에 의해 규정된다.

또한 소프트웨어 설명(instruction)의 다른 관점이 제공될 수 있다는 것을 이해할 수 있을 것이다.

재충전이 가능한 전원 공급장치(1203)는, POD 장치(1200)와, 하나 또는 그 이상의 연결 장치(센서 유닛, 제공된 하나 또는 그 이상의 컨트롤 유닛 포함)에 전원을 공급한다. 로컬 센서 부품(1205)(예컨대 3축 자력계, 3축 가속도계, 3축 자이로스코프)는, 상기 POD 장치가 센서 유닛으로 작동하도록 한다. 또한 입력/출력부(1206)도 제공되는데, 이들은 다음과 같은 것을 포함할 수 있다: 전원/리셋 버튼; 작동 특성을 나타내도록 구성된 빛; 그리고 어떤 경우에 있어서 디스플레이 스크린. 그렇지만 본 실시예에서는, 상기 POD 장치와 사용자간의 주요 통신 모드가, 외부(그리rh 자체 구동) 사용자 인터페이스 장치이다.

POD 장치(1200)는 하나 또는 그 이상의 무선 통신 모듈(1204)을 포함하여, 하나 또는 그 이상의 원격장치와 통신/상호작용이 가능하도록 한다. 예를 들어 상기 통신 모듈은, 다음의 어느 하나 또는 그 이상을 포함할 수 있다:

● 와이파이(WiFi). 어떤 실시예에서 와이파이는, 사용자 인터페이스 내용(이미지, 텍스트, 오디오 및 비디오 데이터 포함)을 UI 디스플레이 장치(1231)에 제공하기 위해 사용된다. 이는 스마트폰, 태블릿, 헤드-업-디스플레이(head-up-display) 장치(증강현실 헤드셋 또는 아이웨어 등), 그리고 다른 장치를 포함할 수 있다. 상기 UI 디스플레이 장치는, 상기 POD 장치를 통해 공급될 수 있는 훈련 내용을 선택 및/또는 검색하는데 사용된다.

● 불루투스(Bluetooth). 어떤 실시예에 있어 불루투스는, 불루투스 헤드셋 등에 제공가능한 오디오 데이터를 공급하여, 사용자에게 청각적 설명/피드백을 제공하기 위해 사용된다.

● 심장박동 모니터 등과 같이, 모니터링 장치와 상호작용이 가능하도록 구성된 ANT+(또는 다른 그러한 통신 모듈).

● RF 통신 모듈. 어떤 실시예에서 하나 또는 그 이상의 상기 모듈이 제공되어, 예컨대 장비(스케이트 보드, 골프 클럽 등)에 부착되도록 구성된 무선 센서 유닛과 통신이 가능하도록 한다. 어떤 실시예에서 이는, POD 장치와 무선으로 통신하는 공통의 허브(hub)에 연결되어 있는 복수의 유선 센서 유닛에 의해 규정된, 무선 센서 스트랜드를 포함한다.

다양한 다른 외부 장치(1233)에 대해 다양한 다른 무선 통신 모듈이 있을 수 있다.

상기 POD 장치는, 회로기판을 포함하고, 밀봉된 또는 밀봉가능한 용기(방수 또는 내수)에 선택적으로 제공되는 추가적인 하드웨어 부품을 포함한다. 이 용기는 의복(예컨대 특별히 형성된 파우치)에 장착될 수 있고, 그러한 장착은 하나 또는 그 이상의 커플링(coupling)의 연결을 포함한다. 바람직하게, 단일의 커플링은 상기 POD 장치를 모든 가능한 센서 스트랜드에 연결한다. 이는, 본질적으로 물리적 및 전기적 연결을 동시에 제공하는 스냅-록 커플링(방수 또는 내수)일 수 있다.

도 12A는, 센서 연결 포트(1208)에 연결된 복수의 센서 스트랜드(스트랜드 1...스트랜드 n)를 나타낸 것이다. 각 센서 스트랜드는 복수의 센서 유닛을 포함하지만(센서 유닛 1...센서 유닛 n), 어떤 경우에 있어서 주어진 스트랜드는, 단지 단일의 센서 유닛을 포함한다는 것을 이해하여야 한다.

도 12B는 센서 스트랜드의 다른 배치를 나타낸 것이다. 어떤 실시예는 하나 또는 그 이상의 "부분" 센서 스트랜드로 구성된 의복을 제공한다. 각 부분 센서 스트랜드는 다음을 포함한다: (ⅰ) 하나 또는 그 이상의 센서 유닛; 그리고 (ⅱ) 제2의 의복에 의해 제공된 보완 커넥터 모듈에 연결하도록 구성된 커넥터 모듈. 상기 "하나 또는 그 이상"이라는 문구는, 어떤 경우에 있어서, 부분 센서 스트랜드가, 다른 센서 유닛의 개입 없이, 상기 POD 장치를 커넥터 모듈에 연결하는 하나의 센서 스트랜드 라인에 의해 규정되고, 다른 경우에 있어서, 부분 센서 스트랜드가, 하나 또는 그 이상의 센서 유닛이 제공되고, 그 스트랜드가 커넥커 모듈에서 끝나는 센서 스트랜드 라인에 의해 규정된다는 것을 의미한다.

상기 커넥터 모듈을 제2의 의복에 의해 제공된 보완 커넥터 모듈에 연결하는 것은, 하나 또는 그 이상의 상기 부분 센서 스트랜드를, 이에 대응하는 하나 또는 그 이상의 제2의 의복 부분 센서 스트랜드에 기능적으로 연결하는 것이며, 이에 의해 다음 사이에서 통신을 가능하게 한다: (ⅰ) 하나 또는 그 이상의 제2의 의복 부분 센서 스트랜드에 제공된 하나 또는 그 이상의 센서 유닛과; 그리고 (ⅱ) 중앙 처리 장치.

도 12B의 예에서, 의복은 셔츠와 바지를 포함한다. 4개의 셔츠 센서 스트랜드와 2개의 바지 센서 스트랜드가 도시되어 있다. 커넥터 장치(1209)는, 부분 바지 스트랜드를 연결하여, 바지에 제공된 센서 유닛과 상기 POD 장치(그리고 POD 장치에 의한 센서 유닛의 전원공급)간에 통신이 가능하도록 한다. 다른 실시예에서 이러한 종류의 장치는, 풋웨어(footwear), 핸드웨어(handwear), 헤드웨어(headwear) 등에 구비된 센서 유닛에의 연결을 가능하도록 하기 위해 사용된다. 예를 들어 어떤 실시예에서는, 커넥터 포트가 가까운 팔, 목 및 다리 개구에 구비되어, 다른 의복 아이템 또는 장치에 장착된 하나 또는 그 이상의 센서 유닛에 의해, 제공된 센서 스트랜드를 늘릴 수 있도록 한다.

어떤 실시예에서, 핸드웨어 또는 풋웨어와 같은 제2의 의복에 의해 장착된 센서는, 동작이 아닌 특징을 측정하는 특별한 센서 부품을 포함한다. 예를 들어, 압력 센서 부품이 사용될 수 있다(예컨대 골프 클럽에서의 그립 강도를 측정하고, 지면 또는 다른 대상에 작용하는 힘을 측정하는 등). 상기 POD 장치는, 주어진 훈련 프로그램에서, 구비되어 있는 센서 장치를 파악할 수 있도록 구성된다. 예를 들어, 사용자는 상기 센서 유닛이 연결되어야 하는지에 대한 설명을 제공받고, 상기 POD 장치는, 센서가 작동하는지, 그리고 기대한 센서 데이터가 제공되고 있는지를 확실하게 체크하는 과정을 수행한다.

도 12B는, 센서 유닛(1240)에 장착가능한 장비를 나타낸 것이다. 이 유닛은, 본질적으로 센서 유닛(1220)과 같은 방식에 의해, 프로세서(1241)와, 메모리(1242)와 센서 부품(1245)를 포함한다. 그렇지만 이는, 무선 통신 모듈(1246)을 더 포함하여, POD 장치(1200) 및 로컬 전원 공급부(1243)과의 무선 통신(예컨대 RF 통신)을 가능하게 한다. 또한 입력부/출력부(빛, 전원/리셋 버튼 등)도 구비되어 있다.

도 12C는, 컨트롤 유닛(1230)을 제공하는 것에 의해 도 12B를 확장한 것이다. 이 컨트롤 유닛은, 예컨대 손목-장착 컨트롤 유닛과 같이, 하나의 셔츠 스트랜드의 원거리 단부에 물리적으로 연결된다. 어떤 실시예에서 상기 컨트롤 유닛은 센서 유닛과 통합된다. 컨트롤 유닛은, 하나 또는 그 이상의 버튼과 같은 입력장치(1231), 하나 또는 그 이상의 빛 및/또는 디스플레이 스크린(바람직하게 저전력 스크린)과 같은 출력장치(1232)를 포함한다. 컨트롤 유닛(1230)은, 사용자에게, POD 장치를 통해 훈련 내용의 규정을 컨트롤하기 위한 기본적 명령을 제공하는 것을 돕도록 제공된다. 예를 들어 명령은, 훈련 커리큘럼에서 이전의 청각적 설명을 반복하거나, 다음 단계로 넘어가도록 하기 위해, "이전" 및 "다음" 명령을 포함할 수 있다. 어떤 실시예에서 청각적 내용은, 예컨대 선택가능한 메뉴 아이템을 청각적으로 제공하는 것과 같이, 사용자가 입력 장치를 작동시키는 것을 돕도록 구비된다.

도 12D의 실시예에서 컨트롤 유닛(1230)은, 센서 유닛(1240)에 장착가능한 장비에 의해 공급되는 무선 신호를 수신하도록 구성되는 무선 통신 모듈(예컨대 RF)을 부가적으로 포함한다. 이러한 방식에 의해, 무선 센서 유닛 데이터는, 상기 POD 장치에서 직접(모듈 1204를 통해) 및 간접(모듈 1234를 통해, 컨트롤 유닛(1230) 및 센서 스트랜드를 통해, 여기서는 셔츠 센서 스트랜드(4)를 통해) 모두의 방식에 의해 수신될 수 있다. 이는 무선 통신에 대한 여분을 제공한다; 신호가 신체(주로 물로 구성된)를 통과할 경우에, 무선 통신을 신뢰성 있게 수신하는 데에 문제가 있을 수 있다. 두 장소를 서로 이격시키는 것에 의해(도 12D 또는 다른 배치에 의해), 장치(1240)로부터 모든 센서 데이터를 수신하여 분석할 수 있는 가능성을 현저히 증가시킬 수가 있다. 상기 POD 장치는 데이터 통합 프로토콜을 실행하여, 이에 의해 두 경로에서 각각 공급되는 데이터를 어떻게 결합/선택할 것인지를 결정한다. 어떤 실시예에서, 외부 센서 유닛에 많이 의존하는 경우에는, 의복의 다양한 장소에 위치한, 복수의 여분 무선 통신 유닛이 존재할 수 있다.

어떤 실시예에서 장치(1230)는, 센서-장착 핸드웨어 부품의 부착을 위해 터미널 커넥터를 포함하는 센서 스트랜드에 구비되는 것보다, 그 자신의 스트랜드에 구비된다.

도 12E는, 일 실시예에 따른 투-피스(two-piece) 의복의 개략적인 표현(치수화한 것이 아니다)을 제공한다. 이는 이전 도면에 대응되는 도면부호로 표시되어 있다. 도시된 의복은 투-피스 의복으로서, 셔츠 부품상에 3개의 센서 스트랜드가 있고, 바지 부품상에 센서 유닛을 제공하는 2개의 센서 스트랜드가 있다(의복 사이의 센서 스트랜드를 연결하는 커넥터(1209)와 함께).

도시된 센서 유닛의 위치는 한정적인 것으로 의도된 것이 전혀 아니며, 그 수의 센서 유닛을 갖는 의복에 대해, 잠정적인 센서 유닛 위치와 관련하여 개략적인 가이드를 제공한 것이다. 도 12E에 도시된 일반적인 원칙은, 센서들을 조인트(joint)로부터 이격시켜 제공하는 것이다. 상기 각각의 센서 유닛의 자이로스코프, 가속도계 및 자력계로부터 수집된 데이터는, 이를 처리하여 복수의 축에 걸쳐(3축 센서의 제공은, 사실상 각 센서 유닛에 대해 9개 등급의 민감도를 제공한다), 상대적 센서 위치, 각도, 움직임 등을 결정하는 것을 가능하게 한다. 따라서 신체 운동에 관련한 풍부한 데이터가 결정될 수 있다. 더욱이, 상기 POD 장치에 의해 공급되는 구조 데이터에 의해, 각 센서의 민감도/작동은, 예컨대 각 개별적 센서 부품의 레벨을 설정하고 단지 특정의 모션 인공물에만 보고될 수 있도록 하는 등, 특정의 기능에 맞게 선택적으로 조율될 수 있다. 이는 시각적 범위로부터 유용하며, 센서 유닛에서의 전력소모를 감소시키고, POD 장치에서의 처리비용을 감소시키며, 특정의 결정적 모션 인공물에 대한 민감도를 증가시키는 것을 포함한다(예컨대 특별히 규정된 특성을 갖는 동작만을 모니터하는 운동 모델을 적용하고, 로잉 머신을 향해 걷는 사람의 동작에 대립하여 로잉 액션에서의 동작을 고 해상도로 모니터링한다).

도 12F는, 원격 장비의 일부를 도시하는 것에 의해 도 12E를 확장한 것으로서, 이 경우에는 무선 센서 유닛(1240)을 구비한 스케이트보드이다. 상기한 바와 같이, 센서 유닛(1240)은, 복수의 통신 경로를 통해 POD 장치(1200)와 무선으로 통신하고, 무선 통신과 관련된 한계를 관리하는 것이 바람직하다. 예를 들어 도시된 실시예에서, 센서 유닛(1240)에 의해 전송된 신호는, POD 장치(120)에 의해 제공된 무선 통신 모듈과, 손목 컨트롤 유닛(1230)에 의해 제공된 무선 통신 모듈에 의해 수신될 수 있도록 형성된다(이는, 연결된 센서 스트랜드를 통해 수신된 센서 데이터를 전송한다).

도 12G는, 모바일 장치(1281)과 무선 헤드셋(1282)을 나타내는 것에 의해 도 12F를 확장한 것이다.

POD 장치(1200)는 모바일 장치(1281)(예컨대 iOS, 안드로이드, 윈도우 등을 포함하는 어느 범위의 작동 시스템도 작동시킬 수 있는 스마트폰 또는 태블릿)와 통신하고, 이에 의해 사용자 인터페이스 디스플레이에서 내용의 공급이 가능하도록 형성된 모바일 장치 데이터를 제공하는데, 상기 내용은, 기능 훈련 프로그램을 통해 사용자를 가이드하는 것을 돕는다. 예를 들어, 상기 내용은, 비디오 데이터, 텍스트 데이터, 이미지 등을 포함할 수 있다. 어떤 실시예에서 POD 장치(1200)는, 그러한 내용의 공급을 위한 로컬 웹 서버(local web server)로 작동한다(즉 상기 모바일 장치는, POD 장치에 의해, 광고된 무선 네트워크에 연결한다).

헤드셋(1282)(도시된 디자인 구조의 헤드셋일 필요는 없다)은, 모바일 장치(1281)를 휴대하거나 참조할 필요 없이, 사용자가 상기 POD 장치로부터 청각적 피드백 및/또는 설명을 수신하는 것을 가능하게 한다. 이는 예를 들어, 모바일 장치를 참조하는 것이 실행하기 어렵거나 또는 일반적으로 불편한 기능의 내용, 예컨대 로잉(rowing), 조깅(jogging), 수영, 스노우보딩(snowboarding) 등을 하는 경우와 관련이 있다. 어떤 실시예에서는, 예컨대 의복에 의해 제공된 3.5mm 헤드폰과 같이, 유선 헤드셋이 사용될 수 있는데, 이는 상기 POD 장치에 유선으로 연결된다.

도 12H는, 일 실시예에 따른 센서 스트랜드를 나타낸 것이다. 이는 복수의 센서 유닛(1220)을 포함한다. 각 센서 유닛은 메모리(1222)에 연결된 프로세서(1221)을 포함한다. 업스트림(upstream) 데이터 연결부(1223)와, 다운스트림(downstream) 데이터 연결부(1224)도 구비되어 있다(이들은 어떤 실시예에서, 설치 방향에 기초하여 기능적으로 구별될 수 있다). 빛 및/또는 전원/리셋(reset) 버튼과 같은 입력부/출력부(1225)가 구비될 수 있다. 도시된 실시예는 햅틱(haptic) 피드백 유닛(1226)을 포함하는데, 이는 사용자에게 피드백을 제공하는 것을 돕기 위하여 사용될 수 있다(예컨대, 사용자의 오른쪽 팔로 무엇을 하라는 것에 대응하여, 오른팔 센서 유닛에 햅틱 피드백을 활성화시킨다). 도시된 센서 부품(1227)은, 3축 자력계(1227a), 3축 가속도계(1227b), 그리고 3축 자이로스코프(1227c)이다.

도 12I는, 센서 유닛(1220)의 예를 나타낸 것으로서, 일 실시예에 따른 하우징(1296)을 보여주고 있다. 이 하우징은 플라스틱 재질로 형성되고, 방수 방식으로 회로기판(1297)을 수용하는데, 이는 도 12H에 도시되어 있는 부품을 제공한다. 커넥터(1298)는, 의복에 의해 제공되는 센서 스트랜드에의 연결을 가능하게 한다.

<모션 센서 유닛과 모션 센서 유닛 구동 의복의 구조: 개관>

어떤 경우에 있어서, 최종 사용자 장비에서의 관찰가능한 데이터 상태(ODC)의 확인은 다음을 필요로 한다: (ⅰ) 주어진 사용자에서 모션 센서 유닛(MSU)의 실제 위치에 대한 지식; 그리고 (ⅱ) 상기 모션 센서 유닛의 상대적 위치에 대한 지식. 각 모션 센서 유닛은, 통상적으로 그들 자신의 참조 프레임에 대하여 모션 데이터를 제공하므로, 복수의 모션 센서 데이터로부터의 데이터를 의미 있게 조합하기에는 문제가 있다.

상기한 다양한 실시예들은, 센서 유닛의 세트로부터 획득된 데이터를 이용하고, 이에 의해 신체적 성능의 분석을 가능하게 한다. 이러한 센서들은 사용자의 신체에 장착되며, 예컨대 복수의 센서 유닛을 휴대할 수 있도록 구성된 착용가능한 의복에 장착된다. 본 섹션과 후술하는 섹션에는, 일 실시예에서 센서 유닛 구조를 위한 예시적인 방법이 기술되어 있는데, 이에 의해 상기 센서들로부터 얻어진 데이터에 기초하여, 인간 신체의 동작 등과 같은 동작의 분석을 가능하게 할 수 있다.

신체적 성능의 데이터 대표를 수집하는, 기초적이고 공지되어 있으며 인기있는 접근법은, 광학적 모션 캡쳐 기술을 이용하는 것이다. 예를 들어, 상기 기술은, 사용자의 신체의 다양한 위치에 광학적으로 관찰가능한 표시를 하고, 비디오 캡쳐 기술을 이용하여, 상기 표시의 위치 및 이동에 대한 데이터 대표를 획득한다. 상기 분석은, 가상적으로 구축된 신체 모델(예컨대 전체적 골격, 안면 대표 등)을 사용하고, 표시의 위치 및 이동을 가상적으로 구축된 신체 모델로 변환시킨다.

종래 기술의 예에서, 컴퓨터 시스템은, 컴퓨터 시스템에 규정되어 있는 가상 신체 모델을 통해, 인간 사용자의 정확한 신체적 동작을, 본질적으로 실시간으로 재현할 수 있다. 예를 들어 그러한 기술은, 비콘(Vicon) 모션 캡쳐 기술 조직에 의해 제공된다.

모션 캡쳐 기술은, 일반적으로 다음의 양쪽 모두를 필요로 한다는 점을 고려하면, 그 유용성이 제한되어 있다: (ⅰ) 사용자는 그 자신의 신체의 다양한 위치에 표시를 하여야 한다; 그리고 (ⅱ) 하나 또는 그 이상의 카메라 장치를 사용하여 사용자 성능을 캡쳐하여야 한다. 어떤 기술(예컨대 깊이 센싱 카메라를 이용하는 것)은 시각적 표시의 필요성에 대한 의존을 감소시킬 수 있지만, 그럼에도 불구하고 모션 캡쳐 기술은, 하나 또는 그 이상의 카메라 장치에 의해 캡쳐될 수 있는 장소에서 그 성능이 나타난다는 요구에 의해, 본질적으로 제한을 받는다.

여기에 기재된 실시예는, 모션 센서 유닛을 이용하고, 이에 의해 모션 캡쳐 기술과 연관된 한계를 극복할 수 있다. 하나 또는 그 이상의 가속도계, 하나 또는 그 이상의 자이로스코프, 그리고 하나 또는 그 이상의 자력계를 포함하는 모션 센서 유닛(관성 측정장치 또는 IMU로도 불리운다)은, 본질적으로 그들 자신 동작의 데이터 대표를 제공할 수 있다. 그러한 센서 유닛은, 속도, 방향, 그리고 중력을 포함하는 파라미터들을 측정하고 보고한다.

모션 센서 유닛의 사용은, 모션 캡쳐 기술과 비교할 때 일정 범위의 문제를 제시한다. 예를 들어 기술적인 문제는, 복수의 모션 센서를 사용할 때, 적어도 다음의 이유에 의해 발생한다:

● 각 센서 유닛은, 그 자신의 로컬(local) 참조 프레임에 기초하여 데이터를 제공한다. 이점에 있어서 각 센서는, 본질적으로 자신이 세계의 중심을 규정하는 것처럼 데이터를 제공한다. 이는, 본질적으로, 공통의 참조 프레임과 관련된 각 표시의 분석을 가능하게 하는 모션 캡쳐 장치와는 차이가 있다.

● 각 센서 유닛은, 어디에 팔다리가 위치하고 있는지를 정확하게 알 수가 없다. 비록 센서 의복이 개략적인 위치를 규정할 수는 있지만, 각 사용자는 다른 신체적 특성을 가지고 있고, 이는 정확한 위치에 영향을 미치게 된다. 이는 표시가 전형적으로 높은 정확도에 의해 위치되는 모션 캡쳐 기술과는 차이가 있다.

● 모든 센서가, 그들을 연결하는 뼈/팔다리가 없이 전기적인 "수프 그릇(bowl of soup)"에 위치된 것처럼, 완전히 독립적으로 작동한다. 즉 상기 센서의 각 데이터 출력은, 모션 캡쳐에 사용되는 표시와 달리, 어떤 형태의 가상 신체상에서의 상대적 위치와 독립적이다.

아래에 기재된 기술 및 방법은, 센서 유닛 데이터의 처리를 가능하게 하여, 신체적으로 광범위한 공통의 참조 프레임을 제공한다. 예를 들어 이는, 다음의 하나 또는 모두에 의해 달성될 수 있다: (ⅰ) 센서 유닛 SU₁ 에서 SU_n에 대하여, 모션 데이터를 공통의 참조 프레임으로 변환시키도록 구성된 변환을 규정하는 것; 그리고 (ⅱ) 센서 유닛 SU₁ 에서 SU_n 사이의 골격 관계를 결정하는 것. 많은 경우에 있어서 이들은 밀접하게 연결되어 있다는 것을 이해할 수 있을 것이다: 공통의 참조 프레임으로의 변환은, 골격 관계의 결정을 가능하게 하는 것이다.

어떤 실시예에서, 센서 데이터를 처리하는 것은, 가상의 골격 신체 모델의 데이터 대표를 규정하는 것이 된다. 이는 요컨대, 모션 센서 데이터 의복 장치로부터 수집된 데이터가, 통상적인 모션 캡쳐를 통해 적용하는 것과 유사한 분석의 형태를 제공한다(또한 가상의 골격 신체 모델의 데이터 대표를 제공한다).

PCT/AU2016/000020에 기재된 처리 기법이 사용될 수 있다. 전체적으로, 이러한 기법은 적어도 다음의 내용에 적용될 수 있다:

● 규정된 모션 캡쳐 기술을 통해 제공되는 모델과 비교하기에 적합한 골격 모델의 조립. 예를 들어, 분석 단계 동안에, 모션 캡쳐 데이터와 센서에서 얻어진 데이터 모두가 수집될 수 있고, 모션 센서 데이터의 처리로부터 얻어진 골격 모델 데이터가, 모션 캡쳐 기술로부터 얻어진 대응 골격 모델 데이터와 매치되는지를 확인한다. 이는, 객관적으로 규정된 기능(상기한 바와 같이)에 대한 프로세스에 대해, 또는 좀 더 일반적인 테스트 및 데이터 센서 처리방법을 확인하는 경우에 적용될 수 있다.

● 착용된 센서 구동 의복의 자동화된 "논-포즈 특정(non-pose specific)" 구조. 즉 사용자에게, 센서 구성을 위해 하나 또는 그 이상의 alfl 규정된 구성의 포즈를 적용하도록 요구하는 대신, 아래에 기재된 처리 기술은, 본질적으로 어떠한 동작에서 비롯된 센서 데이터를 가공하는 것에 의해, 각 개별적인 센서의 데이터를 공통의 참조 프레임으로 변환하는 것을 가능하게 한다(예컨대 골격 모델을 조립하는 것에 의해). 즉 아래의 접근법은, 하나의 센서의 동작을 이와 관련된 다른 것과 비교하기 위한 목적으로, 상당히 일반적인 "동작(motion)"을 필요로 한다. 상기 동작의 정확한 특성은 제한된 중요성을 갖는다.

● 기능의 신체적 성능의 정확한 모니터링 수행. 예를 들어 이는, 센서 데이터에서 관찰가능한 데이터 상태를 모니터링하는 것을 포함할 수 있다(상기한 바와 같이, 이는 성능 영향 인자의 대표이다).

추가적인 상세한 내용은 PCT/AU2016/000020에 개시되어 있다.

<도전 가능화 방법의 예시>

다양한 예시적 컴퓨터 실행방법이 아래에 기재되어 있으며, 이는 도전 가능화의 상황속에서, 여기에 기재된 기술이 실제로 어떻게 실행되는지에 대한 특정한 예를 제공하고 있다. 다른 실시예는, 단계의 재배열, 추가 단계의 부가, 어떤 단계의 제거 및/또는 특별히 기재되지 않은 방식 단계의 실행 등을 포함하는 다양한 방법의 변형을 포함한다.

도 4A는 본 발명의 실시예에 따른 방법 400을 나타낸다. 방법 400은, 도전 오써링 인터페이스(authoring interface)를 작동시키기 위한 방법이다.

기능 블록 401은 특정 사용자가 도전 오써링 인터페이스에 접근하는 과정을 나타낸다. 예를 들어 사용자는, 컴퓨터 장치(PC, 노트북, 랩탑, 게임 콘솔, 태블릿 또는 스마트폰 등)를 작동시켜, 오써링 인터페이스와 사용자 사이의 상호 소통을 가능하게 하는 사용자 인터페이스를 화면상에 구현한다. 상기 오써링 인터페이스 자체는, 전체적 또는 부분적으로 클라우드-호스티드(cloud-hosted)인 것이 바람직하다(즉 경쟁적 활동의 오써링과 관련된 코드 및 처리 운영의 본질적 부분은 서버 장치를 통해 제공된다). 어떤 실시예에서 상기 사용자 인터페이스는 웹 브라우저 인터페이스로 제공되고(웹 서버로부터 다운로드된 코드에 의해), 다른 실시예에서는 로컬 메모리에 저장되어 있는 소유자의 소프트웨어 애플리케이션에 의해 제공된다. 어떤 경우에도, 도전 오써링 인터페이스에의 접근은, 사용자의 로그인 증명을 포함하여(어떤 경우에 있어서는, 자동 로그인이 가능하도록 부분적으로 저장된다), 그 사용자가 특별하게 확인될 수 있도록 한다.

어떤 실시예에서 도전 위치는 규정되지 않고, 어느 위치에서도 참여가 가능하도록 한다. 어떤 실시예에서는, 도전과 관련된 부가적(또는 대안적) 타이밍 파라미터가 있다(예컨대 도전이 가능하도록 규정된 시간).

기능 블록 402는 도전 위치의 결정을 포함하는 절차를 나타낸다. 이 절차에는 다양한 기술들이 이용될 수 있으며, 이는 다음의 내용을 포함한다.

(ⅰ) 예컨대 GPS 등을 이용한 사용자 현재 위치의 배치. 이는 사용자가 관련된 위치에서 모바일 장치(스마트폰과 같은)를 사용하여 도전을 승인하는 경우와 특별히 관련이 있다.

(ⅱ) 2D 바코드, BLE 태그 등과 같은 위치-특정 표시. 이들 각각은 규정된 위치와 특별히 관련되어, 고객 장치의 사용자가 표시를 읽어 그 위치를 확인하도록 한다.

(ⅲ) 사용자와 관련된 이전의 위치 데이터에 접근. 예를 들어, 사용자는 홈(home) 위치로부터 도전을 규정하고, 사용자가 기 수행한 기능(예컨대 위치, 위치-특정 표시 등에 기초하여)의 위치의 데이터 대표에 접근한다.

(ⅳ) 지리적으로 규정된 위치와 관련된 결과를 제공하는 검색 엔진의 활용.

사용자가 도전 위치를 규정하는 특수성의 정도는, 실시예에 따라 변화된다.

기능 블록 403은 도전 기능 또는 기능들의 결정을 포함하는 과정을 나타낸다. 예를 들어, 일 실시예에서 사용자는 활동을 선택하고(예컨대 "축구", "테니스" 또는 "스케이트보딩"과 같은 스포츠의 선택에 의해), 이는 도전에 포함되어 이용가능한 기능과 함께 제공된다(예컨대 모션 센서 데이터를 이용하여 확인/분석될 수 있는 기능에 기초하여). 어떤 실시예에서, 제안 모듈은 사용자에게 도움을 주는데, 이는 관련된 사용자가 (ⅰ) 수행하였거나; 그리고/또는 (ⅱ) 능력을 보여준(예컨대 훈련 프로그램의 참여을 통해) 기능에 기초하여, 기능을 필터링(filtering) 하는 것에 의해 이루어진다. 어떤 경우에 도전은 단일의 기능을 수행하는 것을 요구하도록 규정되고, 다른 경우에는 복수의 기능을 수행하도록 요구된다. 어떤 실시예에서, 기능 또는 기능들의 결정은, 활동에 참여하기 위해, 주어진 활동-참가자(activity-participant) 사용자의 POD 장치에 요구되는 상태 엔진 데이터를 결정한다는 것을 이해할 수 있을 것이다.

기능 블록 404는, 도전 경쟁 파라미터 또는 파라미터들의 결정을 포함하는 과정을 나타낸다. 어떤 실시예에서, 경쟁 파라미터는 404에서 선택된 기능/기능들에 기초하여 걸러진다. 예를 들어 어떤 실시예에서, 경쟁 파라미터는 기능의 특성에 기초하여 정해질 수 있다: 주어진 기능은, 어떤 경우에 "높이", "정확도", "속도", "힘" 등과 같은 특성과 관련된다. 일 실시예에서, 활동-저자(activity-author) 사용자는, 선택된 각 기능에 대해, 각 특성에 대한 경쟁 파라미터를 정할 수 있다. 예컨대, 기능 A는 "높이" 특성을 가질 수 있고, 사용자는, "높이 요구조건 없음", "최소 높이 조건 X", 또는 "최대 높이를 향해 경쟁"을 유도하는 선택가능한 기준에 기초하여, 경쟁 파라미터를 정할 수 있다. 어떤 실시예에서, 사용자는 AND 연산자 또는 다른 유사한 기법을 이용하여 복수의 파라미터를 결합하는 것에 의해, 경쟁 파라미터를 구축한다.

기능 블록 405는, 활동-저자 사용자에 의한 도전의 지점을 확정하는 것을 포함하는 과정을 나타내며, 이는 상기 도전이 다른 사용자들에게 이용 가능하도록 한다. 즉, 다른 사용자들이 그 도전을 확인하고, 원하는 경우 도전에 참가할 수 있도록 한다. 어떤 실시예에서 활동-저자 사용자는, 다른 사용자들, 예컨대 "일반", "친구" 또는 "연락" 또는 특정의 사용자 또는 사용자 그룹과 주어진 도전을 공유할 것인지를 결정할 수 있도록 한다. 예를 들어, 스포츠 내용에 있어서, 코치(coach)가 도전을 규정하고 그 코치의 팀에 있는 플레이어만 공유하도록 할 수 있다.

도 4B는 방법 400의 변형인 방법 400'를 나타낸 것이다. 이 경우에 있어서, 기능 블록 403과 404는 서로 바뀌어, 사용자가 먼저 하나 또는 그 이상의 경쟁 파라미터를 선택하고, 이어서 기능을 선택한다. 예컨대 사용자는, "가장 연속적", "가장 높은 시도", "가장 긴 유지", "가장 빠른 시간" 등과 같은 경쟁 파라미터 타입을 선택하고, 그 경쟁 파라미터에 적합한 기능으로 필터링된 세트를 제공받는다. 어떤 실시예에서, 도전 데이터가 규정되는 프로세스는, 기능의 선택과 경쟁 파라미터의 선택 사이에서 반복된다는 것을 이해할 수 있을 것이다.

도 4C는 활동-저자 사용자를 돕기 위해 지적인 제안 결정을 가능하게 하는 방법을 나타낸 것이다. 기능 블록 411은, 결정된 위치에서 사용자 성능의 데이터 대표에 접근하는 것을 포함하는 과정을 나타낸다. 어떤 실시예에서 사용자는, 먼저그들의 POD 장치에 주어진 활동 타입의 모니터링이 가능하도록 하도록 구성된 상태 엔진 데이터를 다운로드하는데, 이는 복수의 기능을 포함한다. 예를 들어 이는, 사용자의 POD 장치가 스케이트보딩 기능(예컨대 특정의 트릭(trick))과 그러한 트릭(예컨대 사용자가 "킥플립(kickflip) 동작을 성공적으로 수행했는지, 그리고 그 킥플립 동작의 높이의 특정)의 특성을 확인할 수 있도록 하는 "스케이트보딩 모니터링 팩"일 수 있다. 이는 사용자가, 그들 성능의 기록을 관리하는 것을 가능하게 하고, 이는 위치, 그리고 추가적으로 분석되고/질의되는 것과 관련될 수 있다. 예를 들어 사용자는, 얼마나 많은 트릭이 성공적으로 수행되었고, 어떤 트릭이 사용되었으며, 그 트릭의 특성을 검토하는 것에 의해, 스케이트보딩 시간으로부터의 전체적 결과를 분석할 수가 있다. 사용자 성능의 데이터 대표는, 도 1의 데이터베이스 120과 같은 중앙 저장소에 저장되는 것이 바람직하다.

기능 블록 412는, 사용자 성능의 데이터 대표에 대해 미리 규정된 도전 모형 알고리즘을 적용하는 것을 포함하는 처리과정을 나타낸다. 예를 들어, 도전 모형은 각 활동에 대해 또는 전체적으로 규정될 수 있다. 각 모형은, 하나 또는 그 이상의 특정 기능(예컨대 특정의 도전 타입은 특정의 기능에 대해 규정된다)과 관련되도록 구성되거나, 또는 하나 또는 그 이상의 특정 특성(예컨대 "가장 높은 시도에 대한 도전"은 높이 특성을 기록한 모든 기능과 관련될 수 있다)을 갖는 다른 기능과 관련되도록 구성될 수 있다. 상기 알고리즘은 다음의 하나 또는 모두에 대해 실행될 수 있다:(ⅰ) 기 규정된 도전 위치와 관련한 기능; 그리고 (ⅱ) 특정의 활동-저자 사용자와 관련한 기능. 예를 들어 일 실시예에서, "가장 높은 시도"의 모형 알고리즘은, 주어진 "위치 X"에서 사용자와 관련된 성능 데이터에 대해 실행되어, 사용자가 적절한 위치에서 높이 특성을 갖는 "기능 A"를 수행하였음을 확인하고, "기능 A"에 대한 사용자의 높이가 데이터베이스 120에 기록된 가장 높은 것인지를 확인한다. 사용자에게는, " 당신은 "위치 X", "기능 A"에서 가장 높은 시도를 가지고 있습니다; 당신을 이길 다른 사람에게 도전하시겠습니까?" 라고 통보된다.

기능 블록 413은, 사용자가 기능 블록 412를 통해 제안되어 선택적으로 수정된 도전을 검토, 선택하는 과정을 나타낸다. 이어서, 상기 도전은 다른 사용자들과 공유될 수 있다(블록 405).

도 4D는 도전을 기록하기 위한 기능을 포함하는 방법 402를 나타낸 것이다. 기능 블록 421은, 도전 기록 인터페이스에 접근하는 것을 포함하고, 상기 도전 기록 인터페이스는 422에서 사용자 성능을 기록하기 위한 POD 장치를 구성한다. 예를 들어, 상기 도전 기록 인터페이스는 어떤 실시예에서, 스마트폰과 같은 컨트롤 장치를 사용하여 접근될 수 있다. 422에서의 기록은, 센서 유닛에 의해 수집된 모든 데이터 또는 부분 데이터의 기록을 포함할 수 있으며, 이는 후속적인 검토 및/또는 모니터링(활동-참가자 사용자에 대해)을 가능하게 하는 모델(예컨대 운동학, 속도, 또는 스켈레매틱(skelematic) 모델)의 생성을 가능하게 한다. 기능 블록 423은, 사용자 성능을 분류하고 도전 데이터를 제시하는 것을 포함하는 과정을 나타낸다. 예컨대, 높이, 힘 등과 같은 특성은 특성 데이터로 확인될 수 있다. 그렇지만 어떤 실시예에서, 기록된 성능의 핵심은 특정의 모션 관점으로부터 얻어진다(예컨대, 요가 자세, 스트레치(stretch), 스케이트보딩 트릭(trick), 파쿠르(parkour) 동작 등과 같은 새로운 기능에 대한 기록의 경우).

기능 블록 424는, 도전이 425에서 가능하게 되기 이전에, 사용자가 기록된 도전에 대한 도전 데이터의 검토 및/또는 편집을 가능하게 하는 것을 포함하는 과정을 나타낸다. 상기 검토 및/또는 편집은, 기록된 3차원의 그래픽 모델의 검토와, 원하는 기능을 규정하는 기록의 시간-기준 부분의 트리밍(trimming)/클리핑(cliping)을 포함할 수 있다.

도 4E는 사용자가 하나 또는 그 이상의 도전에 참여하도록 하는 방법을 나타낸다. 기능 블록 431은 위치에서의 사용자 체크인(check-in)을 나타낸다. 어떤 실시예에서 사용자는, 참여할 하나 또는 그 이상의 도전을 적극적으로 선택하고, 이는 상기 사용자의 POD 장치가 관련 기능 또는 기능들(및/또는 그 특성)을 모니터할 수 있도록 한다. 어떤 실시예에서 이는, 선택된 도전에 대한 기능 및/또는 특성을 확인하도록 하기 위해, 사용자의 로컬 하드웨어 장치(예컨대 POD 장치)에 요구되는 상태 엔진 데이터(그리고 센서 형성 데이터와 같은 다른 데이터)에 대한 다운로드 처리를 가능하게 한다. 다른 실시예에서, 도전은, 필요한 상태 엔진 데이터가 사용자의 POD 장치에서 이미 이용가능한 경우에 한하여 선택가능한 것으로 디스플레이된다.

기능 블록 433은 사용자 성능 데이터를 도전 데이터와 비교하는 것을 포함하는 과정을 나타낸다. 예를 들어 이는, 주어진 도전 데이터 세트에 기초하여, 수행된 기능의 데이터 대표와 그 특성을 기록하는 것을 포함할 수 있다. 이는 434에서, 다른 사용자들에 대한 사용자의 평가를 가능하게 한다.

도 8은, 도전 구동 구조의 다른 예를 개략적으로 나타낸 것으로, 이는 예시적인 사용 예를 보여주고 있다. 이는, 내용 관리 서버, 도전 관리 서버 및 최종 사용자 하드웨어를 보여주고 있다. 상기 내용 관리 서버와 도전 관리 서버는, 설명의 목적을 위해 분리된 구성요소로 표시되었지만, 이들 두 서버의 기능은, 어떤 실시예에서 단일의 서버 또는 더 많은 서버에 의해 제공된다.

기능 레벨에서:

● 상기 내용 관리 서버는, 상태 엔진 데이터 및 센서 구성 데이터를 포함하는 기능-특정 구성 데이터를 이용한다. 어떤 실시예에서, 상기 내용 관리 서버는, 모션 센서 유닛으로부터 얻어진 데이터의 적어도 일부를 처리하는 것을 수행할 수 있도록 부가적으로 구성된다. 상기 내용 관리 서버는, 예컨대 기능 훈련 내용과 같이, 도전과 관련되지 않은 부가적인 내용의 범위를 선택적으로 공급하는 역할을 하기도 한다.

● 상기 도전 관리 서버는, 규정된 도전의 데이터 대표를 관리하고, 이러한 도전에서 사용자 참여를 관리한다.

● 상기 최종-사용자 하드웨어는, 모션 센서 유닛-구동 의복 및 사용자 인터페이스 장치(스마트폰과 같은)를 포함한다.

도 8은, 사용자가 도전에 참가하는 예시적인 사용예의 과정을 보여주고 있다. 스텝 1로 표시된 바와 같이, 사용자는 이용가능한 도전으로부터 도전을 선택한다. 상기 리스트는, 도전 관리 서버(선택적으로 내용 관리 서버를 통해)에 의해 제공된 데이터에 기초하여, 사용자의 사용자 인터페이스 장치에 제공된다. 도전이 선택되면, 사용자의 하드웨어(예컨대 모션 센서 유닛-구동 의복)가 구성되어, 상기 도전과 관련하여, 상기 모션 센서 유닛이 신체적 성능 이벤트의 분석이 가능하게 하는 데이터를 제공하도록 한다. 이는 도 8의 예에서, 선택된 도전의 일부를 형성하는 하나 또는 그 이상의 기능에 대한, 센서 구성 데이터 및 상태 엔진 데이터를 포함하는 구성 데이터를 다운로드하는 것을 포함한다. 예를 들어 상기 도전은 "가장 큰 펀트 킥(punt kick)"일 수 있는데, 이 경우 구성 데이터가 다운로드되고 (스텝 2) 적용되어 다음을 가능하게 한다: (ⅰ) "펀트 킥"이 수행되었음을 확인하기 위한 분석; 그리고 (ⅱ) 예컨대 수행된 기능의 하나 또는 그 이상의 증상을 이용하여, 상기 수행된 펀트 킥과 관련된 힘 출력 측정을 결정하기 위한 분석(예컨대 하나 또는 그 이상의 모션 센서 유닛의 가속 변형에 기초하여). 모니터링은 스텝 3으로 표시되어 있으며, 도시된 바와 같이, 모니터링은 서버측과 관련된다(예컨대 모션 센서 데이터에서 얻어진 데이터는 서버측 처리를 위해 전송된다). 상기 모니터링에 기초하여, 도전 파라미터에 대한 값이 확인되고, 사용자 도전 시도의 평가가 가능하도록 하며, 그 결과를 보고한다. 어떤 경우에, 도전 파라미터에 대한 데이터 표시를 위해 결정된 값은, 상기 최종-사용자 하드웨어로부터 도전 관리 서버로 직접 전송되고; 다른 경우에 이 데이터는 내용 관리 서버를 통해 발송된다.

<결론 및 해석>

상기한 기술은, 특히 미디어 관리 분야에 발전을 제공한다는 것을 이해할 수 있을 것이다. 예를 들어, 모션 센서 유닛 구동 의복(그리고 선택적으로 다른 형태의 성능 센서 유닛)으로부터 기능 성능 확인을 가능하게 하는, 미리 규정된 처리 기법을 이용하는 것에 의해, 비디오 데이터가 풍부하고 효과적인 방식으로 자동적으로 분류될 수 있다.

특별히 다르게 규정하지 않는 한, 아래의 기재에서 명백한 바와 같이, 본 명세서에 걸쳐 사용된, "프로세싱", "연산", "계산", "결정", "분석" 등과 같은 용어는, 컴퓨터 또는 컴퓨팅 시스템의 동작 및/또는 프로세스, 또는 유사한 전자 컴퓨팅 장치를 가리키며, 이는 전기와 같이 물리적 양으로 표시된 데이터를, 물리적 양으로 표시된 것과 유사하게 다른 데이터로 조작 및/또는 변환하는 장치라는 것을 이해할 수 있을 것이다.

유사한 방식으로, "프로세서"라는 용어는, 전기적 데이터를 처리하는 어느 장치 또는 그 장치의 부분을 가리키며, 이는 레지스터 및/또는 메모리로부터, 그 전기적 데이터를 다른 전기적 데이터, 즉 레지스터 및/또는 메모리에 저장될 수 있는 데이터로 변환한다. "컴퓨터" 또는 "컴퓨팅 기계" 또는 "컴퓨팅 플랫폼"은, 하나 또는 그 이상의 프로세서를 포함할 수 있다.

일 실시예에서 여기에 포함된 방법은, 컴퓨터-가독 코드(computer-readable code)(기계 가독이라고도 한다)를 수용하하는 하나 또는 그 이상의 프로세서에 의해 수행될 수 있으며, 상기 코드는, 하나 또는 그 이상의 프로세서에 의해 실행될 때, 여기에 기재된 방법의 적어도 하나 이상을 수행하도록 하는 설명의 세트를 포함하고 있다. 특정의 동작이 취해지도록 규정한 설명의 세트를 실행할 수 있는 것이면(순차적 또는 다른 방식으로), 어떠한 프로세서도 여기에 포함된다. 따라서 하나의 예는, 하나 또는 그 이상의 프로세서를 포함하는 전형적인 처리 시스템이다. 각 프로세서는 하나 또는 그 이상의 CPU, 그래픽 처리 유닛, 그리고 프로그램 가능한 DSP 유닛을 포함할 수 있다. 상기 처리 시스템은, 메인 RAM 및/또는 정적인 RAM 및/또는 ROM을 포함하는 메모리 서브시스템을 더 포함할 수 있다. 버스(bus) 시스템이 부품 사이의 통신을 위해 포함될 수도 있다. 상기 처리 시스템은, 네트워크에 의해 연결된 프로세서를 포함하는 분산 처리 시스템일 수 있다. 만일 상기 처리 시스템이 디스플레이를 요구한다면, 액정 디스플레이(LCD) 또는 음극선 튜브(CRT) 디스플레이와 같은 디스플레이가 포함될 수 있다. 만일 매뉴얼 데이터 입력이 요구될 경우에, 상기 처리 시스템은, 키보드와 같은 하나 또는 그 이상의 숫자식 입력 유닛과 같은 입력장치, 마우스 등과 같은 포인팅 컨트롤 장치를 포함한다. 여기에 사용된 메모리 유닛이라는 용어는, 문맥상 명확하고 달리 명확히 규정하지 않는 한, 디스크 구동 유닛과 같은 저장 시스템을 포함한다. 상기 처리 시스템은, 어떤 구조에 있어서 음성 출력 장치, 그리고 네트워크 인터페이스 장치를 포함할 수 있다. 상기 메모리 서브시스템은, 하나 또는 그 이상의 프로세서에 의해, 여기에 기재된 하나 또는 그 이상의 방법에 의해 실행될 때, 컴퓨터-가독 캐리어 매체(carrier medium)를 포함하는데, 이는 실행을 야기하는 설명(instruction)의 세트를 포함하는 컴퓨터-가독 코드(즉 소프트웨어)를 구비한다. 상기 방법이 복수의 요소를 포함할 때, 즉 여러 단계일 때, 달리 규정되지 않는한, 그러한 요소의 순서가 암시되어 있지 않음을 유의하여야 한다. 상기 소프트웨어는, 컴퓨터 시스템에 의한 실행 동안, 하드 디스크에 위치할 수 있고, 또는 상기 RAM 및/또는 프로세서 내부에, 완전히 또는 적어도 부분적으로 위치할 수 있다. 따라서 상기 메모리와 프로세서는, 컴퓨터-가독 코드를 구비하는 컴퓨터-가독 캐리어 매체를 형성할 수 있다.

더욱이, 컴퓨터-가독 캐리어 매체는, 컴퓨터 프로그램을 형성할 수 있고, 컴퓨터 프로그램에 포함될 수도 있다.

다른 실시예에서, 하나 또는 그 이상의 프로세서는, 독립된 장치로 작동할 수 있고, 네트워크된 다른 프로세서에 연결될 수도 있으며, 상기 하나 또는 그 이상의 프로세서는, 서버-사용자 네트워크 환경에서, 서버 또는 사용자 기계의 기능을 갖고 작동하거나, 또는 P2P 방식(peer-to-peer) 또는 분산된 네트워크 환경에서 동료 기계로서 작동할 수 있다. 상기 하나 또는 그 이상의 프로세서는, 개인 컴퓨터(PC), 태블릿 PC, 셋톱 박스(STB), 개인 단말기(PDA), 셀룰러 텔레폰, 웹 장치, 네트워크 라우터(router), 스위치 또는 브리지, 또는 그 기계에 의해 수행될 동작을 규정하는 설명(instruction)의 세트(순차적 또는 다른 방식)를 실행할 수 있는 다른 기계를 형성할 수 있다. 도면에는, 컴퓨터-가독 코드를 구비한 단지 하나의 프로세서 또는 메모리가 표시되어 있지만, 이 분야의 통상의 기술자라면, 여기에 많은 부품들이 포함되고, 본 발명의 관점을 흐리지 않도록 하기 위해서 명시적으로 표시하거나 기재하지 않았음을 이해할 것이다. 예를 들어 단일의 기계가 표시되어 있지만, 상기 "기계"라는 용어는, 여기에 기재된 하나 또는 그 이상의 방법을 수행하기 위해, 개별적 또는 집합적으로 설명의 세트(또는 복수의 세트)를 실행할 수 있는 모든 기계의 집합을 포함한다.

따라서, 여기에 기술된 각 방법의 일 실시예는, 설명의 세트를 구비하는 컴퓨터-가독 캐리어 매체의 형태이며, 설명의 세트는, 웹 서버 배치의 일부인 하나 또는 그 이상의 프로세서상에서 실행시키기 위한 컴퓨터 프로그램이다. 따라서 본 기술분야의 통상의 기술자가 이해할 수 있듯이, 본 발명의 실시예는 방법 및 장치에 의해 구체화되며, 상기 장치로는, 특수 목적 장치와 같은 장치, 데이터 처리 장치와 같은 장치, 컴퓨터-가독 캐리어 매체, 즉 컴퓨터 프로그램 제품이 있다. 상기 컴퓨터-가독 캐리어 매체는, 설명의 세트를 포함하는 컴퓨터 가독 코드를 구비하며, 상기 설명의 세트는, 하나 또는 이상의 프로세서상에서 실행될 때, 방법을 실행할 하나 또는 그 이상의 프로세서가 실행되도록 한다. 따라서 본 발명의 관점은, 방법, 전적으로 하드웨어 실시예, 전적으로 소프트웨어 실시예 또는 소프트웨어와 하드웨어를 조합하는 실시예의 형태를 가질 수 있다. 더욱이 본 발명은, 매체에 구체화된 컴퓨터-가독 프로그램 코드를 구비한 캐리어 매체(즉 컴퓨터-가독 저장 매체상의 컴퓨터 프로그램 제품)의 형태를 가질 수 있다.

상기 소프트웨어는, 네트워크 인터페이스 장치를 통해, 네트워크에서 전송 및 수신될 수 있다. 상기 캐리어 매체가, 예시적 실시예에서 단일의 매체로 표시되어 있지만, 상기 "캐리어 매체(carrier medium)"란 용어는, 하나 또는 그 이상의 설명의 세트를 저장하는 단일 또는 복수의 미디어(즉 집중 또는 분산된 데이터베이스 및/또는 관련된 캐시(cashe) 및 서버)를 포함하는 것으로 이해되어야 한다. 또한 상기 용어 "캐리어 매체"는, 하나 또는 그 이상의 프로세서에 의해 실행되는 설명의 세트를 저장하고, 부호화하고 또는 운반할 수 있는 어떠한 매체를 포함하며, 하나 또는 하나 이상의 프로세서가, 본 발명의 하나 또는 그 이상의 방법을 수행하도록 하는 것으로 이해되어야 한다. 캐리어 매체는 다양한 형태를 가질 수 있고, 비휘발성 매체, 휘발성 매체 및 전송 미디어를 포함하나 이에 한정되지 아니한다. 비휘발성 매체는, 예를 들어 광학, 자기 디스크 및 광자기 디스크를 포함한다. 휘발성 매체는, 메인 메모리와 같은 다이나믹 메모리를 포함한다. 전송 미디어는, 동축 케이블, 구리 와이어 그리고 버스(bus) 서브시스템을 포함하는 광섬유를 포함한다. 또한 전송 미디어는, 라디오파 및 적외선 데이터 통신과 같은, 음파 또는 광파의 형태를 가질 수 있다. 예를 들어 "캐리어 매체"라는 용어는 다음을 포함할 수 있으나 이에 한정되지 아니한다: 고체상태의 메모리, 광학 및 자기 미디어에 구체화된 컴퓨터 제품; 적어도 하나 또는 그 이상의 프로세서에 의해 검출가능한 증식된 데이터를 구비하고, 설명의 세트를 표시하며, 실행될 때 방법을 수행하는 매체; 적어도 하나 또는 그 이상의 프로세서 중 적어도 하나에 의해 검출가능한 증식된 데이터를 구비하고, 설명의 세트를 표시하는 전송 매체.

상기한 방법의 단계는, 일 실시예에서, 저장소에 저장된 설명(컴퓨터-가독 코드)을 실행하는 처리 시스템(즉 컴퓨터)의 적절한 프로세서(또는 프로세서들)에 의해 수행된다는 것을 이해하여야 한다. 또한 본 발명은, 특정의 실행 또는 프로그래밍 기법에 한정되지 않고, 여기에 기재된 기능의 수행을 위한 다른 적절한 기법을 이용하여 수행될 수 있다는 것을 이해하여야 한다. 본 발명은, 어떠한 특정의 프로그래밍 언어 또는 운영 시스템에 한정되지 아니한다.

본 발명의 예시적인 실시예에서, 본 발명의 다양한 특징은, 개시를 간소화하고 다양한 발명의 관점의 하나 또는 그 이상의 이해를 돕기 위한 목적으로, 가끔 단일의 실시예, 도면 도는 기재로 같이 묶어졌다는 것을 이해하여야 한다. 이 개시된 방법은, 본 발명이 각 청구범위에 명백히 기재된 것보다 더 많은 특징을 요구한다는 의도를 반영하는 것으로 해석되지는 않는다. 그보다는, 후술하는 청구범위에 반영된 바와 같이, 발명의 관점은, 전술한 단일의 실시예의 모든 특징보다도 적다. 따라서 발명의 상세한 설명에 뒤따르는 청구범위는, 이 발명의 상세한 설명에 명백하게 통합되고, 각 청구범위는 분리된 실시예로서 스스로 그 위치를 갖는다.

더욱이 해당 기술 분야의 통상의 기술자에 의해 이해되는 바와 같이, 여기에 개시된 어떤 실시예에서는 특징이 포함되고, 다른 실시예에는 특징이 포함되지 않았지만, 다른 실시예의 특징의 조합은, 본 발명의 범위 내에 있고, 다른 실시예를 형성하는 것을 의미한다. 예를 들어 다음의 청구범위에서 청구된 실시예는 어떠한 조합에도 사용될 수 있다.

더욱이 여기에 기재된 어떤 실시예는, 컴퓨터 시스템의 프로세서에 의하거나 또는 그 기능을 수행하는 다른 수단에 의해 실행될 수 있는 방법으로, 또는 그 방법 요소의 조합으로 기재되었다. 따라서 그러한 방법 또는 그 방법의 요소를 실행하기 위해 필요한 설명을 구비한 프로세서는, 그 방법 또는 그 방법의 요소를 실행하기 위한 수단을 형성한다. 더욱이 여기에 기재된 장치 실시예의 구성요소는, 본 발명을 실행하기 위한 목적으로, 그 구성요소에 의해 수행되는 기능을 실행하기 위한 수단의 일예이다.

본 명세서에 제공된 설명에서, 많은 특정한 세부사항이 설명되었다. 그렇지만 본 발명의 실시예는 이러한 특정한 세부사항 없이도 실행될 수 있다는 것을 이해할 수 있을 것이다. 다른 경우에 있어서, 잘 알려져 있는 방법, 구조 및 기법은, 설명의 이해를 흐리지 않도록 하기 위해 상세히 설명하지 않았다.

마찬가지로, 결합이란 용어는, 청구범위에 사용될 때 직접 연결하는 것만으로 제한되어 해석되어서는 아니된다. "결합된" 그리고 "연결된" 이라는 용어는, 그 파생물과 함께 사용될 수 있다. 이들 용어들은 서로 동의어로 의도되지 않았다는 것을 이해하여야 한다. 따라서 장치 A가 장치 B에 결합되었다는 표현의 범위는, 장치 A의 출력부가 장치 B의 입력부에 직접 연결된 장치 또는 시스템에 한정되어서는 아니된다. 이는, A의 출력부와 B의 입력부 사이에, 다른 장치 또는 수단을 포함하는 경로가 존재한다는 것을 의미한다. "결합된" 이라는 표현은, 둘 또는 그 이상의 구성요소가 직접 물리적 또는 전기적으로 접촉하거나, 둘 또는 그 이상의 구성요소가 서로 직접 접촉하지는 않으면서, 서로 같이 작동되거나 또는 상호작용을 하는 것을 의미한다.

본 발명의 바람직한 실시예로 생각되는 것이 기재되었지만, 해당 기술분야의 통상의 기술자라면, 본 발명의 사상을 벗어남이 없이 그로부터 다른 수정이 있을 수 있고, 그러한 모든 변형 및 수정이 본 발명의 범위 내에 있는 것으로 의도되었다는 것을 인식할 수 있을 것이다. 예를 들어 상기한 어떠한 공식은, 단지 그것이 사용될 수 있는 과정의 대표를 나타낸 것이다. 블록 도표에 기능이 추가되거나 삭제될 수 있고, 기능 블록 사이에서 활동이 교환될 수도 있다. 여기에 기재된 방법에, 본 발명의 범위 내에서, 단계가 더해지거나 삭제될 수도 있다.

Claims (78)

1. 하나 또는 그 이상의 모션 센서 유닛(MSU)을 포함하는 최종-사용자(end-user) 하드웨어의 사용자가 경쟁적 활동에 참가하도록 하는 방법으로서, 상기 방법은:
   서버 장치에서, 하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자에 의해 시도되도록 구성되는, 도전 활동의 대표인 복수의 도전 데이터 세트를 관리하는 단계와;
   하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 경쟁 활동에 참여하도록 하는 단계;를 포함하고,
   상기 각 도전 데이터 세트는:
   (ⅰ) 하나 또는 그 이상의 도전 기능의 데이터 대표이고, 상기 하나 또는 그 이상의 각 도전 기능은 기능-특정 구성 데이터와 관련되며, 상기 기능-특정 구성 데이터는 최종 사용자 하드웨어에 다운로드 가능하도록 구성되어, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 모션 센서 데이터에 기초하여, 도전 기능의 성능 이벤트의 확인 및 분석이 가능하도록 하는 최종-사용자 하드웨어를 구성하도록 하고; 그리고
   (ⅱ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표이며,
   상기 사용자가 주어진 경쟁 활동에 참가하도록 하는 단계는:
   (ⅰ) 최종-사용자 하드웨어의 사용자가, 하나 또는 그 이상의 도전 기능에 대해 기능-특정의 구성 데이터를 적용하도록 하는 것과; 그리고
   (ⅱ) 적용된 기능-특정 구성 데이터에 기초하여, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 데이터를 분석하여, 하나 또는 그 이상의 경쟁 파라미터에 대해 평가하는 것을 포함하는 것을 특징으로 하는 방법.
2. 제1항에 있어서,
   상기 최종-사용자 하드웨어는 모션 센서 유닛 구동 의복을 포함하는 것을 특징으로 하는 방법.
3. 제1항에 있어서,
   활동-저자(activity-author) 사용자가 경쟁적 활동에 대해 도전 데이터 세트를 규정할 수 있도록 구성된 오써링 인터페이스(authoring interface)를 제공하는 단계를 포함하는 것을 특징으로 하는 방법.
4. 제3항에 있어서,
   (ⅰ) 상기 활동-저자 사용자와; 그리고 (ⅱ) 도전 위치와 관련된 기능 성능 이벤트의 데이터 대표에 접근하는 단계를 더 포함하고,
   주어진 기능 성능 이벤트는, 사용자가 착용한 모션 센서 유닛의 세트를 통해 수집된 데이터 분석을 포함하는 프로세스에 의해 규정되는 것을 특징으로 하는 방법.
5. 제4항에 있어서,
   상기 오써링 인터페이스는, 도전 위치에서 상기 활동-저자 사용자와 관련된 기능 성능 이벤트의 데이터 대표를 처리하도록 구성되어, 상기 저자(author)가, 상기 활동-저자 사용자에 의해 완료된 활동에 기초하여, 도전 데이터 세트를 규정하도록 하는 것을 특징으로 하는 방법.
6. 제5항에 있어서,
   상기 오써링 인터페이스는, 도전 위치에서 상기 활동-저자 사용자와 관련된 기능 성능 이벤트의 데이터 대표를 처리하도록 구성되고, 그 처리에 기초하여 하나 또는 그 이상의 도전 데이터 세트 특성을 제안하는 것에 의해, 상기 저자(author)가, 상기 활동-저자 사용자에 의해 완료된 활동에 기초하여, 도전 데이터 세트를 규정하도록 하는 것을 특징으로 하는 방법.
7. 제6항에 있어서,
   상기 제안은, 상기 활동-저자 사용자가, (ⅰ) 활동-저자 사용자에 의해 완료된 활동과; 그리고 (ⅱ) 현재 경쟁 리더인 활동에 대응하는 도전 데이터 세트를 규정하도록 구성되는 것을 특징으로 하는 방법.
8. 제1항에 있어서,
   상기 하나 또는 그 이상의 도전 데이터 세트는, 도전 위치를 규정하는 데이터를 포함하고, 상기 도전 위치를 규정하는 데이터는, 그 경쟁 활동이 완료될 수 있는 지점의 대표인 것을 특징으로 하는 방법.
9. 제1항에 있어서,
   상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 도전 데이터 세트에 대해, 경쟁 활동에서의 첫번째 참가자가 두번째 참가자에 대해 어떻게 평가되는지를 규정하는 것을 특징으로 하는 방법.
10. 제1항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 연속적으로 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
11. 제1항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 규정된 타이밍 파라이터에 대해 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
12. 제1항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
13. 제1항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 타이밍 파라미터에 대해 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
14. 제1항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 기능의 세트를 수행하기 위한 시간을 포함하는 것을 특징으로 하는 방법.
15. 제14항에 있어서,
    상기 규정된 기능의 세트는, 단일 기능의 복수 예를 포함하는 것을 특징으로 하는 방법.
16. 제1항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 기능 성능 이벤트에 대한 하나 또는 그 이상의 성능 특성으로부터 얻어진 값에 의해 영향을 받는 파라미터를 포함하는 것을 특징으로 하는 방법.
17. 제16항에 있어서,
    상기 하나 또는 그 이상의 성능 특성은,
    규정된 최선의 성능과 관련된 기능의 성능; 기능의 수행에서 관찰된 하나 또는 그 이상의 모션-기반(motion-based) 특성; 기능 성능의 높이 특성; 기능 성능의 거리 특성; 기능 성능의 힘 특성; 기능 성능의 속도 특성; 그리고 기능 성능의 기간 특성 중 하나 또는 그 이상에 기초하여 규정되는 것을 특징으로 하는 방법.
18. 제3항에 있어서,
    상기 오써링 인터페이스는, 로컬 모드(local mode)에서 이용이 가능하여 로컬 사용자 인터페이스 장치에 제시되고, 상기 인터페이스는, 로컬 저장소로부터 활동-저자 사용자와 관련된 기능 성능 데이터에 접근하는 것을 특징으로 하는 방법.
19. 제18항에 있어서,
    상기 오써링 인터페이스는, 온라인 모드에서 추가적으로 이용이 가능하여, 중앙 저장소로부터 활동-저자 사용자와 관련된 기능 성능 데이터에 접근하는 것을 특징으로 하는 방법.
20. 제1항에 있어서,
    하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 도전 활동에 참가할 수 있도록 하는 것은, 오프라인 모드에서 상기 경쟁 파라미터와 관련된 도전 기능의 성능을 모니터할 수 있도록, 활동-참가자 사용자에 대해 장치를 로컬로 구성하는 것을 포함하는 것을 특징으로 하는 방법.
21. 제1항에 있어서,
    하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 도전 활동에 참가할 수 있도록 하는 것은, (ⅰ) 활동-참가자 사용자에 대한 위치를 결정하고; 그리고 (ⅱ) 사용자-활동 사용자에게, 결정된 위치와 관련된 하나 또는 그 이상의 기 규정된 경쟁 활동의 데이터 대표를 디스플레이하는 것을 포함하는 것을 특징으로 하는 방법.
22. 제1항에 있어서,
    자동화된 프로세스를 실행하여, 사용자 입력 없이 해당 위치에서 확인된 성능에 기초하여, 주어진 위치에 대한 하나 또는 그 이상의 경쟁 활동을 규정하는 단계를 포함하는 것을 특징으로 하는 방법.
23. 제1항에 있어서,
    주어진 하나 또는 그 이상의 도전 기능은, 활동-저자 사용자에 의한 성능 기록 프로세스에 의해 규정되는 것을 특징으로 하는 방법.
24. 하나 또는 그 이상의 모션 센서 유닛(MSU)을 포함하는 최종-사용자 하드웨어 사용자의 운영방법으로서, 상기 운영방법은,
    하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자에 의해 시도되도록 구성되는, 도전 활동의 대표인 도전 데이터 세트를 확인하는 단계와;
    하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 경쟁 활동에 참여하도록 하는 단계;를 포함하고,
    상기 각 도전 데이터 세트는:
    (ⅰ) 하나 또는 그 이상의 도전 기능의 데이터 대표이고, 상기 하나 또는 그 이상의 각 도전 기능은 기능-특정 구성 데이터와 관련되며, 상기 기능-특정 구성 데이터는 최종 사용자 하드웨어에 다운로드 가능하도록 구성되어, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 모션 센서 데이터에 기초하여, 도전 기능의 성능 이벤트의 확인 및 분석이 가능하도록 하는 최종-사용자 하드웨어를 구성하도록 하고, 그리고
    (ⅱ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표이며,
    상기 사용자가 주어진 경쟁 활동에 참여하도록 하는 단계는:
    (ⅰ) 최종-사용자 하드웨어의 사용자가, 하나 또는 그 이상의 도전 기능에 대해 기능-특정 구성 데이터를 적용하도록 하는 것과; 그리고
    (ⅱ) 적용된 기능-특정 구성 데이터에 기초하여, 하나 또는 그 이상의 모션 센서 유닛으로부터 얻어진 데이터를 분석하여, 하나 또는 그 이상의 경쟁 파라미터에 대해 평가하는 것을 포함하는 것을 특징으로 하는 방법.
25. 제24항에 있어서,
    상기 최종-사용자 하드웨어는 모션 센서 유닛 구동 의복을 포함하는 것을 특징으로 하는 방법.
26. 제24항에 있어서,
    활동-저자(activity-author) 사용자가 경쟁적 활동에 대해 도전 데이터 세트를 규정할 수 있도록 구성된 오써링 인터페이스(authoring interface)를 제공하는 단계를 포함하는 것을 특징으로 하는 방법.
27. 제26항에 있어서,
    (ⅰ) 상기 활동-저자 사용자와; 그리고 (ⅱ) 도전 위치와 관련된 기능 성능 이벤트의 데이터 대표에 접근하는 단계를 더 포함하고,
    주어진 기능 성능 이벤트는, 사용자가 착용한 모션 센서 유닛의 세트를 통해 수집된 데이터 분석을 포함하는 프로세스에 의해 규정되는 것을 특징으로 하는 방법.
28. 제27항에 있어서,
    상기 오써링 인터페이스는, 도전 위치에서 상기 활동-저자 사용자와 관련된 기능 성능 이벤트의 데이터 대표를 처리하도록 구성되어, 상기 저자(author)가, 상기 활동-저자 사용자에 의해 완료된 활동에 기초하여, 도전 데이터 세트를 규정하도록 하는 것을 특징으로 하는 방법.
29. 제28항에 있어서,
    상기 오써링 인터페이스는, 도전 위치에서 상기 활동-저자 사용자와 관련된 기능 성능 이벤트의 데이터 대표를 처리하도록 구성되고, 그 처리에 기초하여 하나 또는 그 이상의 도전 데이터 세트 특성을 제안하는 것에 의해, 상기 저자(author)가, 상기 활동-저자 사용자에 의해 완료된 활동에 기초하여, 도전 데이터 세트를 규정하도록 하는 것을 특징으로 하는 방법.
30. 제29항에 있어서,
    상기 제안은, 상기 활동-저자 사용자가, (ⅰ) 활동-저자 사용자에 의해 완료된 활동과; 그리고 (ⅱ) 현재 경쟁 리더인 활동에 대응하는 도전 데이터 세트를 규정하도록 구성되는 것을 특징으로 하는 방법.
31. 제24항에 있어서,
    상기 하나 또는 그 이상의 도전 데이터 세트는, 도전 위치를 규정하는 데이터를 포함하고, 상기 도전 위치를 규정하는 데이터는, 그 경쟁 활동이 완료될 수 있는 지점의 대표인 것을 특징으로 하는 방법.
32. 제24항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 도전 데이터 세트에 대해, 경쟁 활동에서의 첫번째 참가자가 두번째 참가자에 대해 어떻게 평가되는지를 규정하는 것을 특징으로 하는 방법.
33. 제24항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 연속적으로 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
34. 제24항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 규정된 타이밍 파라이터에 대해 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
35. 제24항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
36. 제24항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 타이밍 파라미터에 대해 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
37. 제24항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 기능의 세트를 수행하기 위한 시간을 포함하는 것을 특징으로 하는 방법.
38. 제37항에 있어서,
    상기 규정된 기능의 세트는, 단일 기능의 복수 예를 포함하는 것을 특징으로 하는 방법.
39. 제24항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 기능 성능 이벤트에 대한 하나 또는 그 이상의 성능 특성으로부터 얻어진 값에 의해 영향을 받는 파라미터를 포함하는 것을 특징으로 하는 방법.
40. 제39항에 있어서,
    상기 하나 또는 그 이상의 성능 특성은,
    규정된 최선의 성능과 관련된 기능의 성능; 기능의 수행에서 관찰된 하나 또는 그 이상의 모션-기반(motion-based) 특성; 기능 성능의 높이 특성; 기능 성능의 거리 특성; 기능 성능의 힘 특성; 기능 성능의 속도 특성; 그리고 기능 성능의 기간 특성 중 하나 또는 그 이상에 기초하여 규정되는 것을 특징으로 하는 방법.
41. 제26항에 있어서,
    상기 오써링 인터페이스는, 로컬 모드(local mode)에서 이용이 가능하여 로컬 사용자 인터페이스 장치에 제시되고, 상기 인터페이스는, 로컬 저장소로부터 활동-저자 사용자와 관련된 기능 성능 데이터에 접근하는 것을 특징으로 하는 방법.
42. 제24항에 있어서,
    상기 오써링 인터페이스는, 온라인 모드에서 추가적으로 이용이 가능하여, 중앙 저장소로부터 활동-저자 사용자와 관련된 기능 성능 데이터에 접근하는 것을 특징으로 하는 방법.
43. 제24항에 있어서,
    하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 도전 활동에 참가할 수 있도록 하는 것은, 오프라인 모드에서 상기 경쟁 파라미터와 관련된 도전 기능의 성능을 모니터할 수 있도록, 활동-참가자 사용자에 대해 장치를 로컬로 구성하는 것을 포함하는 것을 특징으로 하는 방법.
44. 제24항에 있어서,
    하나 또는 그 이상의 모션 센서 유닛을 포함하는 최종-사용자 하드웨어의 사용자가 주어진 도전 활동에 참가할 수 있도록 하는 것은, (ⅰ) 활동-참가자 사용자에 대한 위치를 결정하고; 그리고 (ⅱ) 사용자-활동 사용자에게, 결정된 위치와 관련된 하나 또는 그 이상의 기 규정된 경쟁 활동의 데이터 대표를 디스플레이하는 것을 포함하는 것을 특징으로 하는 방법.
45. 제24항에 있어서,
    자동화된 프로세스를 실행하여, 사용자 입력 없이 해당 위치에서 확인된 성능에 기초하여, 주어진 위치에 대한 하나 또는 그 이상의 경쟁 활동을 규정하는 단계를 포함하는 것을 특징으로 하는 방법.
46. 복수-사용자 경쟁 활동을 제공하는 방법으로서, 상기 방법은:
    활동-저자(activity-author) 사용자가 경쟁 활동에 대해 도전 데이터 세트를 규정하도록 구성되는 오써링 인터페이스(authoring interface)를 제공하는 단계와;
    경쟁 활동을 복수의 활동-참가자(activity-participant) 사용자가 이용할 수 있도록 하는 단계를 포함하고;
    상기 각 도전 데이터 세트는:
    (ⅰ) 도전 위치에 대한 위치 정보의 데이터 대표;
    (ⅱ) 최종 사용자가 착용한 모션 센서 유닛을 통해 확인하도록 구성된 도전 기능의 저장소로부터 선택되는 하나 또는 그 이상의 도전 기능의 데이터 대표, 그리고
    (ⅲ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표를 포함하고,
    상기 주어진 활동-참가자는, 사용자와 관련된 모션-감지 의복으로부터 얻어진 분석 데이터에 기초하여 경쟁 활동에 참가하는 것을 특징으로 하는 방법.
47. 제46항에 있어서,
    (ⅰ) 상기 활동-저자 사용자와; 그리고 (ⅱ) 도전 위치와 관련된 기능 성능 이벤트의 데이터 대표에 접근하는 단계를 더 포함하고,
    주어진 기능 성능 이벤트는, 사용자가 착용한 모션 센서 유닛의 세트를 통해 수집된 데이터 분석을 포함하는 프로세스에 의해 규정되는 것을 특징으로 하는 방법.
48. 제47항에 있어서,
    상기 오써링 인터페이스는, 도전 위치에서 상기 활동-저자 사용자와 관련된 기능 성능 이벤트의 데이터 대표를 처리하도록 구성되어, 상기 저자(author)가, 상기 활동-저자 사용자에 의해 완료된 활동에 대응하여, 도전 데이터 세트를 규정하도록 하는 것을 특징으로 하는 방법.
49. 제48항에 있어서,
    상기 오써링 인터페이스는, 도전 위치에서 상기 활동-저자 사용자와 관련된 기능 성능 이벤트의 데이터 대표를 처리하도록 구성되고, 그 처리에 기초하여 하나 또는 그 이상의 도전 데이터 세트 특성을 제안하는 것에 의해, 상기 저자(author)가, 상기 활동-저자 사용자에 의해 완료된 활동에 대응하여, 도전 데이터 세트를 규정하도록 하는 것을 특징으로 하는 방법.
50. 제49항에 있어서,
    상기 제안은, 상기 활동-저자 사용자가, (ⅰ) 활동-저자 사용자에 의해 완료된 활동과; 그리고 (ⅱ) 현재 경쟁 리더인 활동에 대응하는 도전 데이터 세트를 규정하도록 구성되는 것을 특징으로 하는 방법.
51. 제46항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 도전 데이터 세트에 대해, 경쟁 활동에서의 첫번째 참가자가 두번째 참가자와 관련하여 어떻게 평가되는지를 규정하는 것을 특징으로 하는 방법.
52. 제46항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 연속적으로 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
53. 제46항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 규정된 타이밍 파라이터에 대해 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
54. 제46항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
55. 제46항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 타이밍 파라미터에 대해 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
56. 제46항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 기능의 세트를 수행하기 위한 시간을 포함하는 것을 특징으로 하는 방법.
57. 제56항에 있어서,
    상기 규정된 기능의 세트는, 단일 기능의 복수 예를 포함하는 것을 특징으로 하는 방법.
58. 제46항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 기능 성능 이벤트에 대한 하나 또는 그 이상의 성능 특성으로부터 얻어진 값을 포함하는 것을 특징으로 하는 방법.
59. 제58항에 있어서,
    상기 하나 또는 그 이상의 성능 특성은,
    규정된 최선의 성능과 관련된 기능의 성능; 기능의 수행에서 관찰된 하나 또는 그 이상의 모션-기반(motion-based) 특성; 기능 성능의 높이 특성; 기능 성능의 거리 특성; 기능 성능의 힘 특성; 기능 성능의 속도 특성; 그리고 기능 성능의 기간 특성 중 하나 또는 그 이상에 기초하여 규정되는 것을 특징으로 하는 방법.
60. 제46항에 있어서,
    상기 오써링 인터페이스는, 로컬 모드(local mode)에서 이용이 가능하여 로컬 사용자 인터페이스 장치에 제시되고, 상기 인터페이스는, 로컬 저장소로부터 활동-저자 사용자와 관련된 기능 성능 데이터에 접근하는 것을 특징으로 하는 방법.
61. 제46항에 있어서,
    상기 오써링 인터페이스는, 온라인 모드에서 이용이 가능하여, 중앙 저장소로부터 활동-저자 사용자와 관련된 기능 성능 데이터에 접근하는 것을 특징으로 하는 방법.
62. 제46항에 있어서,
    주어진 활동-참가자 사용자에게 경쟁 활동이 가능하도록 하는 것은, 오프라인 모드에서 상기 경쟁 파라미터와 관련된 도전 기능의 성능을 모니터할 수 있도록, 활동-참가자 사용자에 대해 장치를 로컬로 구성하는 것을 포함하는 것을 특징으로 하는 방법.
63. 제46항에 있어서,
    복수의 활동-참가자 사용자에게 경쟁 활동이 가능하도록 하는 것은, (ⅰ) 활동-참가자 사용자에 대한 위치를 결정하고; 그리고 (ⅱ) 사용자-활동 사용자에게, 결정된 위치와 관련된 하나 또는 그 이상의 기 규정된 경쟁 활동의 데이터 대표를 디스플레이하는 것을 포함하는 것을 특징으로 하는 방법.
64. 제46항에 있어서,
    자동화된 프로세스를 실행하여, 사용자 입력 없이 해당 위치에서 확인된 성능에 기초하여, 주어진 위치에 대한 하나 또는 그 이상의 경쟁 활동을 규정하는 단계를 포함하는 것을 특징으로 하는 방법.
65. 제46항에 있어서,
    주어진 하나 또는 그 이상의 도전 기능은, 활동-저자 사용자에 의한 성능 기록 프로세스에 의해 규정되는 것을 특징으로 하는 방법.
66. 복수-사용자 경쟁 활동을 제공하는 방법으로서, 상기 방법은:
    복수-참가자 사용자와 관련된 위치 정보를 확인하는 단계와;
    상기 위치 정보와 관련된 하나 또는 그 이상의 미리 규정된 경쟁 활동을 확인하는 단계와;
    상기 활동-참가자 사용자와 관련하여 착용된 모션 센서 유닛의 세트로부터 얻어진 데이터를 가공하고, 확인된 경쟁 활동의 하나를 결정하며, 하나 또는 그 이상의 경쟁 파라미터와 관련된 활동-참가자 사용를 평가하는 단계;를 포함하고,
    각 경쟁 활동은 각 도전 데이터 세트와 관련되고, 상기 각 도전 데이터 세트는,
    (ⅰ) 도전 위치에 대한 위치 정보의 데이터 대표;
    (ⅱ) 최종 사용자가 착용한 모션 센서 유닛을 통해 확인하도록 구성된 도전 기능의 저장소로부터 선택되는 하나 또는 그 이상의 도전 기능의 데이터 대표, 그리고
    (ⅲ) 하나 또는 그 이상의 경쟁 파라미터의 데이터 대표를 포함하는 것을 특징으로 하는 방법.
67. 제66항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 도전 데이터 세트에 대해, 경쟁 활동에서의 첫번째 참가자가 두번째 참가자에 대해 어떻게 평가되는지를 규정하는 것을 특징으로 하는 방법.
68. 제66항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 연속적으로 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
69. 제66항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 특정의 기능이 규정된 타이밍 파라이터에 대해 몇번 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
70. 제66항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
71. 제66항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 타이밍 파라미터에 대해 얼마나 많은 독특한 기능이 수행되었는지를 카운트하는 것을 포함하는 것을 특징으로 하는 방법.
72. 제66항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 규정된 기능의 세트를 수행하기 위한 시간을 포함하는 것을 특징으로 하는 방법.
73. 제72항에 있어서,
    상기 규정된 기능의 세트는, 단일 기능의 복수 예를 포함하는 것을 특징으로 하는 방법.
74. 제66항에 있어서,
    상기 하나 또는 그 이상의 경쟁 파라미터는, 주어진 기능 성능 이벤트에 대한 하나 또는 그 이상의 성능 특성으로부터 얻어진 값을 포함하는 것을 특징으로 하는 방법.
75. 제74항에 있어서,
    상기 하나 또는 그 이상의 성능 특성은,
    규정된 최선의 성능과 관련된 기능의 성능; 기능의 수행에서 관찰된 하나 또는 그 이상의 모션-기반(motion-based) 특성 중 어느 하나 또는 모두에 기초하여 규정되는 것을 특징으로 하는 방법.
76. 제75항에 있어서,
    상기 하나 또는 그 이상의 성능 특성은,
    기능 성능의 높이 특성; 기능 성능의 거리 특성; 기능 성능의 힘 특성; 기능 성능의 속도 특성; 그리고 기능 성능의 기간 특성 중 어느 하나 또는 모두에 기초하여 규정되는 것을 특징으로 하는 방법.
77. 제66항에 있어서,
    오프라인 모드에서 상기 경쟁 파라미터와 관련된 도전 기능의 성능을 모니터할 수 있도록, 활동-참가자 사용자에 대해 장치를 로컬로 구성하는 것을 포함하는 것을 특징으로 하는 방법.
78. 제1항 내지 제77항 중 어느 한 항에 기재된 방법을 수행하도록 구성되는 것을 특징으로 하는 컴퓨터 시스템.

Images