KR20230101694A - 운동 모드에 기초하여 웨어러블 장치를 제어하는 방법 및 그 방법을 수행하는 전자 장치 - Google Patents

Abstract

일 실시 예에 따른 전자 장치는, 웨어러블 장치의 타겟 운동 모드를 결정하고, 타겟 운동 모드에 기초하여 제1 제어 파라미터의 값을 결정하고, 웨어러블 장치로부터 획득된 원시 센싱 데이터 및 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하고, 센싱 데이터에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하고, 타겟 운동 모드에 기초하여 제2 제어 파라미터의 값을 결정하고, 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하고, 토크의 값에 기초하여 웨어러블 장치를 제어할 수 있다.

Description

운동 모드에 기초하여 웨어러블 장치를 제어하는 방법 및 그 방법을 수행하는 전자 장치{METHOD FOR CONTROLLING WEARABLE DEVICE BASED ON EXERCISE MODE AND ELECTRONIC DEVICE PERFORMING THE METHOD}

본 출원은 웨어러블 장치를 제어하는 기술에 관한 것이다.

고령화 사회로 진입하면서 노화로 인한 근력 약화 또는 관절 이상으로 보행에 불편과 고통을 호소하는 사람들이 증가하고 있고, 근력이 약화된 노인이나 근관절이 불편한 환자들이 보행을 원활하게 할 수 있는 보행 보조 장치에 대한 관심이 높아지고 있다.

일 실시 예에 따른, 전자 장치는, 외부 장치와 데이터를 교환하는 통신 모듈, 및 상기 전자 장치를 제어하는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작, 상기 타겟 운동 모드에 기초하여 제1 제어 파라미터의 값을 결정하는 동작, 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작, 상기 타겟 운동 모드에 기초하여 제2 제어 파라미터의 값을 결정하는 동작, 상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작, 및 상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작을 수행할 수 있다.

일 실시 예에 따른, 전자 장치에 의해 수행되는, 웨어러블 장치를 제어하는 방법은, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작, 상기 타겟 운동 모드에 기초하여 제1 제어 파라미터의 값을 결정하는 동작, 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작, 상기 타겟 운동 모드에 기초하여 제2 제어 파라미터의 값을 결정하는 동작, 상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작, 및 상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작을 포함할 수 있다.

일 실시 예에 따른, 전자 장치는, 외부 장치와 데이터를 교환하는 통신 모듈, 및 상기 전자 장치를 제어하는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는, 사용자로부터 하나 이상의 운동 모드들에 대한 정보를 수신하는 동작, 상기 운동 모드들에 기초하여 운동 프로그램을 생성하는 동작, 웨어러블 장치가 상기 운동 프로그램에 기초하여 제어되는 경우, 타겟 운동 모드를 결정하는 동작, 상기 타겟 운동 모드에 기초하여 제1 제어 파라미터의 값을 결정하는 동작, 상기 웨어러블 장치의 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작, 상기 타겟 운동 모드에 기초하여 제2 제어 파라미터의 값을 결정하는 동작, 상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작, 및 상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작을 수행할 수 있다.

도 1은 일 실시 예에 따른, 사용자에게 운동 프로그램을 제공하기 위한 시스템의 구성도이다.
도 2는 일 실시 예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 3a, 도 3b, 도 3c 및 도 3d는 일 실시 예에 따른, 웨어러블 장치를 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른, 전자 장치와 통신하는 웨어러블 장치를 설명하기 위한 도면이다.
도 5 및 도 6은 일 실시 예에 따른, 웨어러블 장치의 토크 출력 방법을 설명하기 위한 도면이다.
도 7은 일 예에 따른, 웨어러블 장치를 제어하기 위한 토크의 값을 결정하는 방법을 도시한다.
도 8은 일 실시 예에 따른, 운동 모드에 기초하여 웨어러블 장치를 제어하는 방법의 흐름도이다.
도 9는 일 예에 따른, 운동 모드들에 기초하여 운동 프로그램을 생성하는 방법의 흐름도이다.
도 10은 일 예에 따른, 운동 프로그램을 생성하는 방법을 도시한다.
도 11은 일 예에 따른, 운동 프로그램의 운동 모드들의 수행 시간 및 수행 레벨을 조정하는 방법을 도시한다.
도 12는 일 예에 따른, 운동 모드의 제어 파라미터들의 값들을 조정하는 방법을 도시한다.
도 13은 일 예에 따른, 센싱 데이터에 기초하여 생성된 피드백 정보를 출력하는 방법의 흐름도이다.
도 14a는 일 예에 따른, 타겟 운동 모드에서의 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 보조 모드에 기초하여 결정되는 토크의 값의 궤적을 도시한다.
도 14b는 일 예에 따른, 도 14a의 타겟 운동이 반복적으로 수행되는 경우 측정되는 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 보조 모드에 기초하여 결정되는 토크의 값이 궤적을 도시한다.
도 14c는 일 예에 따른, 도 14a의 타겟 운동이 반복적으로 수행되는 경우 웨어러블 장치에 의해 출력되는 토크의 값의 궤적 및 일률(power)의 궤적을 도시한다.
도 15a는 일 예에 따른, 타겟 운동 모드에서의 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 저항 모드에 기초하여 결정되는 토크의 값의 궤적을 도시한다.
도 15b는 일 예에 따른, 도 15a의 타겟 운동이 반복적으로 수행되는 경우 측정되는 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 저항 모드에 기초하여 결정되는 토크의 값이 궤적을 도시한다.
도 15c는 일 예에 따른, 도 15a의 타겟 운동이 반복적으로 수행되는 경우 웨어러블 장치에 의해 출력되는 토크의 값의 궤적 및 일률(power)의 궤적을 도시한다.
도 16은 일 예에 따른. 전자 장치가 능동적으로 타겟 운동 모드를 결정하는 방법에 대한 흐름도이다.
도 17a, 17b, 17c, 17d, 17e, 17f 및 17g의 각각은 일 예에 따른, 운동 모드에 기초하여 웨어러블 장치를 제어하는 방법의 흐름도이다.

이하, 본 기재의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 기재를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 기재의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.

도 1은 일 실시 예에 따른, 사용자에게 운동 프로그램을 제공하기 위한 시스템의 구성도이다.

일 실시 예에 따른, 사용자에게 운동 프로그램을 제공하기 위한 시스템(100)은 전자 장치(110), 웨어러블 장치(120), 부가 장치(130), 및 서버(140)를 포함할 수 있다.

일 실시 예에 따르면, 전자 장치(110)는 근거리 무선 통신을 이용하여 웨어러블 장치(120)와 연결될 수 있는 사용자 단말일 수 있다. 예를 들어, 전자 장치(110)는 웨어러블 장치(120)를 제어하기 위한 제어 신호를 웨어러블 장치(120)로 전송할 수 있다. 전자 장치(110)에 대해 아래에서 도 2를 참조하여 상세히 설명되고, 제어 신호의 전송에 대해 아래에서 도 4를 참조하여 상세히 설명된다.

일 실시 예에 따르면, 웨어러블 장치(120)는 웨어러블 장치(120)를 착용한 사용자에게 보행 또는 운동을 보조하기 위한 보조력 또는 보행을 방해하기 위한 저항력을 제공할 수 있다. 저항력은 사용자의 운동을 위해 제공될 수 있다. 웨어러블 장치(120)에서 이용되는 다양한 제어 파라미터들의 값들이 제어됨으로써 웨어러블 장치(120)에 의해 출력되는 보조력 또는 저항력이 제어될 수 있다. 웨어러블 장치(120)의 구조 및 구동 방법에 대해 아래에서 도 3a, 3b, 3c, 3d, 4, 5 및 6을 참조하여 상세히 설명된다.

일 실시 예에 따르면, 전자 장치(110)는 근거리 무선 통신을 이용하여 부가 장치(130)(예: 무선 이어폰(131), 스마트 워치(132) 또는 스마트 글래스(133))와 연결될 수 있다. 예를 들어, 전자 장치(110)는 전자 장치(110)의 상태 또는 웨어러블 장치(120)의 상태 등을 나타내는 정보를 부가 장치(130)를 통해 사용자에게 출력할 수 있다. 예를 들어, 부가 장치(130)의 햅틱 장치, 스피커 장치 및 디스플레이 장치를 통해 웨어러블 장치(120)를 착용한 사용자의 보행 상태에 대한 피드백 정보가 출력될 수 있다.

일 실시 예에 따르면, 전자 장치(110)는 근거리 무선 통신 또는 셀룰러 통신을 이용하여 서버(140)와 연결될 수 있다.

일 실시 예에 따르면, 서버(140)는 웨어러블 장치(120)를 통해 사용자에게 제공될 수 있는 복수의 운동 모드들에 대한 정보가 저장된 데이터베이스를 포함할 수 있다.

운동 모드는 웨어러블 장치를 착용한 사용자가 수행할 수 있는 운동 종류를 나타낼 수 있다. 예를 들어, 운동 종류는 알려져 있는 맨몸 운동 종류 및 웨이트 운동 종류를 포함할 수 있다. 예를 들어, 운동 종류는 알려져 있지 않은 새로운 운동 종류를 포함할 수 있다. 운동 모드는 웨어러블 장치(120)를 착용한 사용자가 해당 움직임을 수행할 때, 해당 움직임에 대응하도록 미리 설정된 힘(또는, 토크)를 웨어러블 장치(120)를 통해 사용자에게 제공할 수 있다. 예를 들어, 사용자에게 제공되는 힘은 보조력일 수 있다. 예를 들어, 사용자에게 제공되는 힘은 저항력일 수 있다. 웨어러블 장치(120)에 의해 사용자에게 제공되는 토크의 출력 타이밍 및 크기는 사용자가 기존의 운동 모드를 수정하거나 또는 새로운 운동 모드를 저작함으로써 제어될 수 있다. 운동 모드는 사용자의 목표 움직임에 대해 웨어러블 장치(120)가 적절한 토크를 사용자에게 제공하도록 웨어러블 장치(120)를 제어하는 움직임 제어 모델에 기초할 수 있다.

움직임 제어 모델은 해당 운동 모드에서 웨어러블 장치(120)를 통해 사용자에게 토크를 출력하기 위한 모델(또는, 소프트웨어 또는 프로그램)일 수 있다. 예를 들어, 움직임 제어 모델은 사용자의 움직임에 대응하는 토크가 웨어러블 장치(120)를 통해 출력되도록 웨어러블 장치(120)를 제어하는 모델일 수 있다. 움직임 제어 모델은 제어 파라미터들의 값들에 기초하여 토크를 출력할 수 있다. 예를 들어, 제어 파라미터들은 웨어러블 장치(120)를 통해 출력될 토크의 크기, 방향 및 타이밍, 웨어러블 장치(120)의 관절 각도들에 대한 민감도, 또는 관절 각도들 간의 오프셋 각도 중 적어도 하나를 조절하기 위한 파라미터들을 포함할 수 있다.

일 실시 예에 따르면, 서버(140)는 전자 장치(110) 또는 웨어러블 장치(120)의 사용자에 대한 사용자 계정을 관리할 수 있다. 서버(140)는 사용자가 수행한 운동 모드 및 운동 모드에 대한 수행 결과 등을 사용자 계정과 연관하여 저장하고, 관리할 수 있다.

일 실시 예에 따르면, 웨어러블 장치(120)를 착용한 사용자는 스텝 운동 유형 또는 비스텝 운동 유형을 갖는 운동 모드를 수행할 수 있다. 예를 들어, 스텝 운동 유형의 운동 모드는 파워 워킹 모드, 인터벌 워킹 모드, 수중 워킹 모드, 저항 워킹 모드, 밸런스 트레이닝 워킹 모드, 보조 워킹 모드와 같이 걷기 운동 모드를 포함할 수 있다. 예를 들어, 스텝 운동 유형의 운동 모드는 달리기 운동 모드를 포함할 수 있다. 예를 들어, 스텝 운동 유형의 운동 모드는 Fast feet 모드, Lunge 모드, Split jack 모드, Toe tap triceps 모드, Knee up 모드, March Step with Twist 모드, 또는 Mountain climber 모드 와 같이 왼쪽 다리 및 오른쪽 다리가 대칭적 또는 교대적으로 움직이는 운동 모드를 포함할 수 있다. 예를 들어, 비스텝 운동 유형의 운동 모드는 Squat 모드, Narrow squat 모드, Half squat 모드, Deadlift 모드, Single leg deadlift 모드, Kick back 모드, Bird dog 모드 또는 Good morning 모드 와 같이 왼쪽 다리 및 오른쪽 다리가 같은 방향으로 움직이는 운동 모드를 포함할 수 있다. 스텝 운동 유형의 운동 모드 및 비스텝 운동 유형의 운동 모드는 웨어러블 장치(120)가 토크를 출력하는 방식이 서로 상이하기 때문에 서로 다른 움직임 제어 모델이 이용되어야 한다. 스텝 운동 유형인 제1 유형에 대해 제1 움직임 제어 모델이 적용되고, 비스텝 운동 유형인 제2 유형에 대해 제2 움직임 제어 모델이 적용될 수 있다. 해당 운동 모드에 대응하는 움직임 제어 모델에 기초하여 웨어러블 장치(120)가 제어될 수 있다. 아래에서 도 7 내지 도 15c를 참조하여 웨어러블 장치(120)를 이용하여 사용자에게 운동 모드를 제공하는 방법에 대해 상세히 설명된다.

도 2는 일 실시 예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.

도 2는 일 실시 예에 따른, 네트워크 환경(200) 내의 전자 장치(201)(예: 도 1의 전자 장치(110))의 블록도이다. 도 2를 참조하면, 네트워크 환경(200)에서 전자 장치(201)는 제1 네트워크(298)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(202)와 통신하거나, 또는 제2 네트워크(299)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(204) 또는 서버(208) 중 적어도 하나와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 서버(208)를 통하여 전자 장치(204)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 프로세서(220), 메모리(230), 입력 모듈(250), 음향 출력 모듈(255), 디스플레이 모듈(260), 오디오 모듈(270), 센서 모듈(276), 인터페이스(277), 연결 단자(278), 햅틱 모듈(279), 카메라 모듈(280), 전력 관리 모듈(288), 배터리(289), 통신 모듈(290), 가입자 식별 모듈(296), 또는 안테나 모듈(297)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(201)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(278))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시 예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(276), 카메라 모듈(280), 또는 안테나 모듈(297))은 하나의 구성요소(예: 디스플레이 모듈(260))로 통합될 수 있다.

프로세서(220)는, 예를 들면, 소프트웨어(예: 프로그램(240))를 실행하여 프로세서(220)에 연결된 전자 장치(201)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(220)는 다른 구성요소(예: 센서 모듈(276) 또는 통신 모듈(290))로부터 수신된 명령 또는 데이터를 휘발성 메모리(232)에 저장하고, 휘발성 메모리(232)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(234)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(220)는 메인 프로세서(221)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(223)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(201)가 메인 프로세서(221) 및 보조 프로세서(223)를 포함하는 경우, 보조 프로세서(223)는 메인 프로세서(221)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(223)는 메인 프로세서(221)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(223)는, 예를 들면, 메인 프로세서(221)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(221)를 대신하여, 또는 메인 프로세서(221)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(221)와 함께, 전자 장치(201)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(260), 센서 모듈(276), 또는 통신 모듈(290))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(223)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(280) 또는 통신 모듈(290))의 일부로서 구현될 수 있다. 일 실시 예에 따르면, 보조 프로세서(223)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(201) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(208))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(230)는, 전자 장치(201)의 적어도 하나의 구성요소(예: 프로세서(220) 또는 센서 모듈(276))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(240)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(230)는, 휘발성 메모리(232) 또는 비휘발성 메모리(234)를 포함할 수 있다.

프로그램(240)은 메모리(230)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(242), 미들 웨어(244) 또는 어플리케이션(246)을 포함할 수 있다.

입력 모듈(250)은, 전자 장치(201)의 구성요소(예: 프로세서(220))에 사용될 명령 또는 데이터를 전자 장치(201)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(250)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(255)은 음향 신호를 전자 장치(201)의 외부로 출력할 수 있다. 음향 출력 모듈(255)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(260)은 전자 장치(201)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(260)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 디스플레이 모듈(260)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(270)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(270)은, 입력 모듈(250)을 통해 소리를 획득하거나, 음향 출력 모듈(255), 또는 전자 장치(201)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(202))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(276)은 전자 장치(201)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시 예에 따르면, 센서 모듈(276)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(277)는 전자 장치(201)가 외부 전자 장치(예: 전자 장치(202))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(277)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(278)는, 그를 통해서 전자 장치(201)가 외부 전자 장치(예: 전자 장치(202))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(278)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(279)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(279)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(280)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(280)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(288)은 전자 장치(201)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 따르면, 전력 관리 모듈(288)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(289)는 전자 장치(201)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(289)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(290)은 전자 장치(201)와 외부 전자 장치(예: 전자 장치(202), 전자 장치(204), 또는 서버(208)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(290)은 프로세서(220)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(290)은 무선 통신 모듈(292)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(294)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(298)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(299)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(204)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(292)은 가입자 식별 모듈(296)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 사용하여 제1 네트워크(298) 또는 제2 네트워크(299)와 같은 통신 네트워크 내에서 전자 장치(201)를 확인 또는 인증할 수 있다.

무선 통신 모듈(292)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(292)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(292)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(292)은 전자 장치(201), 외부 전자 장치(예: 전자 장치(204)) 또는 네트워크 시스템(예: 제2 네트워크(299))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(292)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(297)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈(297)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(297)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(298) 또는 제2 네트워크(299)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(290)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(290)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시 예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(297)의 일부로 형성될 수 있다.

일 실시 예에 따르면, 안테나 모듈(297)은 mmWave 안테나 모듈을 형성할 수 있다. 예를 들어, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일 실시 예에 따르면, 명령 또는 데이터는 제2 네트워크(299)에 연결된 서버(208)를 통해서 전자 장치(201)와 외부의 전자 장치(204)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(202, 또는 204) 각각은 전자 장치(201)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(201)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(202, 204, 또는 208) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(201)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(201)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(201)로 전달할 수 있다. 전자 장치(201)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 사용될 수 있다. 전자 장치(201)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 사용하여 초저지연 서비스를 제공할 수 있다. 다른 실시 예에 있어서, 외부의 전자 장치(204)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(208)는 기계 학습 및/또는 신경망을 사용한 지능형 서버일 수 있다. 일 실시 예에 따르면, 외부의 전자 장치(204) 또는 서버(208)는 제2 네트워크(299) 내에 포함될 수 있다. 전자 장치(201)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트 폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예들로 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시 예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시 예들은 기기(machine)(예: 전자 장치(201)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(236) 또는 외장 메모리(238))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(240))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(201))의 프로세서(예: 프로세서(220))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

도 3a, 3b, 3c 및 3d는 일 실시 예에 따른, 웨어러블 장치를 설명하기 위한 도면이다.

도 3a, 3b, 3c 및 3d를 참조하면, 웨어러블 장치(300)(예: 도 1의 웨어러블 장치(120))는 사용자에게 장착되어 사용자의 보행(gait)을 보조할 수 있다. 예를 들어, 웨어러블 장치(300)는 사용자의 보행을 보조하는 장치일 수 있다. 또한, 웨어러블 장치(300)는 사용자의 움직임(예: 보행 또는 운동)을 보조할 뿐만 아니라, 사용자에게 저항력을 제공함으로써 운동 기능을 제공하는 운동 장치일 수 있다. 예를 들어, 사용자에게 제공되는 저항력은 모터와 같은 장치에 의해 출력되는 힘과 같이 사용자에게 능동적으로 가해지는 힘일 수도 있다. 예를 들어, 저항력은 사용자에게 능동적으로 가해지는 힘은 아니나 마찰력과 같이 사용자의 움직임을 방해하는 힘일 수 있다. 다른 말로, 저항력은 운동 부하로 표현될 수 있다.

도 3a, 3b, 3c 및 3d는 힙 타입의 웨어러블 장치(300)를 도시하고 있으나, 웨어러블 장치의 타입은 힙 타입에 제한되는 것은 아니며, 웨어러블 장치는 하지 전체를 지원하는 형태 또는 하지 일부를 지원하는 타입일 수 있다. 그리고, 웨어러블 장치는 하지 일부를 지원하는 형태, 무릎까지 지원하는 형태, 발목까지 지원하는 형태 및 전신을 지원하는 형태 중 어느 하나일 수 있다.

도 3a, 3b, 3c 및 3d를 참조하여 설명되는 실시예들은 힙 타입에 대해 적용될 수 있으나, 이에 한정되는 것이 아니며 다양한 타입들의 웨어러블 장치에 대해서 모두 적용될 수 있다.

일 실시 예에 따르면, 웨어러블 장치(300)는 구동부(310), 센서부(320), IMU(Inertial Measurement Unit)(330), 제어부(340), 배터리(350) 및 통신 모듈(352)을 포함한다. 예를 들어, IMU(330) 및 제어부(340)는 웨어러블 장치(300)의 메인 프레임 내에 배치될 수 있다. 예를 들어, IMU(330) 및 제어부(340)는 웨어러블 장치(300)의 메인 프레임의 외부에 형성(또는, 부착)되는 하우징에 포함될 수 있다.

구동부(310)는 모터(314) 및 모터(314)를 구동시키기 위한 모터 드라이버 회로(312)를 포함할 수 있다. 센서부(320)는 적어도 하나의 센서(321)를 포함할 수 있다. 제어부(340)는 프로세서(342), 메모리(344) 및 입력 인터페이스(346)를 포함할 수 있다. 도 3c에는 하나의 센서(321), 하나의 모터 드라이버 회로(312), 및 하나의 모터(314)가 도시되어 있으나 이는 예시적인 사항일 뿐, 도 3d에 도시된 예와 같이 다른 일례의 웨어러블 장치(300-1)는 복수의 센서들(321 및 321-1), 복수의 모터 드라이버 회로들(312 및 312-1), 및 복수의 모터들(314 및 314-1)을 포함할 수 있다. 또한, 구현에 따라 웨어러블 장치(300)는 복수의 프로세서들을 포함할 수 있다. 모터 드라이버 회로 개수, 모터 개수, 또는 프로세서 개수는 웨어러블 장치(300)가 착용되는 신체 부위에 따라 달라질 수 있다.

후술할 센서(321), 모터 드라이버 회로(312), 및 모터(314)에 대한 설명은 도 3d에 도시된 센서(321-1), 모터 드라이버 회로(312-1), 및 모터(314-1)에 대해서도 적용될 수 있다.

구동부(310)는 사용자의 힙 관절(hip joint)을 구동시킬 수 있다. 예를 들어, 구동부(310)는 사용자의 오른쪽 힙 및/또는 왼쪽 힙 부분에 위치할 수 있다. 구동부(310)는 사용자의 무릎 부분 및 발목 부분에 추가적으로 위치할 수 있다. 구동부(310)는 회전 토크를 발생시킬 수 있는 모터(314) 및 모터(314)를 구동시키기 위한 모터 드라이버 회로(312)를 포함한다.

센서부(320)는 보행 시 사용자의 힙 관절의 각도를 측정할 수 있다. 센서부(320)에서 센싱되는 힙 관절의 각도에 대한 정보는 오른쪽 힙 관절의 각도, 왼쪽 힙 관절의 각도, 양쪽 힙 관절 각도들 간의 차이 및 힙 관절 운동 방향을 포함할 수 있다. 예를 들어, 센서(321)는 구동부(310) 내에 위치할 수 있다. 센서(321)의 위치에 따라 센서부(320)는 사용자의 무릎 각도 및 발목 각도를 추가적으로 측정할 수 있다. 센서(321)는 엔코더(encoder)일 수 있다. 센서부(320)에 의해 측정된 관절의 각도에 정보는 제어부(340)로 전송될 수 있다.

일 실시 예에 따르면, 센서부(320)는 포텐셔미터를 포함할 수 있다. 포텐셔미터는 사용자의 보행 동작에 따른 R축 관절 각도, L축 관절 각도, R축 관절 각속도, 및 L축 관절 각속도를 센싱할 수 있다. R/L축은 사용자의 오른쪽/왼쪽 다리에 대한 기준 축일 수 있다. 예를 들어, R/L축은 지면에 수직이 되도록 설정되고, 사람의 몸통의 앞면 쪽이 음수 값을 갖고, 몸통의 뒷면 쪽이 양수 값을 갖도록 설정될 수 있다.

IMU(330)는 보행 시 가속도 정보와 자세 정보를 측정할 수 있다. 예를 들어, IMU(330)는 사용자의 보행 동작에 따른 X축, Y축, Z축 가속도 및 X축, Y축, Z축 각속도를 센싱할 수 있다. IMU(330)에 의해 측정된 가속도 정보와 자세 정보는 제어부(340)로 전송될 수 있다.

웨어러블 장치(300)는 앞서 설명한 센서부(320) 및 IMU(330) 이외에, 보행 동작에 따른 사용자의 운동량 또는 생체 신호 등의 변화를 센싱할 수 있는 센서(예를 들어, 근전도 센서(ElectroMyoGram sensor: EMG sensor))를 포함할 수 있다.

제어부(340)는 웨어러블 장치(300)의 동작을 전반적으로 제어할 수 있다. 예를 들어, 제어부(340)는 센서부(320) 및 IMU(330) 각각이 센싱된 정보를 수신할 수 있다. IMU(330)에 의해 센싱된 정보는 가속도 정보 및 자세 정보를 포함하고, 센서부(320)에 의해 센싱된 정보는 오른쪽 힙 관절의 각도, 왼쪽 힙 관절의 각도, 양쪽 힙 관절 각도들 간의 차이 및 힙 관절 운동 방향을 포함할 수 있다. 일 실시 예에 따르면, 제어부(340)는 오른쪽 힙 관절의 각도 및 왼쪽 힙 관절의 각도에 기초하여 양쪽 힙 관절 각도들 간의 차이를 계산할 수 있다. 제어부(340)는 센싱된 정보에 기초하여 구동부(310)를 제어하기 위한 신호를 생성할 수 있다. 예를 들어, 생성된 신호는 사용자의 움직임을 보조하기 위한 보조력일 수 있다. 예를 들어, 생성된 신호는 사용자의 움직임을 방해하기 위한 저항력일 수 있다. 저항력은 사용자의 운동을 위해 제공될 수 있다. 이하의 설명에서, 운동 부하(또는, 토크)의 크기가 음수인 것은 저항력을 의미하고, 크기가 양수인 것은 보조력을 의미할 수 있다.

일 실시 예에 따르면, 제어부(340)의 프로세서(342)는 사용자에게 저항력을 제공하기 위해 구동부(310)를 제어할 수 있다. 예를 들어, 구동부(310)는 모터(314)를 통해 사용자에게 능동적인 힘을 가함으로써 사용자에게 저항력을 제공할 수 있다. 예를 들어, 구동부(310)는 사용자에게 능동적인 힘을 가하지 않고, 모터(314)의 역 구동성(back-drivability)을 이용하여 사용자에게 저항력을 제공할 수 있다. 모터의 역 구동성이란, 외부의 힘에 대한 모터의 회전 축의 반응성을 의미할 수 있고, 모터의 역 구동성이 높을수록 모터의 회전 축에 작용하는 외부의 힘에 대해 쉽게 반응할 수 있다(즉, 모터의 회전 축이 쉽게 회전한다). 모터의 회전 축에 동일한 외부의 힘이 가해지더라도, 역 구동성의 정도에 따라 모터의 회전 축이 회전하는 정도가 달라질 수 있다.

일 실시 예에 따르면, 제어부(340)의 프로세서(342)는 구동부(310)가 사용자의 움직임을 돕기 위한 토크(또는 보조 토크)를 출력하도록, 구동부(310)를 제어할 수 있다. 예를 들어, 힙 타입의 웨어러블 장치(300)에서, 구동부(310)는 왼쪽 힙 부분 및 오른쪽 힙 부분에 각각 배치되도록 구성될 수 있고, 제어부(340)는 토크가 발생되도록 구동부(310)를 제어하는 제어 신호를 출력할 수 있다.

구동부(310)는 제어부(340)가 출력한 제어 신호에 기반하여, 토크를 발생시킬 수 있다. 토크를 발생시키기 위한 토크 값은 외부에 의해 설정될 수도 있고, 제어부(340)에 의해 설정될 수도 있다. 예를 들어, 제어부(340)는 토크 값의 크기를 나타내기 위해, 구동부(310)로 전송하는 신호에 대한 전류의 크기를 이용할 수 있다. 즉, 구동부(310)가 수신하는 전류의 크기가 클수록, 토크 값이 클 수 있다. 예를 들어, 제어부(340)의 프로세서(342)는 제어 신호를 구동부(310)의 모터 드라이버 회로(312)로 전송하고, 모터 드라이버 회로(312)는 제어 신호에 대응하는 전류를 생성함으로써 모터(314)를 제어할 수 있다.

배터리(350)는 웨어러블 장치(300)의 구성 요소에 전력을 공급한다. 웨어러블 장치(300)는 배터리(350)의 전력을 웨어러블 장치(300)의 구성 요소의 동작 전압에 맞게 변환하여 웨어러블 장치(300)의 구성 요소에 제공하는 회로(예를 들어, PMIC(Power Management Integrated Circuit))를 더 포함할 수 있다. 또한, 웨어러블 장치(300)의 동작 모드에 따라 배터리(350)는 모터(314)에 전력을 공급하거나 공급하지 않을 수 있다.

통신 모듈(352)은 웨어러블 장치(300)와 외부 전자 장치 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(352)은 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(352)은 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크를 통하여 외부의 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다.

일 실시 예에 따르면, 도 2를 참조하여 전술된 전자 장치(201)는 웨어러블 장치(300)에 포함될 수 있다.

일 실시 예에 따르면, 도 2를 참조하여 전술된 전자 장치(201)는 웨어러블 장치(300)와는 물리적으로 분리된 별개의 장치일 수 있고, 전자 장치(201) 및 웨어러블 장치(300)는 근거리 무선 통신을 통해 연결될 수 있다.

도 4는 일 실시 예에 따른, 전자 장치와 통신하는 웨어러블 장치를 설명하기 위한 도면이다.

도 4에 도시된 예에서, 도 3a, 3b, 3c 및 3d을 참조하여 전술된 웨어러블 장치(300)(예: 도 1의 웨어러블 장치(120))는 도 2를 참조하여 전술된 전자 장치(201)(예: 도 1의 전자 장치(110))와 통신할 수 있다. 예를 들어, 전자 장치(201)는 웨어러블 장치(300)의 사용자의 전자 장치일 수 있다. 일 실시 예에 따르면, 웨어러블 장치(300)와 전자 장치(201)는 근거리 무선 통신 방식을 이용하여 연결될 수 있다.

전자 장치(201)는 디스플레이(201-1)에 웨어러블 장치(300)의 동작을 제어하기 위한 UI(user interface)를 표시할 수 있다. 예를 들어, UI는 사용자가 웨어러블 장치(300)를 제어할 수 있는 적어도 하나의 소프트키를 포함할 수 있다.

사용자는 전자 장치(201)의 디스플레이(201-1) 상의 UI를 통해 웨어러블 장치(300)의 동작을 제어하기 위한 명령을 입력할 수 있고, 전자 장치(201)는 명령에 대응하는 제어 명령을 생성하고, 생성된 제어 명령을 웨어러블 장치(300)로 전송할 수 있다. 웨어러블 장치(300)는 수신된 제어 명령에 따라 동작할 수 있고, 제어 결과를 전자 장치(201)로 전송할 수 있다. 전자 장치(201)는 제어 완료 메시지를 전자 장치(201)의 디스플레이(201-1)에 표시할 수 있다.

도 5 및 도 6은 일 실시 예에 따른, 웨어러블 장치의 토크 출력 방법을 설명하기 위한 도면이다.

도 5 및 도 6에 도시된 예에서, 도 3의 웨어러블 장치(300)(예: 도 1의 웨어러블 장치(120))의 구동부들(310-1 및 310-2)은 사용자의 힙 관절 부근에 위치할 수 있고, 웨어러블 장치(300)의 제어부(340)는 허리 부근에 위치할 수 있다. 구동부들(310-1 및 310-2) 및 제어부(340)의 위치는 도 5 및 도 6에 도시된 예로 제한되지 않는다.

웨어러블 장치(300)는 사용자의 왼쪽 힙 관절 각도 q_l과 오른쪽 힙 관절 각도 q_r을 측정(또는, 센싱)한다. 예를 들어, 웨어러블 장치(300)는 왼쪽 엔코더를 통해 사용자의 왼쪽 힙 관절 각도 q_l을 측정할 수 있고, 오른쪽 엔코더를 통해 사용자의 오른쪽 힙 관절 각도 q_r을 측정할 수 있다. 도 6에 도시된 일 예에서, 왼쪽 다리는 기준선(620)보다 앞서므로 왼쪽 힙관절 각도 q_l은 음수(negative number)일 수 있고, 오른쪽 다리는 기준선(620)보다 뒤에 있으므로 오른쪽 힙 관절 각도 q_r은 양수(positive number)일 수 있다. 구현 예에 따라, 오른쪽 다리가 기준선(620)보다 앞설 때 오른쪽 힙관절 각도 q_r이 음수일 수 있고 왼쪽 다리가 기준선(620)보다 뒤에 있을 때 왼쪽 힙 관절 각도 q_l이 양수일 수 있다.

일 실시 예에 따르면, 웨어러블 장치(300)는 센서부(320)가 측정한 제1 관절(예: 오른쪽 힙 관절)의 제1 원시 각도(예: q_r_raw) 및 제2 관절(예: 왼쪽 힙 관절)의 제2 원시 각도(예: q_l_raw)를 필터링함으로써 제1 각도(예: q_r) 및 제2 각도(q_l)를 획득할 수 있다. 예를 들어, 웨어러블 장치(300)는 이전 시각에 대해 측정된 제1 이전 각도 및 제2 이전 각도에 기초하여 제1 원시 각도 및 제2 원시 각도를 필터링할 수 있다. 원시 각도 필터링의 필터링 정도는 각도 변화의 민감도를 나타내는 제어 파라미터의 값에 기초하여 조절될 수 있다.

일 실시 예에 따르면, 웨어러블 장치(300)는 왼쪽 힙 관절 각도 q_l, 오른쪽 힙 관절 각도 q_r, 오프셋 각도(offset angle) c, 민감도 α, 게인 κ, 및 딜레이 △t를 기초로 토크 값 τ(t)을 결정하고, 결정된 토크 값 τ(t)이 출력되도록 웨어러블 장치(300)의 모터 드라이버 회로(312)를 제어할 수 있다. 토크 값 τ(t)에 의해 사용자에게 제공되는 힘은 포스 피드백으로 명명될 수 있다. 예를 들어, 웨어러블 장치(300)는 아래의 [수학식 1]에 기초하여 토크 값 τ(t)을 결정할 수 있다.

[수학식 1]에서 y는 상태 인자(state factor)이고, q_r는 오른쪽 힙 관절 각도이고, q_l는 왼쪽 힙 관절 각도일 수 있다. 상기의 [수학식 1]에 따르면, 상태 인자 y는 두 다리들 사이의 거리와 관련될 수 있다. 예를 들어, y가 0인 경우에는 다리들 사이의 거리가 0인 상태(즉, 교차 상태)를 나타내고, y의 절대 값이 최대인 경우에는 다리들 사이의 각도가 최대인 상태(즉, 랜딩 상태)를 나타낼 수 있다. 일 실시 예에 따르면, q_r 및 q_l이 시각 t에서 측정된 경우, 상태 인자는 y(t)로 표현될 수 있다.

게인 κ는 출력되는 토크의 크기와 방향을 나타내는 파라미터이다. 게인 κ의 크기가 클수록 강한 토크가 출력될 수 있다. 게인 κ가 음수이면 사용자에게 저항력으로 작용하는 토크가 출력될 수 있고 게인 κ가 양수이면 사용자에게 보조력으로 작용하는 토크가 출력될 수 있다. 딜레이 △t는 토크의 출력 타이밍과 관련된 파라미터이다. 게인 κ의 값 및 딜레이 △t의 값은 미리 설정될 수 있고, 사용자, 웨어러블 장치(300) 또는 도 2를 참조하여 전술된 전자 장치(201)에 의해 조정 가능할 수 있다.

[수학식 1]을 이용하여 사용자에게 보조력으로 작용하는 토크를 출력하는 모델은 토크 출력 모델(또는, 토크 출력 알고리즘)로 정의될 수 있다. 웨어러블 장치(300) 또는 전자 장치(201)는 센서들을 통해 수신한 입력 파라미터들의 값들을 토크 출력 모델에 입력함으로써 출력될 토크의 크기 및 딜레이를 결정할 수 있다.

일 실시 예에 따르면, 웨어러블 장치(300) 또는 전자 장치(201)는 상태 인자 y(t)에 대해 결정된 파라미터 값으로서 제1 게인 값 및 제1 딜레이 값을 제1 상태 인자 y(t)에 적용함으로써 아래의 [수학식 2]를 통해 제1 토크 값을 결정할 수 있다.

두 다리들에 적용되어야 하므로, 계산된 제1 토크 값은 제1 관절에 대한 값 및 제2 관절에 대한 값을 포함할 수 있다. 예를 들어,

은 제2 관절인 왼쪽 힙 관절에 대한 값일 수 있고,

은 제1 관절인 오른쪽 힙 관절에 대한 값일 수 있다.

및

은 크기는 동일하고, 토크의 방향이 반대인 값일 수 있다. 웨어러블 장치(300)는 제1 토크 값에 대응하는 토크가 출력되도록 웨어러블 장치(300)의 모터 드라이버(312)를 제어할 수 있다.

일 실시 예에 따르면, 사용자가 왼쪽 다리와 오른쪽 다리가 비대칭인 보행을 수행하는 경우, 웨어러블 장치(300)는 비대칭 보행을 보조하기 위해 비대칭적인 토크를 사용자의 양쪽 다리들에 각각 제공할 수 있다. 예를 들어, 보폭이 작거나 또는 스윙 속도가 느린 다리 쪽에 더 강한 보조력을 제공할 수 있다. 이하에서, 보폭이 작거나 또는 스윙 속도가 느린 다리를 환측 다리(affected leg) 또는 타겟 다리(target leg)로 명명한다.

일반적으로 환측 다리는 건측 다리에 비해 스윙 시간이 짧거나, 보폭이 작을 수 있다. 일 실시 예에 따르면, 사용자의 보행을 보조하기 위해 환측 다리에 작용하는 토크의 타이밍을 조절하는 방식이 고려될 수 있다. 예를 들어, 환측 다리의 스윙 동작을 보조하기 위한 토크의 출력 시간을 증가시키기 위해 환측 다리에 대한 실제의 관절 각도에 오프셋 각도가 부가될 수 있다. 오프셋 각도는 정상 다리와 환측 다리 간의 보행 밸런스를 유지하기 위해 환측 다리에 대해 측정된 실제의 관절 각도에 부가되는 각도일 수 있다. 오프셋 각도가 증가할수록 보행 시 환측 다리의 스윙 동작을 보조하기 위한 토크의 출력 시간이 증가될 수 있다. 예를 들어, 환측 다리의 상태를 고려하여 -3도 내지 -23도 사이의 오프셋 각도가 결정될 수 있다. 환측 다리의 보행 기능이 저하되어 있을수록 큰 오프셋 각도가 이용될 수 있다. 예를 들어, 사용자의 오른쪽 다리가 환측 다리인 경우 오른쪽에 오프셋 각도가 적용될 수 있다. -20도의 오프셋 각도가 적용된 힙 관절의 각도는 기존의 -40도 내지 20도에서 -60도 내지 0도로 변경될 수 있다.

오프셋 각도에 의해 환측 다리의 각도가 변화됨에 따라 이후에 계산되는 상태 인자가 변화될 수 있다. 예를 들어, 환측 다리가 뒤로 이동하는 동작(예: 지지 동작)을 보조하기 위한 양의 토크 값이 출력되는 시간이 정상 다리에 비해 길어질 수 있다.

c는 관절 각도들 간의 오프셋 각도를 나타내는 파라미터의 값일 수 있다. 환측 다리의 실제의 관절 각도에 오프셋 각도가 부가됨으로써 웨어러블 장치(300)에 탑재(또는, 적용)된 토크 출력 모델에 입력되는 입력 파라미터의 값이 조정될 수 있다. 예를 들어, q_r 및 q_l의 값이 아래의 [수학식 3]을 통해 조정될 수 있다. c_r은 오른쪽 힙 관절에 대한 오프셋 각도를 의미하고, c_l은 왼쪽 힙 관절에 대한 오프셋 각도를 의미할 수 있다.

일 실시 예에 따르면, 웨어러블 장치(300)는 불규칙한 토크의 출력에 의해 사용자가 느끼는 불편감을 감소시키기 위해 상태 인자를 필터링할 수 있다. 예를 들어, 웨어러블 장치(300) 또는 전자 장치(201)는 제1 관절의 제1 각도 및 제2 관절의 제2 각도에 기초하여 현재 시각 t의 초기 상태 인자 y _raw (t)를 결정하고, 이전 시각 t-1에 대해 결정된 이전 상태 인자 y ^prv 및 초기 상태 인자 y _raw (t)에 기초하여 제1 상태 인자 y(t)를 결정할 수 있다. 현재 시각 t는 t 번째의 데이터(또는, 샘플)에 대한 처리 시각을 의미하고, 이전 시각 t-1는 t-1 번째의 데이터에 대한 처리 시각을 의미할 수 있다. 예를 들어, 현재 시각 t 및 이전 시각 t-1 간의 차이는 해당 데이터들을 생성 또는 처리하는 프로세서의 동작 주기일 수 있다. 민감도 α는 민감도를 나타내는 파라미터의 값일 수 있다. 예를 들어, 민감도 값은 테스트 보행 동안 계속적으로 조정될 수 있으나, 계산의 복잡성을 낮추기 위해 민감도 값은 일정한 값으로 미리 설정될 수 있다.

예를 들어, 상태 인자는 아래의 [수학식 4]와 같이 민감도를 이용하여 필터링 될 수 있다.

[수학식 4]에서, y(t-1)은 이전 시각 t-1에 대해 결정된 이전 상태 인자 y ^prv 를 나타낼 수 있다. 예를 들어, 민감도는 0 내지 1 사이의 값을 가질 수 있다. [수학식 4]를 이용하여 결정된 제1 상태 인자 y(t)는 민감도가 클수록 초기 상태 인자 y _raw (t)에 의한 영향이 크게 반영될 수 있다. 예를 들어, 사용자의 움직임이 빠르게 변화하는 운동 모드에서는 빠른 사용자의 움직임의 변화를 웨어러블 장치(300)가 빠르게 추종하기 위해 큰 민감도가 설정될 수 있다. 사용자의 움직임이 빠르게 변화하는 운동 모드에서 작은 민감도가 설정된 경우, 웨어러블 장치(300)가 변화된 사용자의 움직임을 추종하는 속도가 늦어질 수 있다.

[수학식 4]에서는 민감도 a가 초기 상태 인자 y _raw (t)에 적용되는 것으로 설명되었으나, 민감도가 y(t-1)에 적용되는 실시예도 구현될 수 있고, 상기의 실시예에 대해 [수학식 4]에 대한 설명이 일부 변형되어 적용될 수 있다.

일 실시 예에 따르면, [수학식 1] 내지 [수학식 4]를 참조하여 설명된 상태 인자에 기초한 토크 출력 방법은 웨어러블 장치(300)를 착용한 사용자가 보행 상태인 경우에 이용될 수 있다. 사용자가 보행 모드(즉, 스텝 운동 유형의 운동 모드)가 아닌 제자리 운동 모드(즉, 비스텝 운동 유형의 운동 모드)를 수행하는 경우에는 사용자가 수행하는 운동 모드에 대응하는 움직임 제어 모델이 웨어러블 장치(300)를 제어하기 위해 이용될 수 있다.

도 7은 일 예에 따른, 웨어러블 장치를 제어하기 위한 토크의 값을 결정하는 방법을 도시한다.

일 실시 예에 따르면, 시스템(710)(예: 웨어러블 장치(도 1의 웨어러블 장치(120) 또는 도 3의 웨어러블 장치(300)) 및 사용자)이 토크를 출력하기 위해 이용되는 제어 파라미터들의 값들이 운동 모드에 따라 결정될 수 있다. 예를 들어, 타겟 움직임 제어 모델은 타겟 운동 모드에 대응하는 제어 파라미터들의 값들을 결정할 수 있다. 여기서, 타겟 운동 모드는 현재 사용자가 수행하고 있는 운동 모드 또는 제어의 대상이 되는 운동 모드를 의미할 수 있고, 타겟 움직임 제어 모델은 타겟 운동 모드에 대한 움직임 제어 모델을 의미할 수 있다. 타겟 움직임 제어 모델은 타겟 운동 모드에 대한 복수의 제어 파라미터들의 값들에 기초하여 웨어러블 시스템(710)을 제어할 수 있다. 타겟 움직임 제어 모델은 웨어러블 장치 또는 전자 장치(예: 도 1의 전자 장치(110) 또는 도 2의 전자 장치(201))에 의해 수행될 수 있다.

일 실시 예에 따르면, 타겟 움직임 제어 모델은 제어 파라미터들의 값들을 결정할 수 있다. 예를 들어, 제어 파라미터들은 민감도 인자(720), 오프셋 인자(730), 타이밍 인자(또는, 딜레이 인자)(740), 또는 게인 인자(750) 중 적어도 하나를 포함할 수 있다. 타겟 움직임 제어 모델에 포함된 제어 파라미터들의 값들이 사용자마다 다르게 설정됨으로써 사용자 각각에 대한 개인화가 수행될 수 있다.

시스템(710)은 웨어러블 장치의 제1 관절(예: 오른쪽 힙 관절)의 제1 원시 각도(예: q_r_raw(t)) 및 제2 관절(예: 왼쪽 힙 관절)의 제2 원시 각도(예: q_l_raw(t))를 생성할 수 있다. 여기서, 원시 각도는 센서를 통해 획득된 가공되지 않은 각도(예: 필터링되지 않은 각도)를 의미할 수 있다. 시스템(710)에 적용된 타겟 움직임 제어 모델은 제1 원시 각도 및 제2 원시 각도를 필터링함으로써 제1 각도(예: q_r(t)) 및 제2 각도(q_l(t))를 획득할 수 있다. 예를 들어, 타겟 움직임 제어 모델은 이전 시각에 대해 측정된 제1 이전 각도 및 제2 이전 각도에 기초하여 제1 원시 각도 및 제2 원시 각도를 필터링할 수 있다. 원시 각도 필터링의 필터링 정도는 각도 변화의 민감도를 나타내는 민감도 인자(720)의 값에 기초하여 조절될 수 있다. 타겟 움직임 제어 모델은 웨어러블 장치와 연결되는 전자 장치(예: 도 1의 전자 장치(110) 또는 도 2의 전자 장치(201))에 의해 복수의 움직임 제어 모델들 중 결정될 수 있다.

타겟 움직임 제어 모델은 제1 각도(예: q_r(t)) 및 제2 각도(예: q_l(t))를 오프셋 인자(730)를 이용하여 조정할 수 있다. c_r은 오른쪽 힙 관절에 대한 오프셋 각도를 의미하고, c_l은 왼쪽 힙 관절에 대한 오프셋 각도를 의미할 수 있다. c_r 및 c_l은 타겟 운동 모드에 기초하여 결정될 수 있다.

타겟 움직임 제어 모델은 타겟 운동 모드의 타겟 유형에 기초하여 상태 인자(예: y(t))를 생성할 수 있다. 예를 들어, 타겟 유형이 제1 유형(예: 스텝 운동 유형)인 경우, 아래의 [수학식 5]에 기초하여 상태 인자가 생성될 수 있다. 예를 들어, 타겟 유형이 제2 유형(예: 비스텝 운동 유형)인 경우, 아래의 [수학식 6]에 기초하여 상태 인자가 생성될 수 있다.

[수학식 5]에 의해 생성된 상태 인자는 제1 관절 및 제2 관절이 대칭적 또는 교대적으로 움직이는 운동 모드에 대응할 수 있다. [수학식 6]에 의해 생성된 상태 인자는 제1 관절 및 제2 관절이 같은 방향으로 움직이는 운동 모드에 대응할 수 있다.

일 실시 예에 따르면, 웨어러블 장치가 좌측 관절 및 우측 관절을 포함하는 경우에는 [수학식 5] 또는 [수학식 6]을 이용하여 상태 인자가 생성될 수 있다.

일 실시 예에 따르면, 웨어러블 장치가 어느 하나의 관절만을 포함하는 경우에는 해당 관절에 대한 각도(q(t))에 기초하여 상태 인자(y(t))는 sin(q(t)) 또는 (q(t))로 생성될 수 있다.

타겟 움직임 제어 모델은 상태 인자(예: y(t))에 대한 타이밍 인자(740)의 값(예: △t)을 결정할 수 있다. 예를 들어, △t는 타겟 운동 모드에 기초하여 결정될 수 있다. 사용자들이 동일한 운동 모드를 각각 수행하더라도 사용자마다 신체를 제어하는 방식이 모두 상이하므로, 웨어러블 장치에 의해 동일한 타이밍에 토크가 출력되더라도 사용자들이 느끼는 불편감이 모두 상이할 수 있다. 토크의 출력 타이밍에 의해 나타나는 불편감은 타이밍 인자(740)의 값을 조절함으로써 조절될 수 있다.

타겟 움직임 제어 모델은 타이밍 인자의 값이 적용된 상태 인자(예: y(t-△t))에 대한 게인 인자(750)의 값(예: κ)을 결정할 수 있다. 예를 들어, κ는 타겟 운동 모드에 기초하여 결정될 수 있다.

타겟 움직임 제어 모델은 타겟 운동 모드의 타겟 유형에 기초하여 토크의 값(예: τ(t))을 결정할 수 있다. 예를 들어, 타겟 유형이 제1 유형(예: 스텝 운동 유형)인 경우, 아래의 [수학식 7]에 기초하여 토크의 값이 결정될 수 있다. 예를 들어, 타겟 유형이 제2 유형(예: 비스텝 운동 유형)인 경우, 아래의 [수학식 8]에 기초하여 토크의 값이 결정될 수 있다.

타겟 움직임 제어 모델은 토크의 값에 기초하여 웨어러블 장치를 제어할 수 있다. 예를 들어, 웨어러블 장치는 토크의 값에 대응하는 보조력 또는 저항력이 사용자에게 출력되도록 웨어러블 장치를 제어할 수 있다.

일 실시 예에 따르면, 웨어러블 장치가 어느 하나의 관절만을 포함하는 경우에는 [수학식 8]과 유사하게 토크의 값이 결정될 수 있다.

도 8은 일 실시 예에 따른, 운동 모드에 기초하여 웨어러블 장치를 제어하는 방법의 흐름도이다.

아래의 동작들 810 내지 870은 전자 장치(예: 도 1의 전자 장치(110), 웨어러블 장치(120), 도 2의 전자 장치(201) 또는 도 3의 웨어러블 장치(300))에 의해 수행될 수 있다.

동작 810에서, 전자 장치의 프로세서는 웨어러블 장치의 타겟 운동 모드를 결정할 수 있다. 예를 들어, 타겟 운동 모드는 하나 이상의 운동 모드들을 포함하는 운동 프로그램 중 웨어러블 장치에 의해 현재 수행되고 있는 운동 모드일 수 있다. 운동 프로그램은 사용자가 차례대로 수행을 하게 될 복수의 운동 모드들의 집합을 나타낼 수 있다. 예를 들어, 전자 장치는 수행 순서가 설정된 운동 모드들 중 타겟 운동 모드의 순서 이전으로 순서가 설정된 이전 운동 모드가 수행된 경우(또는, 수행이 종료된 경우), 다음 순서인 타겟 운동 모드를 결정할 수 있다.

일 실시 예에 따르면, 타겟 운동 모드는 웨어러블 장치의 사용자에 대해 미리 개인화된 운동 모드일 수 있다. 예를 들어, 타겟 운동 모드에 대한 제1 제어 파라미터의 값 또는 제2 제어 파라미터의 값 중 적어도 하나를 조정함으로써 상기 타겟 운동 모드의 개인화가 수행될 수 있다. 아래에서 운동 모드를 개인화하는 방법에 대해 도 11 및 도 12를 참조하여 상세히 설명된다.

일 실시 예에 따르면, 타겟 운동 모드는 스텝 운동 유형의 운동 모드일 수 있다. 예를 들어, 스텝 운동 유형의 운동 모드는 파워 워킹, 인터벌 워킹, 수중 워킹, 저항 워킹, 밸런스 트레이닝 워킹, 보조 워킹과 같이 걷기 운동 모드를 포함할 수 있다. 예를 들어, 스텝 운동 유형의 운동 모드는 달리기 운동 모드를 포함할 수 있다. 예를 들어, 스텝 운동 유형의 운동 모드는 Fast feet 모드, Lunge 모드, Split jack 모드, Toe tap triceps 모드, Knee up 모드, March Step with Twist 모드, 또는 Mountain climber 모드 와 같이 왼쪽 다리 및 오른쪽 다리가 대칭적 또는 교대적으로 움직이는 운동 모드를 포함할 수 있다.

일 실시 예에 따르면, 타겟 운동 모드는 비스텝 운동 유형의 운동 모드일 수 있다. 예를 들어, 비스텝 운동 유형의 운동 모드는 Squat 모드, Narrow squat 모드, Half squat 모드, Deadlift 모드, Single leg deadlift 모드, Kick back, Bird dog 모드 또는 Good morning 모드 와 같이 왼쪽 다리 및 오른쪽 다리가 같은 방향으로 움직이는 운동 모드를 포함할 수 있다.

일 실시 예에 따르면, 전자 장치가 웨어러블 장치(예: 도 1의 웨어러블 장치(120) 또는 도 3의 웨어러블 장치(300))인 경우, 웨어러블 장치는 상기 통신 모듈을 통해 외부 전자 장치(예: 전자 장치(110) 또는 도 2의 전자 장치(201))로부터 웨어러블 장치의 타겟 운동 모드에 대한 정보를 수신함으로써 타겟 운동 모드를 결정할 수 있다.

일 실시 예에 따르면, 전자 장치는 사용자 인터페이스를 통해 사용자로부터 타겟 운동 모드에 대한 정보를 수신하고, 수신된 정보에 기초하여 타겟 운동 모드를 결정할 수 있다. 예를 들어, 전자 장치는 터치 디스플레이를 통한 사용자 입력을 통해 타겟 운동 모드에 대한 정보를 수신할 수 있다. 사용자는 터치 디스플레이에 출력된 복수의 운동 모드들 중 현재 수행 중이거나 또는 곧 수행할 예정인 타겟 운동 모드를 선택함으로써 타겟 운동 모드에 대한 정보를 전자 장치로 전송할 수 있다. 예를 들어, 전자 장치는 마이크를 통해 사용자 음성을 수신함으로써 타겟 운동 모드에 대한 정보를 수신할 수 있다. 전자 장치는 음성에 대응하는 타겟 운동 모드를 결정할 수 있다. 터치 디스플레이 또는 마이크는 전자 장치에 포함된 모듈이거나 또는 전자 장치와 무선으로 연결된 부가 장치(예: 부가 장치(130))에 포함된 모듈일 수 있다.

일 실시 예에 따르면, 전자 장치는 사용자가 웨어러블 장치를 착용한 상태에서 운동을 수행하는 동안 웨어러블 장치를 통해 획득되는 센싱 데이터(예: 원시 센싱 데이터)에 기초하여 웨어러블 장치의 타겟 운동 모드를 능동적으로 결정할 수 있다. 전자 장치가 능동적으로 타겟 운동 모드를 결정하는 방법에 대해 아래에서 도 16을 참조하여 상세히 설명된다.

동작 820에서, 전자 장치의 프로세서는 타겟 운동 모드에 기초하여 웨어러블 장치로부터 획득된 원시 센싱 데이터를 처리하기 위한 제1 제어 파라미터의 값을 결정할 수 있다.일 실시 예에 따르면, 제1 제어 파라미터는, 원시 센싱 데이터의 민감도를 조정하기 위한 파라미터 또는 원시 센싱 데이터의 관절 각도들 간의 오프셋 각도를 나타내는 파라미터 중 적어도 하나를 포함할 수 있다. 여기서, 원시 센싱 데이터는 해당 센서를 통해 획득된 가공되지 않은 센싱 데이터를 의미할 수 있다. 예를 들어, 원시 센싱 데이터는 도 7을 참조하여 전술된 제1 관절(예: 오른쪽 힙 관절)의 제1 원시 각도(예: q_r_raw(t)) 및 제2 관절(예: 왼쪽 힙 관절)의 제2 원시 각도(예: q_l_raw(t))를 포함할 수 있다. 예를 들어, 제1 제어 파라미터는 민감도 인자 또는 오프셋 인자 중 적어도 하나를 포함할 수 있다. 예를 들어, 제1 제어 파라미터의 값은 사용자에 대해 개인화된 값일 수 있다.

일 실시 예에 따르면, 타겟 운동 모드의 움직임 속도에 기초하여 제1 제어 파라미터의 값이 결정될 수 있다. 예를 들어, 타겟 운동 모드가 Fast feet와 같이 빠르게 움직이는 운동 모드인 경우, 제1 제어 파라미터로서 원시 센싱 데이터에 대한 민감도의 값이 크게 결정될 수 있다. 예를 들어, 타겟 운동 모드가 Good morning과 같이 느리게 움직이는 운동 모드인 경우, 제1 제어 파라미터로서 원시 센싱 데이터에 대한 민감도의 값이 작게 결정될 수 있다.

일 실시 예에 따르면, 타겟 운동 모드의 움직임 특성에 기초하여 제1 제어 파라미터의 값이 결정될 수 있다. 예를 들어, 타겟 운동 모드가 스텝 운동 모드이면서 좌측 다리 및 우측 다리의 밸런스가 요구되는 경우 제1 제어 파라미터로서 오프셋 각도의 값이 결정될 수 있다.

일 실시 예에 따르면, 전자 장치의 프로세서는 결정된 타겟 운동 모드가 이전 타겟 운동 모드와 상이한 경우, 제1 제어 파라미터의 이전 값과의 차이가 미리 설정된 범위 내에 있도록 제1 제어 파라미터의 값을 결정할 수 있다. 예를 들어, 미리 설정된 시간(예: 운동 모드 천이 시간) 동안 단계적으로 제1 제어 파라미터의 값이 변화될 수 있다. 제1 제어 파라미터의 값이 단계적으로 변화됨에 따라 사용자에 출력되는 토크의 값 또는 방향이 갑자기 변화되는 상황이 방지될 수 있다.

일 실시 예에 따르면, 운동 모드의 천이를 위해 미리 설정된 시간은 이전의 운동 모드 및 결정된 타겟 운동 모드 중 적어도 하나에 기초하여 달라질 수 있다. 예를 들어, 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 동일한 경우의 천이 시간은 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 상이한 경우에 비해 길 수 있다. 예를 들어, 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 동일한 경우의 천이 시간은 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 상이한 경우에 비해 짧을 수 있다.

동작 830에서, 전자 장치의 프로세서는 원시 센싱 데이터 및 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성할 수 있다. 예를 들어, 원시 센싱 데이터는 제1 원시 각도(예: q_r_raw(t)) 및 제2 원시 각도(예: q_l_raw(t))를 포함할 수 있다. 예를 들어, 원시 센싱 데이터는 웨어러블 장치의 센서에 의해 생성되는 제1 다리의 제1 원시 관절 각도 및 제2 다리의 제2 원시 관절 각도를 포함할 수 있다. 예를 들어, 센싱 데이터는 도 7을 참조하여 전술된 제1 각도(예: q_r(t)) 및 제2 각도(q_l(t))일 수 있다. 예를 들어, 센싱 데이터는 도 7을 참조하여 전술된 오프셋 각도가 적용된 제1 각도 및 제2 각도일 수 있다.

동작 840에서, 전자 장치의 프로세서는 센싱 데이터에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성할 수 있다. 타겟 상태 인자는 [수학식 5]에 의해 정의되는 제1 유형의 상태 인자 또는 [수학식 6]에 의해 정의되는 제1 유형의 상태 인자들 중 타겟 운동 모드의 타겟 유형에 대응하는 상태 인자로서, 웨어러블 장치의 제어를 위해 현재 이용되는 상태 인자를 나타낼 수 있다.

예를 들어, 타겟 운동 모드의 타겟 유형이 제1 유형(예: 스텝 운동 유형)인 경우, 도 7을 참조하여 전술된 [수학식 5]에 기초하여 타겟 상태 인자가 생성될 수 있다. 예를 들어, 타겟 운동 모드의 타겟 유형이 제2 유형(예: 비스텝 운동 유형)인 경우, 도 7을 참조하여 전술된 [수학식 6]에 기초하여 타겟 상태 인자가 생성될 수 있다.

동작 850에서, 전자 장치의 프로세서는 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍 또는 토크의 크기 중 적어도 하나에 대한 제2 제어 파라미터의 값을 결정할 수 있다. 여기서, 토크의 크기는 토크의 세기 및 토크의 방향을 모두 포함할 수 있다. 예를 들어, 토크의 크기가 "-1"인 경우, 숫자 "1"은 토크의 세기를 의미하고, 부호 "-"는 토크의 방향을 의미할 수 있다.

일 실시 예에 따르면, 제2 제어 파라미터는 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍을 제어하기 위한 파라미터 또는 토크의 크기를 제어하기 위한 파라미터 중 적어도 하나를 포함할 수 있다. 예를 들어, 제2 제어 파라미터는 타이밍 인자 또는 게인 인자 중 적어도 하나를 포함할 수 있다. 게인 인자는 토크의 세기 및 방향을 포함할 수 있다. 예를 들어, 제2 제어 파라미터의 값은 사용자에 대해 개인화된 값일 수 있다.

일 실시 예에 따르면, 전자 장치의 프로세서는 결정된 타겟 운동 모드가 이전 타겟 운동 모드와 상이한 경우, 제2 제어 파라미터의 이전 값과의 차이가 미리 설정된 범위 내에 있도록 제2 제어 파라미터의 값을 결정할 수 있다. 예를 들어, 미리 설정된 시간(예: 운동 모드 천이 시간) 동안 단계적으로 제2 제어 파라미터의 값이 변화될 수 있다. 제2 제어 파라미터의 값이 단계적으로 변화됨에 따라 사용자에 출력되는 토크의 값 또는 방향이 갑자기 변화되는 상황이 방지될 수 있다.

일 실시 예에 따르면, 운동 모드의 천이를 위해 미리 설정된 시간은 이전의 운동 모드 및 결정된 타겟 운동 모드 중 적어도 하나에 기초하여 달라질 수 있다. 예를 들어, 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 동일한 경우의 천이 시간은 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 상이한 경우에 비해 길 수 있다. 예를 들어, 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 동일한 경우의 천이 시간은 이전의 운동 모드 및 타겟 운동 모드의 운동 유형이 상이한 경우에 비해 짧을 수 있다.

동작 860에서, 전자 장치의 프로세서는 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정할 수 있다.

예를 들어, 타겟 유형이 제1 유형(예: 스텝 운동 유형)인 경우, 도 7을 참조하여 전술된 [수학식 7]에 기초하여 토크의 값이 결정될 수 있다. 예를 들어, 타겟 유형이 제2 유형(예: 비스텝 운동 유형)인 경우, 도 7을 참조하여 전술된 [수학식 8]에 기초하여 토크의 값이 결정될 수 있다.

동작 870에서, 전자 장치는 결정된 토크의 값에 기초하여 웨어러블 장치를 제어할 수 있다.

일 실시 예에 따르면, 전자 장치가 사용자 단말인 경우, 토크의 값에 대한 정보를 웨어러블 장치로 전송함으로써 웨어러블 장치를 제어할 수 있다. 일 실시 예에 따르면, 전자 장치가 웨어러블 장치 경우, 결정된 토크의 값에 기초하여 웨어러블 장치를 제어할 수 있다.

웨어러블 장치는 토크의 값에 기초하여 웨어러블 장치의 관절(예: 힙 관절)에 배치된 모터를 제어함으로써 토크의 값에 대응하는 힘을 사용자에게 제공할 수 있다. 예를 들어, 힘은 보조력 또는 저항력일 수 있다.

도 9는 일 예에 따른, 운동 모드들에 기초하여 운동 프로그램을 생성하는 방법의 흐름도이다.

일 실시 예에 따르면, 아래의 동작들 910 내지 920은 전자 장치(예: 도 1의 전자 장치(110), 웨어러블 장치(120), 도 2의 전자 장치(201) 또는 도 3의 웨어러블 장치(300))에 의해 수행될 수 있다. 동작들 910 내지 920은 도 8을 참조하여 전술된 동작 810이 수행되기 전에 수행될 수 있다.

동작 910에서, 전자 장치는 사용자로부터 하나 이상의 운동 모드들에 대한 정보를 수신할 수 있다. 예를 들어, 하나 이상의 운동 모드들에 대한 정보는 운동 모드의 수행 시간에 대한 정보 및 운동 모드의 수행 레벨에 대한 정보를 포함할 수 있다. 사용자로부터 하나 이상의 운동 모드들에 대한 정보를 수신하는 방법에 대해 아래에서 도 10을 참조하여 상세히 설명된다.

동작 920에서, 전자 장치는 운동 모드들에 기초하여 운동 프로그램을 생성할 수 있다.

일 실시 예에 따르면, 전자 장치는 운동 프로그램을 통해 웨어러블 장치를 제어함으로써 사용자에게 운동을 제공할 수 있다. 예를 들어, 운동 프로그램을 구성하는 운동 모드들 각각에 대한 움직임 제어 모델들에 기초하여 웨어러블 장치를 제어할 수 있다.

도 10은 일 예에 따른, 운동 프로그램을 생성하는 방법을 도시한다.

일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(110), 웨어러블 장치(120), 도 2의 전자 장치(201) 또는 도 3의 웨어러블 장치(300))는 사용자에게 복수의 운동 모드들이 표시된 리스트(1000)를 제공할 수 있다. 예를 들어, 리스트(1000)는 유형 별로 구분된 제1 서브 리스트(1010) 및 제2 서브 리스트(1020)을 포함할 수 있다. 예를 들어, 제1 서브 리스트(1010)는 스텝 운동 유형을 갖는 하나 이상의 운동 모드들을 포함할 수 있다. 예를 들어, 제2 서브 리스트(1020)는 비스텝 운동 유형을 갖는 하나 이상의 운동 모드들을 포함할 수 있다.

일 실시 예에 따르면, 리스트(1000)는 사용자가 새로운 운동 모드를 생성할 수 있는 UI(1030)를 더 포함할 수 있다. 예를 들어, 사용자는 UI(1030)를 이용하여 새로운 운동 모드를 생성할 수 있다. 새로운 운동 모드를 생성하는 방법에 대해 아래에서 도 12를 참조하여 상세히 설명된다.

일 실시 예에 따르면, 사용자는 리스트(1000)의 운동 모드들 중 적어도 일부의 운동 모드들을 선택함으로써 운동 프로그램(1040)을 생성할 수 있다. 예를 들어, 사용자는 리스트(1000)의 운동 모드들 중 Knee up 모드, Squat 모드 및 Interval walking 모드를 선택함으로써 운동 프로그램(1040)을 생성할 수 있다.

일 실시 예에 따르면, 리스트(1000)의 운동 모드들 각각은 미리 개인화된 운동 모드일 수 있다. 예를 들어, 운동 모드에 대한 움직임 제어 모델의 제어 파라미터들의 값들이 사용자에게 대해 미리 결정되어 있을 수 있다. 운동 모드에 대한 제어 파라미터들의 값들은 사용자에 의해 결정될 수 있다. 운동 모드에 대한 제어 파라미터들의 값들은 사용자에게 적합하도록 전자 장치에 의해 결정될 수 있다.

도 11은 일 예에 따른, 운동 프로그램의 운동 모드들의 수행 시간 및 수행 레벨을 조정하는 방법을 도시한다.

일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(110), 웨어러블 장치(120), 도 2의 전자 장치(201) 또는 도 3의 웨어러블 장치(300))는 사용자로부터 운동 프로그램(1100)에 포함된 운동 모드들에 대한 정보를 수신할 수 있다. 예를 들어, 운동 모드의 수행 시간에 대한 정보 및 운동 모드의 수행 레벨에 대한 정보를 포함할 수 있다.

일 실시 예에 따르면, 운동 모드에 대해 복수의 수행 레벨들 중 타겟 레벨이 설정될 수 있다. 예를 들어, 복수의 수행 레벨들 각각에 대해 서로 다른 제어 파라미터들의 값들이 미리 설정되어 있을 수 있다.

예를 들어, 제1 운동 모드인 Knee up 모드 의 수행 시간이 5분이고, 수행 레벨이 2 단계로 설정되고, 제2 운동 모드인 Squat 모드 의 수행 시간이 5분이고, 수행 레벨이 3 단계로 설정되고, 제3 운동 모드인 Interval walking 모드의 수행 시간이 20분이고, 수행 레벨이 2 단계로 설정될 수 있다.

도 12는 일 예에 따른, 운동 모드의 제어 파라미터들의 값들을 조정하는 방법을 도시한다.

일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(110), 웨어러블 장치(120), 도 2의 전자 장치(201) 또는 도 3의 웨어러블 장치(300))는 사용자가 운동 모드의 제어 파라미터들을 값을 조정할 수 있는 UI(1200)를 사용자에게 제공할 수 있다. 예를 들어, UI(1200)는 운동 모드를 제작하기 위한 저작 툴일 수 있다.

일 실시 예에 따르면, 사용자는 기존의 운동 모드에 대해 설정된 제어 파라미터들의 값을 변경함으로써 제어 파라미터들의 값들을 조정할 수 있다.

일 실시 예에 따르면, 사용자는 새로운 운동 모드를 생성하면서 새로운 운동 모드의 제어 파라미터들의 값들을 설정할 수 있다. 예를 들어, 사용자는 새로운 운동 모드를 생성하기 위해 도 10을 참조하여 전술된 UI(1030)를 선택할 수 있고, UI(1030)가 선택된 경우 사용자에게 UI(1200)가 제공될 수 있다.

기존의 운동 모드를 활용해 제어 파라미터의 값들을 변경함으로써 새로운 운동 모드가 생성될 수 있다. 예를 들어, 사용자는 기본 걷기 운동 모드의 민감도 인자의 값 및 타이밍 인자의 값을 조절함으로써 Fast feet 모드를 생성할 수 있다. 예를 들어, 사용자는 Good Morning 모드, 또는 Deadlift 모드를 생성하기 위해 유사한 허리 움직임을 갖는 Squat 모드의 제어 파라미터들의 값들을 조정할 수 있다.

예를 들어, UI(1200)는 해당 운동 모드에서 나타나는 관절 각도들의 궤적 및 출력되는 토크의 궤적이 나타나는 그래프(1202)를 포함할 수 있다.

예를 들어, UI(1200)는 왼쪽 관절 및 오른쪽 관절에 출력되는 토크의 값(1204)을 출력할 수 있다. 토크의 값(1204)은 순간 최대 토크의 값 또는 RMS 토크의 값일 수 있다.

예를 들어, UI(1200)는 사용자에게 제공되는 힘에 의해 나타나는 일률의 값(1206)을 출력할 수 있다.

예를 들어, UI(1200)는 제어 파라미터들의 값들을 조정하기 위한 UI(1210)를 포함할 수 있다.

예를 들어, UI(1200)는 해당 운동 모드의 유형을 지정하기 위한 UI(1220)를 포함할 수 있다.

예를 들어, UI(1200)는 해당 운동 모드의 이름을 지정하기 위한 UI(1230)를 포함할 수 있다.

도 13은 일 예에 따른, 센싱 데이터에 기초하여 생성된 피드백 정보를 출력하는 방법의 흐름도이다.

일 실시 예에 따르면, 아래의 동작들 1310 내지 1320은 전자 장치(예: 도 1의 전자 장치(110), 웨어러블 장치(120), 도 2의 전자 장치(201) 또는 도 3의 웨어러블 장치(300))에 의해 수행될 수 있다. 동작 1310은 도 8을 참조하여 전술된 동작 830이 수행된 후에 수행될 수 있다.

동작 1310에서, 전자 장치는 센싱 데이터에 기초하여 타겟 운동 모드의 수행에 대한 피드백 정보를 생성할 수 있다.

일 실시 예에 따르면, 전자 장치는 센싱 데이터에 기초하여 운동을 수행하는 사용자의 현재 자세를 실시간으로 결정할 수 있고, 타겟 운동 모드에 대해 미리 설정된 타겟 자세와 사용자의 현재 자세를 비교할 수 있다. 전자 장치는 타겟 자세와 현재 자세 간의 차이를 피드백 정보로서 생성할 수 있다. 예를 들어, 사용자의 현재 자세는 힙 관절의 각도, 힙 관절의 가동 범위, 또는 IMU(예: 도 3의 IMU(330))에 의해 측정된 IMU 정보에 기초하여 결정될 수 있다.

일 실시 예에 따르면, 전자 장치는 타겟 운동 모드에 대한 제어 파라미터들의 값들로 웨어러블 장치가 동작하는 경우, 사용자에게 제공되는 일률의 값을 계산하고, 계산된 일률의 값을 피드백 정보로서 생성할 수 있다. 예를 들어, 보조 모드에서는 양의 일률의 값이 계산될 수 있다. 예를 들어, 저항 모드에서는 음의 일률의 값이 계산될 수 있다.

일 실시 예에 따르면, 전자 장치는 제1 토크에 기초하여 제1 RMS(root mean square) 토크를 계산할 수 있다. 예를 들어, 전자 장치는 출력되는 토크의 값들에 대한 제1 RMS 토크를 계산할 수 있다. 예를 들어, 제1 RMS 토크는 아래의 [수학식 8]에 기초하여 계산될 수 있다.

[수학식 9]에서, n은 사용자의 1회의 동작에서 획득되는 데이터의 총 수를 나타내고,

는 i번째의 토크를 나타내고,

는 1회의 동작에 대한 RMS 토크를 나타낸다.

전자 장치는 제1 일률의 값에 기초하여 제1 평균 일률의 값을 계산할 수 있다. 제1 일률의 값은 제1 토크가 출력됨으로써 발생하는 일률의 값을 의미한다. 제1 일률의 값은 제1 토크(

) 및 제1 각속도(

) 간의 곱으로 계산될 수 있다. 제1 각속도는 제1 관절의 제1 센싱 데이터에 기초하여 획득될 수 있다.

전자 장치는 출력된 토크들 및 토크들이 출력된 시각에서 획득된 각속도들에 기초하여 제1 평균 일률의 값을 계산할 수 있다. 예를 들어, 제1 평균 일률의 값은 제1 일률의 값 및 제1 시각 보다 후행하는 제2 시각에 대한 제2 일률의 값에 기초하여 계산될 수 있다. 제1 평균 일률의 값은 아래의 [수학식 10]에 기초하여 계산될 수 있다.

[수학식 10]에서, n은 사용자의 1회의 동작에서 획득되는 데이터의 총 수를 나타내고,

는 i번째(또는, 시각 또는 샘플)의 토크를 나타내고,

는 i번째의 각속도를 나타내고, MP는 1회의 동작에 대한 평균 일률의 값을 나타낸다.

일 실시 예에 따르면, 전자 장치는 MP/

를 계산함으로써 입력 토크 대비 출력되는 일률의 값을 피드백 정보로서 계산할 수 있다. 예를 들어, MP/

는 동작의 민첩도를 나타낼 수 있다. 계산된 동작의 민첩도의 값의 단위는 rad/sec일 수 있다.

동작 1320에서, 전자 장치는 피드백 정보를 출력할 수 있다. 예를 들어, 전자 장치는 디스플레이를 통해 시각적으로 피드백 정보를 출력할 수 있다. 예를 들어, 전자 장치는 스피커를 통해 청각적으로 피드백 정보를 출력할 수 있다. 피드백 정보는 전자 장치의 디스플레이 또는 스피커 뿐만 아니라, 전자 장치와 연결된 부가 장치(예: 도 1의 부가 장치(130))의 디스플레이 또는 스피커를 통해 출력될 수 있다.

일 실시 예에 따르면, 웨어러블 장치를 착용한 사용자는 피드백 정보를 통해 수행하는 운동의 정확성을 확인할 수 있다. 예를 들어, 사용자는 피드백 정보를 고려하여 운동 자세를 수정할 수 있다.

일 실시 예에 따르면, 웨어러블 장치를 착용한 사용자의 운동을 지도하는 트레이너는 전자 장치를 통해 피드백 정보를 확인할 수 있다. 트레이너는 피드백 정보로서 일률의 값에 기초하여 사용자가 수행하고 있는 타겟 운동 모드에 대한 제어 파라미터들의 값들의 적합성을 판단할 수 있다. 예를 들어, 타겟 운동 모드에 대한 제어 파라미터들의 값들이 적합하지 않다고 판단된 경우, 트레이너는 제어 파라미터들의 값들을 조정할 수 있다.

도 14a는 일 예에 따른, 타겟 운동 모드에서의 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 보조 모드에 기초하여 결정되는 토크 값의 궤적을 도시한다.

일 실시 예에 따라, 운동 모드로서 Good morning 모드가 수행되는 경우, 사용자의 움직임(1401, 1402, 1403)의 변화에 대응하는 관절 각도들의 궤적 및 관절 각도들에 기초하여 결정되는 상태 인자의 궤적의 그래프(1410)가 도시된다. 예를 들어, Good morning 모드는 비스텝 운동 유형이므로, Good morning 모드에 대한 상태 인자는 도 7을 참조하여 전술된 [수학식 6]에 기초하여 생성될 수 있다.

일 실시 예에 따라, Good morning 모드가 보조 모드로 동작하는 경우, 사용자가 허리를 굽힌 움직임(1402)에서 허리를 펴는 움직임(1403)을 수행하는 경우 사용자가 허리를 펴는 것을 보조하는 토크가 보조력으로서 사용자에게 제공될 수 있다. 토크 값의 궤적의 그래프(1420)에서 양의 값이 토크가 사용자의 허리를 펴는 동작을 보조하는 보조력을 의미할 수 있다.

도 14b는 일 예에 따른, 도 14a의 타겟 운동이 반복적으로 수행되는 경우 측정되는 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 보조 모드에 기초하여 결정되는 토크 값의 궤적을 도시한다.

일 실시 예에 따라, 사용자가 Good morning 운동을 반복적으로 수행하는 경우, 사용자의 움직임의 변화에 대응하는 관절 각도들의 궤적 및 관절 각도들에 기초하여 결정되는 상태 인자의 궤적의 그래프(1430)가 도시된다.

일 실시 예에 따라, Good morning 모드가 보조 모드로 동작하는 경우, 상태 인자 및 보조 모드에 기초하여 결정되는 토크 값의 궤적의 그래프(1440)가 도시된다.

도 14c는 일 예에 따른, 도 14a의 타겟 운동이 반복적으로 수행되는 경우 웨어러블 장치에 의해 출력되는 토크 값의 궤적 및 일률 값의 궤적을 도시한다.

일 실시 예에 따라, 사용자가 Good morning 운동을 반복적으로 수행하는 경우, 사용자의 움직임의 변화에 대응하는 관절 각도들의 궤적의 그래프(1450)가 도시되고, 관절 각속도의 궤적의 그래프(1460)가 도시되고, 토크 값의 궤적의 그래프(1470)가 도시되고, 일률 값의 궤적의 그래프(1480)가 도시된다. 그래프(1480) 내에서 일률 값이 양수라는 것은 사용자에게 보조력이 제공되었다는 의미이고, 일률 값이 음수라는 것은 사용자에게 저항력이 제공되었다는 의미일 수 있다. 보조 모드인 Good morning 운동 모드에서는 대부분의 구간에서 사용자에게 보조력이 제공된 것을 알 수 있다.

도 15a는 일 예에 따른, 타겟 운동 모드에서의 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 저항 모드에 기초하여 결정되는 토크 값의 궤적을 도시한다.

일 실시 예에 따라, 운동 모드로서 Good morning 모드가 수행되는 경우, 사용자의 움직임(1501, 1502, 1503)의 변화에 대응하는 관절 각도들의 궤적 및 관절 각도들에 기초하여 결정되는 상태 인자의 궤적의 그래프(1510)가 도시된다.

일 실시 예에 따라, Good morning 모드가 저항 모드로 동작하는 경우, 사용자가 허리를 굽힌 움직임(1502)에서 허리를 펴는 움직임(1503)을 수행하는 경우 사용자가 허리를 펴는 것을 방해하는 토크가 저항력으로서 사용자에게 제공될 수 있다. 토크 값의 궤적의 그래프(1520)에서 음의 값이 토크가 사용자의 허리를 펴는 동작을 방해하는 저항력을 의미할 수 있다.

도 15b는 일 예에 따른, 도 15a의 타겟 운동이 반복적으로 수행되는 경우 측정되는 관절 각도들 및 이에 대한 상태 인자의 궤적들과, 상태 인자 및 저항 모드에 기초하여 결정되는 토크 값이 궤적을 도시한다.

일 실시 예에 따라, 사용자가 Good morning 운동을 반복적으로 수행하는 경우, 사용자의 움직임의 변화에 대응하는 관절 각도들의 궤적 및 관절 각도들에 기초하여 결정되는 상태 인자의 궤적의 그래프(1530)가 도시된다.

일 실시 예에 따라, Good morning 모드가 저항 모드로 동작하는 경우, 상태 인자 및 저항 모드에 기초하여 결정되는 토크 값의 궤적의 그래프(1540)가 도시된다.

도 15c는 일 예에 따른, 도 15a의 타겟 운동이 반복적으로 수행되는 경우 웨어러블 장치에 의해 출력되는 토크의 값의 궤적 및 일률 값의 궤적을 도시한다.

일 실시 예에 따라, 사용자가 Good morning 운동을 반복적으로 수행하는 경우, 사용자의 움직임의 변화에 대응하는 관절 각도들의 궤적의 그래프(1550)가 도시되고, 관절 각속도의 궤적의 그래프(1560)가 도시되고, 토크 값의 궤적의 그래프(1570)가 도시되고, 일률 값의 궤적의 그래프(1580)가 도시된다. 그래프(1580) 내에서 일률 값이 음수라는 것은 사용자에게 저항력이 제공되었다는 의미이고, 일률 값이 양수라는 것은 사용자에게 보조력이 제공되었다는 의미일 수 있다. 저항 모드인 Good morning 운동 모드에서는 대부분의 구간에서 사용자에게 저항력이 제공된 것을 알 수 있다.

도 16은 일 예에 따른. 전자 장치가 능동적으로 타겟 운동 모드를 결정하는 방법에 대한 흐름도이다.

일 실시 예에 따르면, 도 8을 참조하여 전술된 동작 810은 아래의 동작들 1610 및 1620을 포함할 수 있다. 동작들 1610 및 1620은 전자 장치(예: 도 1의 전자 장치(110), 웨어러블 장치(120), 도 2의 전자 장치(201) 또는 도 3의 웨어러블 장치(300))에 의해 수행될 수 있다.

동작 1610에서, 전자 장치는 사용자가 웨어러블 장치를 착용한 상태에서 운동을 수행하는 동안 웨어러블 장치의 센서를 통해 센싱 데이터(예: 원시 센싱 데이터)를 획득할 수 있다. 예를 들어, 센싱 데이터는 관절 각도, 관절 각속도 및 IMU 정보를 포함할 수 있다. 예를 들어, 센싱 데이터의 관절 각도(또는, 관절 각속도 또는 IMU 정보)인 경우, 센싱 데이터는 시간에 따른 관절 각도(또는, 관절 각속도 또는 IMU 정보)의 변화 궤적(또는, 패턴)을 더 포함할 수 있다.

동작 1620에서, 전자 장치는 복수의 운동 모드들 중 센싱 데이터에 대응하는 타겟 운동 모드를 결정할 수 있다. 예를 들어, 전자 장치는 미리 설정된 룰에 기초하여 센싱 데이터에 대응하는 타겟 운동 모드를 결정할 수 있다. 예를 들어, 전자 장치는 센싱 데이터에 기초하여 운동 모드를 구분할 수 있도록 미리 훈련된 운동 모드 분류 모델에 기초하여 타겟 운동 모드를 결정할 수 있다. 운동 모드 분류 모델은 신경망에 기초한 분류 모델일 수 있다. 운동 모드 분류 모델은 복수의 운동 모드들에 대한 복수의 센싱 데이터들에 기초하여, 입력되는 센싱 데이터에 대응하는 운동 모드를 식별할 수 있도록 미리 훈련될 수 있다.

도 17a, 17b, 17c, 17d, 17e, 17f 및 17g의 각각은 일 예에 따른, 운동 모드에 기초하여 웨어러블 장치를 제어하는 방법의 흐름도이다.

도 8을 참조하여 동작들 810 내지 870이 순서대로 설명되었으나, 일 실시 예에 따른 구현 예에서는 동작들 810 내지 870 중 적어도 일부가 생략될 수 있다.

도 17a를 참조하여 도시된 방법(1710)에 따르면, 전자 장치의 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810), 웨어러블 장치로부터 획득된 센싱 데이터(또는, 원시 센싱 데이터)에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840), 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 크기에 대한 제2 제어 파라미터의 값을 결정하는 동작(850), 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860), 및 토크의 값에 기초하여 웨어러블 장치를 제어하는 동작(870)을 수행할 수 있다.

도 17b를 참조하여 도시된 방법(1720)에 따르면, 전자 장치의 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810), 웨어러블 장치로부터 획득된 센싱 데이터(또는, 원시 센싱 데이터)에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840), 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍에 대한 제어 파라미터의 값 및 상기 토크의 크기에 대한 제어 파라미터의 값을 포함하는 제2 제어 파라미터의 값을 결정하는 동작(850), 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860), 및 토크의 값에 기초하여 웨어러블 장치를 제어하는 동작(870)을 수행할 수 있다.

도 17c를 참조하여 도시된 방법(1730)에 따르면, 전자 장치의 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810), 타겟 운동 모드에 기초하여 웨어러블 장치로부터 획득된 원시 센싱 데이터의 민감도를 조정하기 위한 제어 파라미터를 포함하는 제1 제어 파라미터의 값을 결정하는 동작(820), 원시 센싱 데이터 및 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830), 센싱 데이터에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840), 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 크기에 대한 제2 제어 파라미터의 값을 결정하는 동작(850), 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860), 및 토크의 값에 기초하여 웨어러블 장치를 제어하는 동작(870)을 수행할 수 있다.

도 17d를 참조하여 도시된 방법(1740)에 따르면, 전자 장치의 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810), 타겟 운동 모드에 기초하여 웨어러블 장치로부터 획득된 원시 센싱 데이터의 관절 각도들 간의 오프셋 각도를 나타내는 제어 파라미터를 포함하는 제1 제어 파라미터의 값을 결정하는 동작(820), 원시 센싱 데이터 및 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830), 센싱 데이터에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840), 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 크기에 대한 제2 제어 파라미터의 값을 결정하는 동작(850), 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860), 및 토크의 값에 기초하여 웨어러블 장치를 제어하는 동작(870)을 수행할 수 있다.

도 17e를 참조하여 도시된 방법(1750)에 따르면, 전자 장치의 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810), 타겟 운동 모드에 기초하여 웨어러블 장치로부터 획득된 원시 센싱 데이터의 관절 각도들 간의 오프셋 각도를 나타내는 제어 파라미터를 포함하는 제1 제어 파라미터의 값을 결정하는 동작(820), 원시 센싱 데이터 및 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830), 센싱 데이터에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840), 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍에 대한 제어 파라미터의 값 및 상기 토크의 크기에 대한 제어 파라미터의 값을 포함하는 제2 제어 파라미터의 값을 결정하는 동작(850), 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860), 및 토크의 값에 기초하여 웨어러블 장치를 제어하는 동작(870)을 수행할 수 있다.

도 17f를 참조하여 도시된 방법(1760)에 따르면, 전자 장치의 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810), 타겟 운동 모드에 기초하여 웨어러블 장치로부터 획득된 원시 센싱 데이터의 민감도를 조정하기 위한 제어 파라미터를 포함하는 제1 제어 파라미터의 값을 결정하는 동작(820), 원시 센싱 데이터 및 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830), 센싱 데이터에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840), 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍에 대한 제어 파라미터의 값 및 상기 토크의 크기에 대한 제어 파라미터의 값을 포함하는 제2 제어 파라미터의 값을 결정하는 동작(850), 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860), 및 토크의 값에 기초하여 웨어러블 장치를 제어하는 동작(870)을 수행할 수 있다.

도 17g를 참조하여 도시된 방법(1770)에 따르면, 전자 장치의 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810), 타겟 운동 모드에 기초하여 웨어러블 장치로부터 획득된 원시 센싱 데이터의 민감도를 조정하기 위한 제어 파라미터 및 상기 원시 센싱 데이터의 관절 각도들 간의 오프셋 각도를 나타내는 제어 파라미터를 포함하는 제1 제어 파라미터의 값을 결정하는 동작(820), 원시 센싱 데이터 및 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830), 센싱 데이터에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840), 타겟 운동 모드에 기초하여 웨어러블 장치에 의해 출력되는 토크의 크기에 대한 제어 파라미터의 값을 포함하는 제2 제어 파라미터의 값을 결정하는 동작(850), 타겟 상태 인자 및 제2 제어 파라미터의 값에 기초하여 타겟 운동 모드의 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860), 및 토크의 값에 기초하여 웨어러블 장치를 제어하는 동작(870)을 수행할 수 있다.

일 실시 예에 따른, 전자 장치는, 외부 장치와 데이터를 교환하는 통신 모듈, 및 상기 전자 장치를 제어하는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작, 상기 타겟 운동 모드에 기초하여 제1 제어 파라미터의 값을 결정하는 동작, 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작, 상기 타겟 운동 모드에 기초하여 제2 제어 파라미터의 값을 결정하는 동작, 상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작, 및 상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작을 수행할 수 있다.

일 실시 예에 따른, 상기 타겟 운동 모드의 상기 타겟 유형은, 스텝 운동 유형 또는 비스텝 운동 유형 중 어느 하나일 수 있다.

일 실시 예에 따른, 상기 웨어러블 장치의 타겟 운동 모드를 결정하는 동작은, 상기 웨어러블 장치에 의해 수행되고 있는 운동 프로그램의 하나 이상의 운동 모드들 중 상기 타겟 운동 모드를 결정하는 동작을 포함할 수 있다.

일 실시 예에 따른, 상기 웨어러블 장치에 의해 수행되고 있는 운동 프로그램의 하나 이상의 운동 모드들 중 상기 타겟 운동 모드를 결정하는 동작은, 수행 순서가 설정된 상기 운동 모드들 중 상기 타겟 운동 모드의 순서 이전으로 설정된 이전 운동 모드가 수행된 경우, 다음 순서인 상기 타겟 운동 모드를 결정하는 동작을 포함할 수 있다.

일 실시 예에 따른, 상기 제1 제어 파라미터는, 상기 원시 센싱 데이터의 민감도를 조정하기 위한 파라미터 또는 상기 원시 센싱 데이터의 관절 각도들 간의 오프셋 각도를 나타내는 파라미터 중 적어도 하나를 포함할 수 있다.

일 실시 예에 따른, 상기 제2 제어 파라미터는, 상기 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍을 제어하기 위한 파라미터 또는 상기 토크의 크기를 제어하기 위한 파라미터 중 적어도 하나를 포함할 수 있다.

일 실시 예에 따른, 상기 원시 센싱 데이터는 상기 웨어러블 장치의 센서에 의해 생성되는 제1 다리의 제1 원시 관절 각도 및 제2 다리의 제2 원시 관절 각도를 포함할 수 있다.

일 실시 예에 따른, 상기 타겟 운동 모드는 상기 웨어러블 장치의 사용자에 대해 개인화된 운동 모드일 수 있다.

일 실시 예에 따른, 상기 타겟 운동 모드에 대한 상기 제1 제어 파라미터의 값 또는 상기 제2 제어 파라미터의 값 중 적어도 하나를 조정함으로써 상기 타겟 운동 모드의 개인화가 수행될 수 있다.

일 실시 예에 따른, 상기 프로세서는, 사용자로부터 상기 타겟 운동 모드를 포함하는 하나 이상의 운동 모드들에 대한 정보를 수신하는 동작, 및 상기 운동 모드들에 기초하여 운동 프로그램을 생성하는 동작을 더 수행할 수 있다.

일 실시 예에 따른, 상기 하나 이상의 운동 모드들에 대한 정보는 상기 타겟 운동 모드의 수행 시간에 대한 정보 및 상기 타겟 운동 모드의 수행 레벨에 대한 정보를 포함할 수 있다.

일 실시 예에 따른, 상기 프로세서는, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 수행에 대한 피드백 정보를 생성하는 동작, 및 상기 피드백 정보를 출력하는 동작을 더 수행할 수 있다.

일 실시 예에 따른, 상기 토크의 값에 대응하는 힘이 상기 웨어러블 장치에 의해 출력될 수 있다.

일 실시 예에 따른, 전자 장치에 의해 수행되는, 웨어러블 장치를 제어하는 방법은, 웨어러블 장치의 타겟 운동 모드를 결정하는 동작, 상기 타겟 운동 모드에 기초하여 제1 제어 파라미터의 값을 결정하는 동작, 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작, 상기 타겟 운동 모드에 기초하여 제2 제어 파라미터의 값을 결정하는 동작, 상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작, 및 상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작을 포함할 수 있다.

일 실시 예에 따른, 상기 타겟 운동 모드의 상기 타겟 유형은, 스텝 운동 유형 또는 비스텝 운동 유형 중 어느 하나일 수 있다.

일 실시 예에 따른, 상기 타겟 운동 모드는 상기 웨어러블 장치의 사용자에 대해 개인화된 운동 모드이고, 상기 타겟 운동 모드에 대한 상기 제1 제어 파라미터의 값 또는 상기 제2 제어 파라미터의 값 중 적어도 하나를 조정함으로써 상기 타겟 운동 모드의 개인화가 수행될 수 있다.

일 실시 예에 따른, 상기 웨어러블 장치 제어 방법은, 사용자로부터 상기 타겟 운동 모드를 포함하는 하나 이상의 운동 모드들에 대한 정보를 수신하는 동작, 및 상기 운동 모드들에 기초하여 운동 프로그램을 생성하는 동작을 더 포함할 수 있다.

일 실시 예에 따른, 상기 하나 이상의 운동 모드들에 대한 정보는 상기 타겟 운동 모드의 수행 시간에 대한 정보 및 상기 타겟 운동 모드의 수행 레벨에 대한 정보를 포함할 수 있다.

일 실시 예에 따른, 상기 웨어러블 장치 제어 방법은, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 수행에 대한 피드백 정보를 생성하는 동작, 및 상기 피드백 정보를 출력하는 동작을 더 포함할 수 있다.

일 실시 예에 따른, 전자 장치는, 외부 장치와 데이터를 교환하는 통신 모듈, 및 상기 전자 장치를 제어하는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는, 사용자로부터 하나 이상의 운동 모드들에 대한 정보를 수신하는 동작, 상기 운동 모드들에 기초하여 운동 프로그램을 생성하는 동작, 웨어러블 장치가 상기 운동 프로그램에 기초하여 제어되는 경우, 타겟 운동 모드를 결정하는 동작, 상기 타겟 운동 모드에 기초하여 제1 제어 파라미터의 값을 결정하는 동작, 상기 웨어러블 장치의 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작, 상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작, 상기 타겟 운동 모드에 기초하여 제2 제어 파라미터의 값을 결정하는 동작, 상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작, 및 상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작을 수행할 수 있다.

이상에서 설명된 실시 예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 사용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

위에서 설명한 하드웨어 장치는 실시 예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시 예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (22)

1. 전자 장치(110; 201)에 있어서,
   외부 장치와 데이터를 교환하는 통신 모듈(290); 및
   상기 전자 장치를 제어하는 적어도 하나의 프로세서(220)
   를 포함하고,
   상기 프로세서는,
   웨어러블 장치(120; 300)의 타겟 운동 모드를 결정하는 동작(810);
   상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터를 처리하기 위한 제1 제어 파라미터의 값을 결정하는 동작(820);
   상기 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830);
   상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840);
   상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍 또는 상기 토크의 크기 중 적어도 하나에 대한 제2 제어 파라미터의 값을 결정하는 동작(850);
   상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860); 및
   상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작(870)
   을 수행하는,
   전자 장치.
   
2. 제1항에 있어서,
   상기 타겟 운동 모드의 상기 타겟 유형은,
   스텝 운동 유형 또는 비스텝 운동 유형 중 어느 하나인,
   전자 장치.
   
3. 제1항에 있어서,
   상기 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810)은,
   상기 웨어러블 장치에 의해 수행되고 있는 운동 프로그램의 하나 이상의 운동 모드들 중 상기 타겟 운동 모드를 결정하는 동작
   을 포함하는,
   전자 장치.
   
4. 제3항에 있어서,
   상기 웨어러블 장치에 의해 수행되고 있는 운동 프로그램의 하나 이상의 운동 모드들 중 상기 타겟 운동 모드를 결정하는 동작은,
   수행 순서가 설정된 상기 운동 모드들 중 상기 타겟 운동 모드의 순서 이전으로 설정된 이전 운동 모드가 수행된 경우, 다음 순서인 상기 타겟 운동 모드를 결정하는 동작
   을 포함하는,
   전자 장치.
   
5. 제1항에 있어서,
   상기 제1 제어 파라미터는, 상기 원시 센싱 데이터의 민감도를 조정하기 위한 파라미터 또는 상기 원시 센싱 데이터의 관절 각도들 간의 오프셋 각도를 나타내는 파라미터 중 적어도 하나를 포함하는,
   전자 장치.
   
6. 제1항에 있어서,
   상기 제2 제어 파라미터는, 상기 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍을 제어하기 위한 파라미터 또는 상기 토크의 크기를 제어하기 위한 파라미터 중 적어도 하나를 포함하는,
   전자 장치.
   
7. 제1항에 있어서,
   상기 원시 센싱 데이터는 상기 웨어러블 장치의 센서에 의해 생성되는 제1 다리의 제1 원시 관절 각도 및 제2 다리의 제2 원시 관절 각도를 포함하는,
   전자 장치.
   
8. 제1항에 있어서,
   상기 타겟 운동 모드는 상기 웨어러블 장치의 사용자에 대해 개인화된 운동 모드인,
   전자 장치.
   
9. 제8항에 있어서,
   상기 타겟 운동 모드에 대한 상기 제1 제어 파라미터의 값 또는 상기 제2 제어 파라미터의 값 중 적어도 하나를 조정함으로써 상기 타겟 운동 모드의 개인화가 수행되는,
   전자 장치.
   
10. 제1항에 있어서,
    상기 프로세서는,
    사용자로부터 상기 타겟 운동 모드를 포함하는 하나 이상의 운동 모드들에 대한 정보를 수신하는 동작(910); 및
    상기 운동 모드들에 기초하여 운동 프로그램을 생성하는 동작(920)
    을 더 수행하는,
    전자 장치.
    
11. 제10항에 있어서,
    상기 하나 이상의 운동 모드들에 대한 정보는 상기 타겟 운동 모드의 수행 시간에 대한 정보 및 상기 타겟 운동 모드의 수행 레벨에 대한 정보를 포함하는,
    전자 장치.
    
12. 제1항에 있어서,
    상기 프로세서는,
    상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 수행에 대한 피드백 정보를 생성하는 동작(1310); 및
    상기 피드백 정보를 출력하는 동작(1320)
    을 더 수행하는,
    전자 장치.
    
13. 제1항에 있어서,
    상기 토크의 값에 대응하는 힘이 상기 웨어러블 장치에 의해 출력되는,
    전자 장치.
    
14. 전자 장치(110; 201)에 의해 수행되는, 웨어러블 장치를 제어하는 방법에 있어서,
    웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터를 처리하기 위한 제1 제어 파라미터의 값을 결정하는 동작(820);
    상기 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830);
    상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍 또는 상기 토크의 크기 중 적어도 하나에 대한 제2 제어 파라미터의 값을 결정하는 동작(850);
    상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860); 및
    상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작(870)
    을 포함하는,
    웨어러블 장치 제어 방법.
    
15. 제14항에 있어서,
    상기 타겟 운동 모드의 상기 타겟 유형은,
    스텝 운동 유형 또는 비스텝 운동 유형 중 어느 하나인,
    웨어러블 장치 제어 방법.
    
16. 제14항에 있어서,
    상기 타겟 운동 모드는 상기 웨어러블 장치의 사용자에 대해 개인화된 운동 모드이고,
    상기 타겟 운동 모드에 대한 상기 제1 제어 파라미터의 값 또는 상기 제2 제어 파라미터의 값 중 적어도 하나를 조정함으로써 상기 타겟 운동 모드의 개인화가 수행되는,
    웨어러블 장치 제어 방법.
    
17. 제14항에 있어서,
    사용자로부터 상기 타겟 운동 모드를 포함하는 하나 이상의 운동 모드들에 대한 정보를 수신하는 동작(910); 및
    상기 운동 모드들에 기초하여 운동 프로그램을 생성하는 동작(920)
    을 더 포함하는,
    웨어러블 장치 제어 방법.
    
18. 제17항에 있어서,
    상기 하나 이상의 운동 모드들에 대한 정보는 상기 타겟 운동 모드의 수행 시간에 대한 정보 및 상기 타겟 운동 모드의 수행 레벨에 대한 정보를 포함하는,
    웨어러블 장치 제어 방법.
    
19. 제18항에 있어서,
    상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 수행에 대한 피드백 정보를 생성하는 동작(1310); 및
    상기 피드백 정보를 출력하는 동작(1320)
    을 더 포함하는,
    웨어러블 장치 제어 방법.
    
20. 전자 장치(110; 201)에 있어서,
    외부 장치와 데이터를 교환하는 통신 모듈(290); 및
    상기 전자 장치를 제어하는 적어도 하나의 프로세서(220)
    를 포함하고,
    상기 프로세서는,
    사용자로부터 하나 이상의 운동 모드들에 대한 정보를 수신하는 동작(910);
    상기 운동 모드들에 기초하여 운동 프로그램을 생성하는 동작(920);
    웨어러블 장치가 상기 운동 프로그램에 기초하여 제어되는 경우, 타겟 운동 모드를 결정하는 동작(810);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터를 처리하기 위한 제1 제어 파라미터의 값을 결정하는 동작(820);
    상기 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830);
    상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍 또는 상기 토크의 크기 중 적어도 하나에 대한 제2 제어 파라미터의 값을 결정하는 동작(850);
    상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860); 및
    상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작(870)
    을 수행하는,
    전자 장치.
    
21. 웨어러블 장치(120; 300)에 있어서,
    외부 장치와 데이터를 교환하는 통신 모듈(352); 및
    상기 웨어러블 장치를 제어하는 적어도 하나의 프로세서(242)
    를 포함하고,
    상기 프로세서는,
    상기 웨어러블 장치의 타겟 운동 모드를 결정하는 동작(810);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터를 처리하기 위한 제1 제어 파라미터의 값을 결정하는 동작(820);
    상기 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830);
    상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍 또는 상기 토크의 크기 중 적어도 하나에 대한 제2 제어 파라미터의 값을 결정하는 동작(850);
    상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860); 및
    상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작(870)
    을 수행하는,
    웨어러블 장치.
    
22. 웨어러블 장치(120; 300)에 있어서,
    외부 장치와 데이터를 교환하는 통신 모듈(352); 및
    상기 웨어러블 장치를 제어하는 적어도 하나의 프로세서(242)
    를 포함하고,
    상기 프로세서는,
    상기 통신 모듈을 통해 전자 장치(110; 201)로부터 상기 웨어러블 장치의 타겟 운동 모드에 대한 정보를 수신함으로써 상기 타겟 운동 모드를 결정하는 동작(810);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치로부터 획득된 원시 센싱 데이터를 처리하기 위한 제1 제어 파라미터의 값을 결정하는 동작(820);
    상기 원시 센싱 데이터 및 상기 제1 제어 파라미터의 값에 기초하여 센싱 데이터를 생성하는 동작(830);
    상기 센싱 데이터에 기초하여 상기 타겟 운동 모드의 타겟 유형에 대응하는 타겟 상태 인자를 생성하는 동작(840);
    상기 타겟 운동 모드에 기초하여 상기 웨어러블 장치에 의해 출력되는 토크의 출력 타이밍 또는 상기 토크의 크기 중 적어도 하나에 대한 제2 제어 파라미터의 값을 결정하는 동작(850);
    상기 타겟 상태 인자 및 상기 제2 제어 파라미터의 값에 기초하여 상기 타겟 운동 모드의 상기 타겟 유형에 대응하는 토크의 값을 결정하는 동작(860); 및
    상기 토크의 값에 기초하여 상기 웨어러블 장치를 제어하는 동작(870)
    을 수행하는,
    웨어러블 장치.

Images