KR20230136484A - 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법 - Google Patents

Abstract

재활치료용 로봇의 절대 위치 예측 방법에서, 힘센서가 시작 위치에 존재하고, 힘센서의 타 측에 무게 추가 연결된 상태에서, 구동 장치부가 미리 정해진 패턴에 따라 가변되는 제1 내지 제n 토크들을 제1 내지 제n 회전 모터들에 각각 동시에 인가한 후 제1 내지 제n 회전 모터들이 회전된 제1 내지 제n 회전 각도들을 측정하고, 제어부가 힘센서로부터 수신되는 힘 측정값 및 제1 내지 제n 회전 각도들을 포함하는 입력 벡터를 생성하고, 시작 위치에 상응하는 시작 좌표를 입력 벡터에 대한 라벨로 결정하고, 복수의 시작 위치들 각각에 대해 생성되는 입력 벡터 및 입력 벡터에 대한 라벨의 쌍들을 학습 데이터로 사용하여 인공 신경망을 학습시켜 절대 위치 예측 모델을 생성하고, 힘센서가 목표 위치에 존재하고, 힘센서의 타 측에 상기 무게 추가 연결된 상태에서, 구동 장치부가 제1 내지 제n 토크들을 제1 내지 제n 회전 모터들에 각각 동시에 인가한 후 제1 내지 제n 회전 모터들이 회전된 제1 내지 제n 목표 회전 각도들을 측정하고, 제어부가 힘센서로부터 수신되는 힘 측정값 및 제1 내지 제n 목표 회전 각도들을 포함하는 목표 입력 벡터를 생성하고, 절대 위치 예측 모델과 목표 입력 벡터에 기초하여 목표 위치에 상응하는 절대 좌표를 예측한다.

Description

딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법{METHOD FOR PREDICTING ABSOLUTE POSITION OF REHABILITATION ROBOT USING DEEP LEARNING}

본 발명은 재활치료용 로봇에 관한 것으로, 보다 상세하게는 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법에 관한 것이다.

중풍이나 뇌졸중 또는 외상성 뇌손상 등과 같은 이유로 뇌의 특정 부분이 손상되는 경우, 신체 일부에 운동 마비가 발생할 수 있다.

이러한 마비 증상은 규칙적이고 반복적인 재활 훈련을 통해 개선될 수 있는 것으로 알려져 있으며, 체계적이고 강도 높은 반복 훈련 방식이나 물리치료학 등을 포함하는 재활의학 관련 연구가 활발하게 진행되고 있다.

종래에는 재활치료를 담당하는 전문 치료사에 의해 재활 치료가 이루어졌으나, 최근에는 치료사를 대신하는 의료용 로봇을 재활치료에 적용하고 있다.

재활치료용 로봇은 환자에게 충분하고 일관성 있으며 강도 높은 재활 훈련을 유도할 수 있음은 물론, 반복 훈련, 훈련량과 시간의 조절, 훈련의 진행 및 경과 여부를 정량화하는 등 재활 훈련을 표준화할 수 있고 치료사의 체력적 부담을 덜어준다.

이와 같이, 재활치료용 로봇을 통해 수행되는 치료의 진행 및 경과 과정을 정량화하기 위해서는 치료 과정에서 로봇이 움직인 경로를 정확하게 기록하는 과정이 필요하며, 이를 위해서는 로봇이 위치하는 지점의 좌표를 정확하게 판단해야 한다.

일반적으로 재활치료용 로봇은 각 관절이 움직이는 정도를 측정하여 로봇이 위치하는 지점의 좌표를 판단한다.

그런데 재활치료용 로봇이 리부팅될 때마다 재활치료용 로봇이 기억하고 있던 현재 위치의 좌표는 리셋되므로, 매 리부팅 시마다 재활치료용 로봇이 초기에 취하고 있는 자세에 해당하는 초기 좌표를 관리자가 직접 재활치료용 로봇에 입력해야 하는 문제점이 있다.

본 발명의 일 목적은 딥러닝(Deep Learning)을 활용하여 재활치료용 로봇의 절대 위치를 예측하는 방법을 제공하는 것이다.

상술한 본 발명의 일 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 환자와 접촉되는 말단부, 제1 내지 제n(n은 2 이상의 정수) 회전 모터들을 포함하는 구동 장치부, 상기 구동 장치부에서 출력되는 구동력을 상기 말단부에 전달하는 운동 전달 기구 장치, 상기 구동 장치부의 작동을 제어하는 제어부, 및 일 측은 상기 운동 전달 기구 장치에 결합되고 타 측은 상기 말단부와 결합되어 상기 타 측에 인가되는 힘의 방향 및 크기를 측정하여 힘 측정값으로서 상기 제어부로 전송하는 힘센서를 포함하는 재활치료용 로봇의 절대 위치 예측 방법에서, 공간 상의 복수의 시작 좌표들에 대응되는 복수의 시작 위치들 각각에 대해, 상기 힘센서가 상기 시작 위치에 존재하는 상태에서 상기 재활치료용 로봇이 정지되고, 상기 힘센서의 상기 타 측에 상기 말단부보다 무거운 무게를 갖는 무게 추가 연결된 상태에서, 상기 구동 장치부가 미리 정해진 패턴에 따라 가변되는 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 동시에 인가하고, 상기 구동 장치부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 제1 내지 제n 회전 각도들을 측정하고, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 회전 각도들을 포함하는 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 라벨로 결정하고, 상기 제어부가 상기 복수의 시작 위치들 각각에 대해 생성되는 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨의 쌍들을 학습 데이터로 사용하여 인공 신경망이 상기 시작 위치에 대한 상기 입력 벡터에 기초하여 상기 시작 위치에 상응하는 상기 시작 좌표를 출력하도록 상기 인공 신경망을 학습시켜 절대 위치 예측 모델을 생성하고, 상기 힘센서가 목표 위치에 존재하는 상태에서 상기 재활치료용 로봇이 정지되고, 상기 힘센서의 상기 타 측에 상기 무게 추가 연결된 상태에서, 상기 구동 장치부가 상기 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 동시에 인가하고, 상기 구동 장치부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 제1 내지 제n 목표 회전 각도들을 측정하고, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 제1 내지 제n 목표 회전 각도들을 포함하는 목표 입력 벡터를 생성하고, 상기 제어부가 상기 절대 위치 예측 모델과 상기 목표 입력 벡터에 기초하여 상기 목표 위치에 상응하는 절대 좌표를 예측한다.

일 실시예에 있어서, 상기 구동 장치부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 상기 제1 내지 제n 회전 각도들을 측정하는 단계는, 상기 제1 내지 제n 회전 모터들 각각에 설치되는 엔코더가 상기 힘센서가 상기 시작 위치에 정지되어 있는 상태를 기준으로 하여 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가된 이후에 상기 제1 내지 제n 회전 모터들 각각이 회전된 각도를 측정하여 상기 제1 내지 제n 회전 각도들로 결정하는 단계를 포함할 수 있다.

상기 힘센서는 주기적으로 x축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제1 힘 측정값으로 생성하고, 상기 x축에 수직한 y축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제2 힘 측정값으로 생성하고, 상기 x축 및 상기 y축에 수직한 z축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제3 힘 측정값으로 생성할 수 있다.

상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계는, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 주기적으로 수신되는 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합들 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계를 포함할 수 있다.

일 실시예에 있어서, 상기 인공 신경망은 회귀 분석 모델로 구현될 수 있다.

일 실시예에 있어서, 상기 인공 신경망은 사이킷런(Scikit-learn) 라이브러리를 사용하여 구현될 수 있다.

일 실시예에 있어서, 상기 구동 장치부는 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게를 변경시키면서 상기 무게 추의 무게 별로 상기 제1 내지 제n 회전 각도들을 측정하고, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계는, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게, 및 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계를 포함할 수 있다.

상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 제1 내지 제n 목표 회전 각도들을 포함하는 상기 목표 입력 벡터를 생성하는 단계는, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게, 및 상기 제1 내지 제n 목표 회전 각도들을 포함하는 상기 목표 입력 벡터를 생성하는 단계를 포함할 수 있다.

본 발명의 실시예들에 따른 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법은 재활치료용 로봇이 리셋되거나 리부팅되는 경우에도 말단부의 초기 위치에 해당하는 절대 좌표를 사용자가 직접 재활치료용 로봇에 입력할 필요 없이, 힘센서에 무게 추를 연결한 상태에서 제1 내지 제n 회전 모터들에 제1 내지 제n 토크들을 인가해 봄으로써 말단부의 초기 위치를 나타내는 절대 좌표를 효과적으로 예측할 수 있다.

도 1은 본 발명의 일 실시예에 따른 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법을 나타내는 순서도이다.
도 2는 도 1에 도시된 재활치료용 로봇의 절대 위치 예측 방법을 수행하는 재활치료용 로봇의 일 예를 나타내는 사시도이다.
도 3은 도 2에 도시된 재활치료용 로봇의 측면도이다.
도 4는 도 2에 도시된 재활치료용 로봇에 대한 블록도이다.
도 5는 도 2에 도시된 재활치료용 로봇에서 그립 모듈과 구동 모듈의 주요 부분을 도시한 사시도로서, 아래에서 바라본 형태를 도시한 것이다.
도 6은 도 2에 도시된 재활치료용 로봇에서 그립 모듈과 구동 모듈의 주요 부분을 도시한 사시도로서, 위에서 바라본 형태를 도시한 것이다.

본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위로부터 이탈되지 않은 채 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1은 본 발명의 일 실시예에 따른 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법을 나타내는 순서도이다.

도 1은 환자와 접촉되는 말단부, 제1 내지 제n(n은 2 이상의 정수) 회전 모터들을 포함하는 구동 장치부, 상기 구동 장치부에서 출력되는 구동력을 상기 말단부에 전달하는 운동 전달 기구 장치, 상기 구동 장치부의 작동을 제어하는 제어부, 및 일 측은 상기 운동 전달 기구 장치에 결합되고 타 측은 상기 말단부와 결합되어 상기 타 측에 인가되는 힘의 방향 및 크기를 측정하여 힘 측정값으로서 상기 제어부로 전송하는 힘센서를 포함하는 재활치료용 로봇에 의해 수행된다.

상기 말단부는 환자와 직간접적으로 접촉되며, 상기 재활치료용 로봇은 상기 말단부를 통해 상기 환자에게 재활치료를 수행한다.

상기 재활치료용 로봇을 통해 수행되는 재활치료의 진행 및 경과 과정을 정량화하기 위해서는 치료 과정에서 상기 말단부가 움직인 경로를 정확하게 기록하는 과정이 필요하며, 이를 위해서 상기 재활치료용 로봇은 상기 말단부가 위치하는 지점의 좌표를 정확하게 판단해야 한다.

후술하는 바와 같이, 상기 재활치료용 로봇은 동작 초기의 위치를 기준으로 상기 회전 모터들 각각이 회전된 각도를 측정하여 상기 말단부의 현재 위치를 판단하는데, 상기 재활치료용 로봇이 리셋되거나 리부팅되는 경우, 내부적으로 기억하고 있던 상기 말단부의 현재 위치가 삭제된다.

도 1에 도시된 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법은 상기 재활치료용 로봇이 리셋되거나 리부팅되는 경우에도 상기 말단부의 초기 위치에 해당하는 절대 좌표를 사용자가 직접 상기 재활치료용 로봇에 입력할 필요 없이, 딥러닝을 활용하여 상기 말단부의 초기 위치를 나타내는 절대 좌표를 예측하는 방법을 나타낸다.

본 발명의 실시예들에 따른 상기 재활치료용 로봇은 환자의 다양한 신체 부위에 대해 재활치료를 수행할 수 있도록 다양한 형태로 변형되어 구현될 수 있으며, 특정 신체 부위에 대해 재활치료를 수행하도록 구현된 특정 형태의 재활치료용 로봇으로 한정되지 않는다.

이하, 도 1을 참조하여 본 발명의 실시예들에 따른 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법에 대해 상세히 설명한다.

도 1을 참조하면, 공간 상의 복수의 시작 좌표들에 대응되는 복수의 시작 위치들 각각에 대해, 상기 힘센서가 상기 시작 위치에 존재하는 상태에서 상기 재활치료용 로봇이 정지되고, 상기 힘센서의 상기 타 측에 상기 말단부보다 무거운 무게를 갖는 무게 추가 연결된 상태에서, 상기 구동 장치부는 미리 정해진 패턴에 따라 가변되는 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 동시에 인가한다(단계 S100).

따라서 상기 제1 내지 제n 회전 모터들은 상기 제1 내지 제n 토크들에 각각 기초하여 독립적으로 구동될 수 있다.

상기 제1 내지 제n 회전 모터들 각각의 독립적인 구동력이 상기 운동 전달 기구 장치를 통해 상기 힘센서에 전달되어 상기 힘센서는 공간 상을 이동하게 되고, 상기 힘센서에 결합된 상기 말단부 또는 상기 무게 추 역시 상기 힘센서와 함께 공간 상을 이동하게 된다.

한편, 상기 복수의 시작 위치들 각각은 임의로 설정될 수 있다.

일 실시예에 있어서, 상기 말단부가 상기 힘센서의 상기 타 측으로부터 분리된 후 상기 무게 추가 상기 힘센서의 상기 타 측에 연결될 수 있다.

다른 실시예에 있어서, 상기 말단부가 상기 힘센서의 상기 타 측에 결합된 상태에서 상기 무게 추가 상기 말단부에 결합됨으로써 상기 무게 추가 상기 말단부를 통해 상기 힘센서의 상기 타 측에 연결될 수 있다.

따라서 상기 구동 장치부가 상기 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 인가함으로써 상기 구동 장치부로부터 생성되는 구동력이 상기 운동 전달 기구 장치를 통해 상기 힘센서에 전달되어 상기 힘센서가 가속도 운동을 하는 경우, 상기 힘센서의 상기 타 측에 연결된 상기 무게 추는 관성에 의해 상기 힘센서의 가속도 방향의 반대쪽으로 상기 힘센서의 상기 타 측에 힘을 제공할 수 있다.

일 실시예에 있어서, 상기 무게 추가 관성에 의해 상기 힘센서의 가속도 방향의 반대쪽으로 상기 힘센서의 상기 타 측에 인가하는 힘의 크기를 증가시키기 위해, 상기 무게 추의 무게는 상기 말단부의 무게보다 무겁게 설정할 수 있다.

이 때, 상기 힘센서는 상기 타 측에 인가되는 힘의 방향 및 크기를 측정하여 힘 측정값으로서 상기 제어부로 전송한다.

일 실시예에 있어서, 상기 힘센서는 좌우방향에 상응하는 x축 방향, 전후방향에 상응하는 y축 방향, 및 높이 방향에 상응하는 z축 방향의 힘을 각각 측정할 수 있다.

이 경우, 상기 힘센서는 주기적으로 x축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제1 힘 측정값으로 생성하고, 상기 x축에 수직한 y축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제2 힘 측정값으로 생성하고, 상기 x축 및 상기 y축에 수직한 z축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제3 힘 측정값으로 생성한 후, 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합을 상기 힘 측정값으로서 상기 제어부로 전송할 수 있다.

한편, 상기 구동 장치부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 제1 내지 제n 회전 각도들을 측정하여 상기 제어부로 전송한다(단계 S200).

일 실시예에 있어서, 상기 구동 장치부는 상기 제1 내지 제n 회전 모터들 각각에 설치되는 엔코더를 포함할 수 있다.

이 경우, 상기 엔코더가 상기 힘센서가 상기 시작 위치에 정지되어 있는 상태를 기준으로 하여, 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가된 이후에 상기 제1 내지 제n 회전 모터들 각각이 회전된 각도를 측정하여 상기 제1 내지 제n 회전 각도들로 결정할 수 있다.

상기 엔코더는 각도를 측정하는 통상의 엔코더를 사용하여 구현될 수 있으므로, 상기 엔코더의 구성에 대한 상세한 설명은 생략한다.

상술한 바와 같이, 상기 힘센서의 상기 타 측에 상기 무게 추가 연결된 상태에서 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되므로, 상기 구동 장치부가 동일한 패턴에 따라 가변되는 상기 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 인가하더라도, 상기 시작 위치에 따라 상기 재활치료용 로봇의 관절의 모양이 다르므로, 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 무게 추가 관성에 의해 상기 힘센서의 상기 타 측에 인가하는 힘의 방향 및 크기는 상이할 수 있다.

한편, 상기 제어부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 회전 각도들을 포함하는 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 라벨로 결정한다(단계 S300).

구체적으로, 상기 제어부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 주기적으로 수신되는 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합들 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정할 수 있다.

한편, 상기 복수의 시작 좌표들에 대응되는 상기 복수의 시작 위치들 각각으로 상기 힘센서의 위치를 변경시키면서, 상술한 바와 같은 동작(단계 S100, S200, 및 S300)을 반복적으로 수행하여 상기 시작 위치 별로 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨을 생성할 수 있다.

상기 제어부는 상기 복수의 시작 위치들 각각에 대해 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨을 생성한 후, 상기 복수의 시작 위치들 각각에 대해 생성되는 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨의 쌍들을 학습 데이터로 사용하여 인공 신경망이 상기 시작 위치에 대한 상기 입력 벡터에 기초하여 상기 시작 위치에 상응하는 상기 시작 좌표를 출력하도록 상기 인공 신경망을 학습시켜 절대 위치 예측 모델을 생성한다(단계 S400).

일 실시예에 있어서, 상기 인공 신경망은 회귀 분석 모델로 구현될 수 있다.

예를 들어, 상기 인공 신경망은 사이킷런(Scikit-learn) 라이브러리를 사용하여 구현될 수 있다.

상기 재활치료용 로봇은 상기 학습 데이터를 사용하여 상기 절대 위치 예측 모델을 생성한 후, 상기 절대 위치 예측 모델을 사용하여 상기 말단부가 결합되는 상기 힘센서의 현재 위치에 상응하는 절대 좌표를 예측할 수 있다.

구체적으로, 상기 힘센서가 목표 위치에 존재하는 상태에서 상기 재활치료용 로봇이 정지되고, 상기 힘센서의 상기 타 측에 상기 무게 추가 연결된 상태에서, 상기 구동 장치부가 미리 정해진 패턴에 따라 가변되는 상기 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 동시에 인가한다(단계 S500).

상기 구동 장치부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 제1 내지 제n 목표 회전 각도들을 측정하여 상기 제어부로 전송한다(단계 S600).

한편, 상술한 바와 같이, 상기 제어부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 주기적으로 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합을 상기 힘 측정값으로서 수신할 수 있다.

상기 제어부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 주기적으로 수신되는 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합들 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 목표 회전 각도들을 포함하는 목표 입력 벡터를 생성한다(단계 S700).

이후, 상기 제어부는 상기 절대 위치 예측 모델과 상기 목표 입력 벡터에 기초하여 상기 목표 위치에 상응하는 절대 좌표를 예측한다(단계 S800).

예를 들어, 상기 제어부는 상기 목표 입력 벡터를 상기 절대 위치 예측 모델의 입력층에 입력한 후, 상기 절대 위치 예측 모델의 출력층으로부터 출력되는 좌표를 상기 힘센서가 초기에 존재하던 상기 목표 위치에 상응하는 상기 절대 좌표로 결정할 수 있다.

상술한 바와 같이, 본 발명의 실시예들에 따른 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법에 따르면, 상기 재활치료용 로봇이 리셋되거나 리부팅되는 경우에도 상기 말단부의 초기 위치에 해당하는 절대 좌표를 사용자가 직접 상기 재활치료용 로봇에 입력할 필요 없이, 상기 힘센서에 상기 무게 추를 연결한 상태에서 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들을 인가해 봄으로써 상기 말단부의 초기 위치를 나타내는 절대 좌표를 효과적으로 예측할 수 있다.

이상, 동일한 무게의 무게 추를 사용하여 상기 복수의 시작 위치들 각각에 대해 상기 시작 위치 별로 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨을 포함하는 학습 데이터를 생성하고, 상기 학습 데이터를 사용하여 상기 절대 위치 예측 모델을 생성하는 것으로 설명하였으나, 본 발명은 이에 한정되지 않는다.

실시예에 따라서, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게를 변경시키면서 상기 무게 추의 무게 별로 상기 복수의 시작 위치들 각각에 대해 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨을 포함하는 학습 데이터를 생성하고, 상기 학습 데이터를 사용하여 상기 절대 위치 예측 모델을 생성할 수도 있다.

구체적으로, 상기 구동 장치부는 상기 복수의 시작 위치들 각각에 대해, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게를 변경시키면서 상기 무게 추의 무게 별로 상기 제1 내지 제n 회전 각도들을 측정할 수 있다.

이 경우, 상기 제어부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 주기적으로 수신되는 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합들, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게, 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정할 수 있다.

이후, 상기 복수의 시작 위치들 각각에 대해 상기 시작 위치 별 및 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게 별로 생성되는 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨의 쌍들을 학습 데이터로 사용하여 인공 신경망이 상기 시작 위치에 대한 상기 입력 벡터에 기초하여 상기 시작 위치에 상응하는 상기 시작 좌표를 출력하도록 상기 인공 신경망을 학습시켜 상기 절대 위치 예측 모델을 생성할 수 있다.

이 경우, 상기 재활치료용 로봇은 상기 절대 위치 예측 모델을 사용하여 상기 힘센서가 현재 존재하는 목표 위치의 절대 좌표를 예측할 수 있다.

구체적으로, 상기 힘센서가 상기 목표 위치에 존재하는 상태에서 상기 재활치료용 로봇이 정지되고, 상기 힘센서의 상기 타 측에 상기 무게 추가 연결된 상태에서, 상기 구동 장치부가 미리 정해진 패턴에 따라 가변되는 상기 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 동시에 인가할 수 있다.

이 때, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추는 상기 학습 데이터를 생성할 때 사용된 다양한 무게의 상기 무게 추들과 유사한 범위의 무게를 가질 수 있다.

상기 구동 장치부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 제1 내지 제n 목표 회전 각도들을 측정하여 상기 제어부로 전송할 수 있다.

상기 제어부는 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 주기적으로 수신되는 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합들, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게, 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 목표 회전 각도들을 포함하는 상기 목표 입력 벡터를 생성할 수 있다.

이후, 상기 제어부는 상기 목표 입력 벡터를 상기 절대 위치 예측 모델의 입력층에 입력한 후, 상기 절대 위치 예측 모델의 출력층으로부터 출력되는 좌표를 상기 힘센서가 초기에 존재하던 상기 목표 위치에 상응하는 상기 절대 좌표로 결정할 수 있다.

상술한 바와 같이, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게를 변경시키면서 상기 무게 추의 무게 별로 상기 복수의 시작 위치들 각각에 대해 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨을 포함하는 학습 데이터를 생성하고, 상기 학습 데이터를 사용하여 상기 절대 위치 예측 모델을 생성하는 경우, 절대 위치 예측의 정확도는 더욱 향상될 수 있다.

도 2는 도 1에 도시된 재활치료용 로봇의 절대 위치 예측 방법을 수행하는 재활치료용 로봇의 일 예를 나타내는 사시도이다.

도 2는 환자의 상지에 대해 재활치료를 수행할 수 있도록 구현된 상지 재활치료용 로봇의 일 예를 나타낸다.

도 3은 도 2에 도시된 재활치료용 로봇의 측면도이다.

도 4는 도 2에 도시된 재활치료용 로봇에 대한 블록도이다.

도 5는 도 2에 도시된 재활치료용 로봇에서 그립 모듈과 구동 모듈의 주요 부분을 도시한 사시도로서, 아래에서 바라본 형태를 도시한 것이다.

도 6은 도 2에 도시된 재활치료용 로봇에서 그립 모듈과 구동 모듈의 주요 부분을 도시한 사시도로서, 위에서 바라본 형태를 도시한 것이다.

이하, 도 2 내지 6을 참조하여 도 1에 도시된 딥러닝을 활용한 재활치료용 로봇의 절대 위치 예측 방법 수행하는 예시적인 형태의 상지 재활치료용 로봇의 구성 및 동작에 대해 상세히 설명한다.

도 2 내지 도 4를 참조하면, 상지 재활치료용 로봇(100)은 지지 구조물(110)과, 환자가 손으로 잡고 사용하는 그립 모듈(120)과, 환자에 의해 그립 모듈(120)에 가해지는 힘을 감지하는 힘센서(130)와, 지지 구조물(110)에 설치되어서 지지되고 그립 모듈(120)을 구동하는 구동 모듈(140)과, 구동 모듈(140)의 제어를 위한 엔코더(encoder)(170) 및 리졸버(resolver)(171)와, 그립 모듈(120)의 위치를 촬영하는 카메라(180)와, 지지 구조물(110)에 고정된 제어박스(190) 내에 위치하는 제어부(191)를 포함한다.

지지 구조물(110)은 지지판(111)과, 지지판(111)을 아래에서 지지하는 지지 다리(115)를 구비한다. 지지판(111)은 수평으로 배치되며 편평한 상면을 구비한다. 지지판(111)은 지지 다리(115)에 의해 지지되며, 지지 다리(115)에 의해 높이가 조절될 수 있다. 지지판(111)에 환자는 팔을 올려 놓거나 상체를 기댈 수 있다. 또한, 지지판(111)에는 구동 모듈(140)이 설치된다. 지지판(111)의 위에 그립 모듈(120)이 이격되어서 위치한다. 지지판(111)의 상면에는 디스플레이부(112)가 설치된다. 디스플레이부(112)는 환자의 재활치료에 도움을 주는 영상을 출력하는데, 예를 들어, 게임, 그립 모듈(120)의 이동방향을 알려는 경로, 환자 자신의 건강했던 사진 또는 동영상, 가족들의 응원 영상, 화상통화시 상대방 모습 등을 출력할 수 있다. 지지 다리(111)는 지지판(111)이 지면으로부터 일정 높이 위에 안정적으로 위치하도록 지지판(111)을 아래에서 지지한다. 지지 다리(111)는 그 길이가 조절되도록 구성되어서 환자의 신체 조건 및 사용 조건에 적합하게 지지판(111)의 높이가 조절될 수 있다. 지지 다리(111)에 제어박스(190)가 고정되어서 설치된다.

그립 모듈(120)은 상지 재활치료 훈련을 위하여 환자가 손을 잡고 사용하는 것으로서, 지지판(111)의 상면 위에 일정 거리 이격되어서 위치한다. 도 2 내지 도 6을 참조하면, 그립 모듈(120)은 환자가 손으로 잡는 부분인 그립(121)과, 그립(121)으로부터 위로 연장되는 연결 막대(125)와, 그립(121)에 결합되는 마커 형성판(128)을 구비한다. 환자에 의해 그립(121)에 가해지는 힘은 힘센서(130)를 통해 측정되어서 제어부(191)로 전송되며, 그립 모듈(120)은 제어부(191)에 의해 제어되는 구동 모듈(140)을 통해 구동된다.

그립(121)은 상하방향으로 연장된 짧은 막대 형태로서, 지지판(111)의 상면 위에 일정 거리 이격되어서 위치하는데, 디스플레이부(112)의 영역 내에 위치한다. 환자는 손을 세운 상태로 그립(121)을 잡게 된다. 그립(121)의 상단에는 연결 막대(125)의 하단이 연결되어서 고정된다. 그립(121)의 하단에는 마커 형성판(128)이 결합되어서 고정된다. 환자는 그립(121)을 잡고 힘을 가하여 그립(121)을 이동시키게 되는데, 환자에 의해 그립(121)에 가해지는 힘은 환자를 기준으로 좌우방향, 전후방향, 높이방향 및 3축 회전 방향을 포함하며, 이러한 환자에 의해 그립(121)에 가해지는 힘의 방향 및 크기는 힘센서(130)에 의해 측정된다.

연장 막대(125)는 상하방향으로 연장되어서 그립(121)과 힘센서(130)를 연결시킨다. 연장 막대(125)의 하단은 그립(121)에 고정되고, 연장 막대(125)의 상단은 힘센서(130)에 결합된다.

마커 형성판(128)은 그립(121)의 하단에 결합되며, 후방 측으로 일부가 돌출된다. 마커 형성판(128)에서 후방 측으로 돌출된 부분의 상면에는 마커(128)가 노출되도록 형성된다. 마커(128)가 카메라(180)에 의해 촬영되어서, 그립(121)의 실시간 위치가 파악될 수 있다.

힘센서(130)는 구동 모듈(140)에 고정되도록 결합되며, 그립(121)에 가해지는 환자의 힘을 감지하여 제어부(191)로 전송한다. 힘센서(130)는 연장 막대(125)의 상단과 결합되어서, 연장 막대(125)를 통해 환자에 의해 그립(121)에 가해지는 힘을 감지한다. 힘센서(130)는 그립(121)에 가해지는 힘의 방향 및 크기를 측정하여 제어부(191)로 전송한다. 힘센서(130)는 6축 힘센서로서, 환자를 기준으로 좌우방향, 전후방향, 높이방향 및 3축 회전 방향의 힘 및 크기를 측정한다. 힘센서(130)는 구동 모듈(140)에 의해 수평면 상에서 이동하며, 힘센서(130)에 결합된 그립 모듈(120)도 힘센서(130)와 함께 이동하게 된다.

구동 모듈(140)는 지지 구조물(110)의 지지판(111)에 설치되어서 그립 모듈(120)을 이동시킨다. 구동 모듈(140)은 구동력을 출력하는 구동 장치부(150)와, 구동 장치부(150)에서 출력되는 구동력을 그립 모듈(120)로 전달하는 운동 전달 기구 장치(160)를 구비한다.

구동 장치부(150)는 제어부(191)에 의해 제어되어서 그립 모듈(120)을 이동시키기 위한 구동력을 발생시킨다. 구동 장치부(150)는 폭방향을 따라서 나란하게 배치되는 제1 구동기(151)와 제2 구동기(152)를 구비한다. 제1 구동기(151)는 회전력을 발생시키는 구동 장치로서, 제1 회전 모터와, 제1 회전 모터와 연결되는 제1 감속기를 구비한다. 제1 구동기(151)는 높이방향을 따라서 연장되는 제1 회전축선(A1)을 중심으로 축회전하는 회전력을 발생시킨다. 제2 구동기(152)는 회전력을 발생시키는 구동 장치로서, 제2 회전 모터와, 제2 회전 모터와 연결되는 제2 감속기를 구비한다. 제2 구동기(152)는 높이방향을 따라서 연장되는 제2 회전축선(A2)을 중심으로 축회전하는 회전력을 발생시킨다. 제1 구동기(151)와 제2 구동기(152)는 각각 독립적으로 구동되도록 제어부(191)에 의해 제어된다. 즉, 제1 구동기(151)에 의해 발생하는 제1 회전과 제2 구동기(152)에 의해 발생하는 제2 회전은 방향과 회전력이 각각 독립적으로 제어된다. 그에 따라 그립 모듈(120)의 평면 상 위치가 자유롭게 변경될 수 있다. 제1 구동기(151)와 제2 구동기(152) 각각에는 엔코더(170) 및 리졸버(171)가 설치되어서 제1 구동기(151)와 제2 구동기(152)의 회전 각도가 측정된다.

운동 전달 기구 장치(160)는 제1 구동기(151)와 제2 구동기(152)에 의한 회전운동을 변환하여 그립 모듈(120)로 전달한다. 운동 전달 기구 장치(160)는 가이드 기구부(161)와, 링크 기구부(166)를 구비한다.

가이드 기구부(161)는 베이스 부재(162)와, 베이스 부재(162)에 슬라이드 직선 이동이 가능하게 결합되는 중간 직선이동 부재(163)와, 중간 직선이동 부재(163)에 슬라이드 직선 이동이 가능하게 결합되는 최종 직선이동 부재(164)와, 중간 직선이동 부재(163)와 함께 직선 이동하는 보조 직선이동 부재(165)를 구비한다. 가이드 기구부(161)에 의해 그립(121)은 회전하지 않으면서 수평면 상에서 안정적으로 2차원 평면 운동을 하게 된다.

베이스 부재(162)는 기초판(1621)과, 기초판(1621)에 설치된 두 제1 레일(1622)들을 구비한다.

기초판(1621)은 수평으로 배치되는 판상의 부재로서, 움직이지 않도록 지지판(111)의 상부에 고정된다. 기초판(1621)에 두 제1 레일(1622)들이 고정되도록 설치된다.

두 제1 레일(1622)들 각각은 기초판(1621)의 전방 단부 및 후방 단부에 위치하도록 기초판(1621)에 결합된다. 두 제1 레일(1622)들은 서로 평행하며 환자를 기준으로 폭방향을 따라서 직선으로 연장된다. 두 제1 레일(1622)들이 연장되는 방향을 따라서 중간 직선이동 부재(163)가 슬라이드 직선 왕복 이동하게 된다.

중간 직선이동 부재(163)는 중간 기초판(1631)과, 중간 기초판(1631)에 설치된 두 제1 슬라이더(1632)들과, 중간 기초판(1631)에 설치된 두 제2 레일(1633)들을 구비한다.

중간 기초판(1631)은 베이스 부재(162)에 구비되는 기초판(1621)의 아래에 수평으로 배치되는 판상의 부재이다. 중간 기초판(1631)에 두 제1 슬라이더(1632)들과 두 제2 레일(1633)들이 고정되도록 설치된다.

두 제1 슬라이더(1632)들 각각은 중간 기초판(1631)의 전방 단부와 후방 단부에 각각 위치하도록 중간 기초판(1631)에 결합된다. 두 제1 슬라이더(1632)들 각각은 베이스 부재(162)에 구비되는 두 제1 레일(1622)들 각각에 슬라이드 직선 이동이 가능하게 결합된다. 제1 슬라이더(1632)와 제1 레일(1622)는 리니어 모션 가이드를 형성한다.

두 제2 레일(1633)들 각각은 중간 기초판(1631)의 양측 단부에 각각 위치하도록 중간 기초판(1631)에 결합된다. 두 제2 레일(1633)들은 서로 평행하며 환자를 기준으로 전후방향을 따라서 직선으로 연장된다. 두 제2 레일(1633)들이 연장되는 방향을 따라서 최종 직선이동 부재(164)가 슬라이드 직선 왕복 이동하게 된다.

최종 직선이동 부재(164)는 이동판(1641)과, 이동판(1641)에 설치된 두 제2 슬라이더(1642)들을 구비한다.

이동판(1641)은 중간 직선이동 부재(163)에 구비되는 중간 기초판(1631)의 아래에 수평으로 배치되는 판상의 부재이다. 이동판(1641)에 두 제2 슬라이더(1642)들이 고정되도록 설치된다. 이동판(1641)의 하면에는 힘센서(130)가 설치된다.

두 제2 슬라이더(1642)들 각각은 이동판(1641)의 양측 단부에 각각 위치하도록 이동판(1641)에 결합된다. 두 제2 슬라이더(1642)들 각각은 중간 직선이동 부재(163)에 구비되는 두 제2 레일(1633)들 각각에 슬라이드 직선 이동이 가능하게 결합된다. 제2 슬라이더(1642)와 제2 레일(1633)는 리니어 모션 가이드를 형성한다. 최종 직선이동 부재(164)는 폭방향을 따라 이동이 가능한 중간 직선이동 부재(163)에 대해 전후 방향을 따라 이동이 가능하므로, 최종 직선이동 부재(164)는 수평면 상에서 2차원 평면이동이 가능하게 되고, 그에 따라 최종 직선이동부재(164)에 힘센서(130)를 통해 결합된 그립 모듈(120)도 수평면 상에서 2차원 평면이동이 가능하게 된다.

보조 직선이동 부재(165)는 힘센서(130)보다 아래에 위치하여 최종 직선이동 부재(164)보다 아래에 위치하며, 중간 직선이동 부재(163)와 함께 폭방향을 따라서 직선 왕복이동이 가능하다. 보조 직선이동 부재(165)에는 최종 직선이동 부재(164)가 중간 직선이동 부재(163)에 대해 이동하는 전후 방향을 따라서 길게 연장되는 관통 구멍(1651)이 형성된다. 관통 구멍(1651)을 통해 연장 막대(125)가 통과한다.

링크 기구부(166)는 제1 구동기(151)에서 발생하는 회전력과 제2 구동기(152)에서 발생하는 회전력을 가이드 기구부(161)에 구비되는 최종 직선이동 부재(164)의 이동을 위해 전달한다. 링크 기구부(166)는 제1 구동기(151)와 최종 직선이동 부재(164)를 연결하는 제1 링크부(167)와 제2 구동기(152)와 최종 직선이동 부재(164)를 연결하는 제2 링크부(168)을 구비한다.

제1 링크부(167)는 제1 구동기(151)로부터 연장되는 제1 내측 링크 부재(1671)과, 제1 내측 링크 부재(1671)로부터 연장되어서 최종 직선이동 부재(164)에 결합되는 제1 외측 링크 부재(1672)를 구비한다.

제1 내측 링크 부재(1671)는 제1 회전축선(A1)으로부터 반경방향 바깥쪽으로 연장되며, 제1 구동기(151)에 의해 구동되어서 회전한다. 제1 내측 링크 부재(1671)의 끝단에는 제1 외측 링크 부재(1672)가 제1 회전축선(A1)과 평행한 회전축선을 중심으로 회전 가능하게 결합된다.

제1 외측 링크 부재(1672)는 제1 내측 링크 부재(1671)와 최종 직선이동 부재(164)를 연결시킨다. 제1 외측 링크 부재(1672)의 양단은 제1 내측 링크 부재(1671)와 최종 직선이동 부재(164)와 회전 가능하게 결합된다. 제1 외측 링크 부재(1672)와 최종 직선이동 부재(164)는 제1 회전축선(A1)과 평행한 회전축선을 중심으로 회전 가능하게 결합된다.

제2 링크부(168)는 제2 구동기(152)로부터 연장되는 제2 내측 링크 부재(1681)과, 제2 내측 링크 부재(1681)로부터 연장되어서 최종 직선이동 부재(164)에 결합되는 제2 외측 링크 부재(1682)를 구비한다.

제2 내측 링크 부재(1681)는 제2 회전축선(A2)으로부터 반경방향 바깥쪽으로 연장되며, 제2 구동기(152)에 의해 구동되어서 회전한다. 제2 내측 링크 부재(1681)의 끝단에는 제2 외측 링크 부재(1682)가 제2 회전축선(A2)과 평행한 회전축선을 중심으로 회전 가능하게 결합된다.

제2 외측 링크 부재(1682)는 제2 내측 링크 부재(1681)와 최종 직선이동 부재(164)를 연결시킨다. 제2 외측 링크 부재(1682)의 양단은 제2 내측 링크 부재(1681)와 최종 직선이동 부재(164)와 회전 가능하게 결합된다. 제2 외측 링크 부재(1682)와 최종 직선이동 부재(164)는 제2 회전축선(A2)과 평행한 회전축선을 중심으로 회전 가능하게 결합된다.

엔코더(170)는 제1 구동기(151)와 제2 구동기(152) 각각에 설치되어서 제1 구동기(151)와 제2 구동기(152)의 회전 각도를 측정하여 제어부(191)로 전송한다. 엔코더(170)는 통상적으로 사용되는 구성의 것이므로 이에 대한 상세한 설명은 생략한다.

리졸버(resolver)(171)는 제1 구동기(151)와 제2 구동기(152)에 가해지는 아날로그 신호인 전압으로부터 회전 각도를 측정하여 제어부(191)로 전송한다. 리졸버는 통상적으로 사용되는 구성의 것이므로, 이에 대한 상세한 설명은 생략한다. 리졸버(171)는 엔코더(170)가 고장인 경우 사용되는 것으로 설명한다.

카메라(180)는 상부에서 마커(129)를 촬영하도록 위치가 고정되어서 설치된다. 카메라(180)에 의해 촬영된 마커(129)의 영상은 제어부(191)로 전송되어서 그립(121)의 위치가 실시간으로 확인됨으로써, 설정된 영역 밖으로 그립(121)이 이동하는 것을 방지할 수 있으며, 환자의 손동작의 특성을 분석하는 것에 이용될 수 있다.

제어부(191)는 지지 구조물(110)에 고정된 제어박스(190) 내에 설치되어서, 상지 재활치료용 로봇(100)의 전체적인 작동을 제어한다. 이하, 제어부(191)에 대한 설명을 통해 상지 재활치료용 로봇(100)의 작용이 상세하게 설명될 것이다.

제어부(191)는 제어 프로그램이 저장된 메모리 장치와 메모리 장치에 저장된 제어 프로그램을 실행시키는 마이크로프로세서를 포함하는 통상적인 구성으로서, 힘센서(130)와 엔코더(170)로부터 전송되는 신호에 기초하여 제1 구동기(151)와 제2 구동기(152) 각각을 독립적으로 제어한다. 이를 구체적으로 설명하면, 환자가 그립(121)에 힘을 가하면, 힘센서(130)에 의해 그립(121)에 가해진 힘의 방향 및 힘의 크기가 측정되고 측정된 힘에 대한 정보 데이터는 제어부(191)로 전송된다. 제어부(191)는 그립(121)에 가해진 힘의 크기가 설정된 힘 이상인 것으로 확인되면 그립 모듈(120)이 이동하도록 제1 구동기(151)와 제2 구동기(152)를 제어한다. 제1 구동기(151)와 제2 구동기(152) 각각은 제어부(191)에 의해 독립적으로 제어되어서 제1 구동기(151)의 회전력과 제2 구동기(152)의 회전력이 운동 전달 기구 장치(160)를 통해 그립 모듈(120)로 변형되어 전달됨으로써, 그립 모듈(120)은 수평면 상에서 2차원 평면이동을 하게 된다. 엔코더(170)가 고장인 경우에는 리졸버(171)가 엔코더(170)의 기능을 대신하여 제1 구동기(151)와 제2 구동기(152)의 회전 각도를 측정하여 제어부(191)에 제공하게 된다. 카메라(180)는 마커(129)를 촬영한 영상을 제어부(191)로 전송하고, 제어부(191)는 카메라(180)로부터 전송된 영상을 분석하여 그립(121)의 위치를 실시간으로 파악함으로써, 그립(121)이 설정된 영역을 벗어나지 않도록 두 구동기(151, 152)의 작동을 제어한다. 또한, 그립(121)의 이동 데이터가 저장되어서 이후 손 동작의 특성 분석에 사용될 수 있다. 그리고, 힘센서(130)에 의해 측정된 그립(121)에 가해진 힘 데이터도 저장되어서 환자의 재활치료에 활용될 수 있다.

도 1에 도시된 재활치료용 로봇의 절대 위치 예측 방법은 도 2 내지 도 6을 참조하여 상술한 상지 재활치료용 로봇(100)을 통해 수행될 수 있다.

이 때, 상지 재활치료용 로봇(100)의 그립 모듈(120)은 환자와 직간접적으로 접촉하는 부분으로서 도 1을 참조하여 상술한 상기 말단부에 대응될 수 있다.

또한, 힘센서(130)의 일 측은 운동 전달 기구 장치(160)의 이동판(1641)의 하면에 고정적으로 결합되고, 힘센서(130)의 타 측에는 체결부가 형성되어 상기 체결부를 통해 그립 모듈(120) 및 상기 무게 추 중의 하나와 착탈식으로 결합될 수 있다.

환자에게 재활치료를 수행하는 경우에는 힘센서(130)의 상기 체결부에 그립 모듈(120)이 결합되어 환자가 손으로 그립 모듈(120)을 잡고 재활치료를 수행할 수 있고, 힘센서(130)의 현재 위치에 상응하는 절대 좌표를 예측하고자 하는 경우에는 그립 모듈(120)이 상기 체결부로부터 분리되고 상기 무게 추가 상기 체결부에 결합된 상태에서 도 1을 참조하여 상술한 재활치료용 로봇의 절대 위치 예측 방법을 수행할 수 있다.

이상, 도 2 내지 6을 참조하여 도 1에 도시된 재활치료용 로봇의 절대 위치 예측 방법을 수행하는 재활치료용 로봇의 일 예에 대해 설명하였으나, 본 발명은 특정 신체 부위에 대해 재활치료를 수행하도록 구현된 특정 형태의 재활치료용 로봇으로 한정되지 않으며, 본 발명의 실시예들에 따른 상기 재활치료용 로봇은 환자의 다양한 신체 부위에 대해 재활치료를 수행할 수 있도록 다양한 형태로 변형되어 구현될 수 있다.

본 발명은 재활치료용 로봇의 초기 위치에 대한 절대 좌표를 사용자가 직접 입력하지 않아도 딥러닝을 통해 초기 위치에 대한 절대 좌표를 예측하는 데에 유용하게 이용될 수 있다.

상술한 바와 같이, 본 발명의 바람직한 실시예를 참조하여 설명하였지만 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

100 : 상지 재활치료용 로봇 110 : 지지 구조물
111 : 지지판 120 : 그립 모듈
121 : 그립 125 : 연장 막대
129 : 마커 130 : 힘센서
140 : 구동 모듈 150 : 구동 장치부
151 : 제1 구동기 152 : 제2 구동기
160 : 운동 전달 기구 장치 161 : 가이드 기구부
162 : 베이스 부재 163 : 중간 직선이동 부재
164 : 최종 직선이동 부재 166 : 링크 기구부
167 : 제1 링크부 168 : 제2 링크부
170 : 엔코더 171 : 리졸버
180 : 카메라 190 : 제어박스
191 : 제어부

Claims (8)

1. 환자와 접촉되는 말단부, 제1 내지 제n(n은 2 이상의 정수) 회전 모터들을 포함하는 구동 장치부, 상기 구동 장치부에서 출력되는 구동력을 상기 말단부에 전달하는 운동 전달 기구 장치, 상기 구동 장치부의 작동을 제어하는 제어부, 및 일 측은 상기 운동 전달 기구 장치에 결합되고 타 측은 상기 말단부와 결합되어 상기 타 측에 인가되는 힘의 방향 및 크기를 측정하여 힘 측정값으로서 상기 제어부로 전송하는 힘센서를 포함하는 재활치료용 로봇의 절대 위치 예측 방법으로서,
   공간 상의 복수의 시작 좌표들에 대응되는 복수의 시작 위치들 각각에 대해, 상기 힘센서가 상기 시작 위치에 존재하는 상태에서 상기 재활치료용 로봇이 정지되고, 상기 힘센서의 상기 타 측에 상기 말단부보다 무거운 무게를 갖는 무게 추가 연결된 상태에서, 상기 구동 장치부가 미리 정해진 패턴에 따라 가변되는 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 동시에 인가하는 단계;
   상기 구동 장치부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 제1 내지 제n 회전 각도들을 측정하는 단계;
   상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 회전 각도들을 포함하는 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 라벨로 결정하는 단계;
   상기 제어부가 상기 복수의 시작 위치들 각각에 대해 생성되는 상기 입력 벡터 및 상기 입력 벡터에 대한 상기 라벨의 쌍들을 학습 데이터로 사용하여 인공 신경망이 상기 시작 위치에 대한 상기 입력 벡터에 기초하여 상기 시작 위치에 상응하는 상기 시작 좌표를 출력하도록 상기 인공 신경망을 학습시켜 절대 위치 예측 모델을 생성하는 단계;
   상기 힘센서가 목표 위치에 존재하는 상태에서 상기 재활치료용 로봇이 정지되고, 상기 힘센서의 상기 타 측에 상기 무게 추가 연결된 상태에서, 상기 구동 장치부가 상기 제1 내지 제n 토크들을 상기 제1 내지 제n 회전 모터들에 각각 동시에 인가하는 단계;
   상기 구동 장치부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 제1 내지 제n 목표 회전 각도들을 측정하는 단계;
   상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 목표 회전 각도들을 포함하는 목표 입력 벡터를 생성하는 단계; 및
   상기 제어부가 상기 절대 위치 예측 모델과 상기 목표 입력 벡터에 기초하여 상기 목표 위치에 상응하는 절대 좌표를 예측하는 단계를 포함하는 재활치료용 로봇의 절대 위치 예측 방법.
2. 제1 항에 있어서, 상기 구동 장치부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 제1 내지 제n 회전 모터들이 회전된 각도에 상응하는 상기 제1 내지 제n 회전 각도들을 측정하는 단계는,
   상기 제1 내지 제n 회전 모터들 각각에 설치되는 엔코더가 상기 힘센서가 상기 시작 위치에 정지되어 있는 상태를 기준으로 하여 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가된 이후에 상기 제1 내지 제n 회전 모터들 각각이 회전된 각도를 측정하여 상기 제1 내지 제n 회전 각도들로 결정하는 단계를 포함하는 재활치료용 로봇의 절대 위치 예측 방법.
3. 제1 항에 있어서, 상기 힘센서는 주기적으로 x축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제1 힘 측정값으로 생성하고, 상기 x축에 수직한 y축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제2 힘 측정값으로 생성하고, 상기 x축 및 상기 y축에 수직한 z축 방향으로 상기 타 측에 인가되는 힘을 측정하여 제3 힘 측정값으로 생성하는 재활치료용 로봇의 절대 위치 예측 방법.
4. 제3 항에 있어서, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계는,
   상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 주기적으로 수신되는 상기 제1 힘 측정값, 상기 제2 힘 측정값, 및 상기 제3 힘 측정값의 조합들 및 상기 구동 장치부로부터 수신되는 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계를 포함하는 재활치료용 로봇의 절대 위치 예측 방법.
5. 제1 항에 있어서, 상기 인공 신경망은 회귀 분석 모델로 구현되는 재활치료용 로봇의 절대 위치 예측 방법.
6. 제1 항에 있어서, 상기 인공 신경망은 사이킷런(Scikit-learn) 라이브러리를 사용하여 구현되는 재활치료용 로봇의 절대 위치 예측 방법.
7. 제1 항에 있어서, 상기 구동 장치부는 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게를 변경시키면서 상기 무게 추의 무게 별로 상기 제1 내지 제n 회전 각도들을 측정하고,
   상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계는,
   상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게, 및 상기 제1 내지 제n 회전 각도들을 포함하는 상기 입력 벡터를 생성하고, 상기 시작 위치에 상응하는 상기 시작 좌표를 상기 입력 벡터에 대한 상기 라벨로 결정하는 단계를 포함하는 재활치료용 로봇의 절대 위치 예측 방법.
8. 제7 항에 있어서, 상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값 및 상기 제1 내지 제n 목표 회전 각도들을 포함하는 상기 목표 입력 벡터를 생성하는 단계는,
   상기 제어부가 상기 제1 내지 제n 회전 모터들에 상기 제1 내지 제n 토크들이 인가되는 동안 상기 힘센서로부터 수신되는 상기 힘 측정값, 상기 힘센서의 상기 타 측에 연결되는 상기 무게 추의 무게, 및 상기 제1 내지 제n 목표 회전 각도들을 포함하는 상기 목표 입력 벡터를 생성하는 단계를 포함하는 재활치료용 로봇의 절대 위치 예측 방법.