본 기술은 EMG 센서의 근전도 데이터와 DVS 카메라의 시각적 움직임 정보를 입력받아 적응형 필터와 델타-시그마 변조를 통해 스파이크 신호로 변환하고, 이를 멀티 스파이킹 뉴럴 네트워크에 입력하여 실시간으로 손과 팔의 동작을 분류하고 재현하는 뉴로모픽 제어 기술입니다.
종래의 근전도 및 가속도 센서 기반 제어 방식은 손과 팔의 동작을 정밀하게 모방하는 데 한계가 있었고, 실시간 반응성이 낮으며 로봇 제어 시 소비 전력이 높아 의료용 로봇 시스템의 성능 발전에 제약이 있었습니다.
본 기술은 근전도 데이터를 스파이크 신호로 변환하고 DVS 카메라 데이터를 크로핑과 다운-샘플링을 거쳐 SNN 모델에 병렬 입력함으로써 연산 효율을 높이고 저전력으로 고속의 정밀한 동작 모방 제어를 수행합니다. 의수와 재활 로봇, 원격 조작 매니퓰레이터에 적용될 수 있어 배터리 부담을 낮추면서 사용자의 의도를 즉각 반영하는 새로운 가능성을 제시합니다.
본 발명은 과학기술정보통신부의 인간의 신경계를 모사한 뉴로 칩 설계 기술 및 뉴로 컴퓨팅 플랫폼 연구개발 지원을 통해 개발되었습니다.
N/A
