인간 자세 추정(HPE)은 컴퓨터 비전 및 인공지능 분야에서 이미지 또는 비디오를 활용하여 인간의 신체 부위와 자세를 감지하고 추적하는 기술이다. 증강현실, 애니메이션, 피트니스 애플리케이션, 감시 분야에서 널리 사용되며, 단안(monocular) 카메라를 사용하는 HPE 방법은 표준 비디오와 CCTV 영상에 적용 가능할 정도로 높은 범용성을 가진다. 이러한 방법은 2차원(2D)에서 3차원(3D) 자세 추정으로 발전해 왔다. 그러나 실제 환경에서는 실험실 기반 모션 캡처 데이터로 학습된 현재의 3D HPE 방법들이 제한된 학습 데이터, 깊이 모호성, 좌/우 전환, 가림(occlusion) 문제와 같은 어려움에 직면한다. 본 연구에서는 실제 환경의 비디오를 기반으로 네 가지 3D HPE 방법을 그 강점과 약점에 따라 비교하였다. 일상적인 동작에서 발생하는 좌/우 반전 및 관절 위치의 오탐과 같은 이상 현상을 제거하고 수정하기 위해 관절 위치 보정(joint position correction) 기법을 제안하였다. 최적화 방법을 사용하여 3D 휴머노이드 시뮬레이터로부터 관절 각 궤적(joint angle trajectories)을 도출하였으며, 제안된 기법을 통해 보정된 관절 위치를 입력으로 사용하여 직관적이고 정보가 풍부한 인간 활동 인식을 수행하였다. 제안된 방법의 효능은 세 가지 유형의 자유손(자유손) 체조 동작에 적용하고 동작 중 관절 각 궤적을 비교함으로써 검증하였다.

집에서 홀로 거주하는 노인은 넘어져 부상을 입을 위험이 있으며, 따라서 이들의 자세를 자동으로 모니터링하고 인식하는 이동 로봇이 필요할 수 있다. 이 분야에서 딥러닝 방법이 활발히 발전하고 있음에도 불구하고, 학습 데이터셋에 없거나 드물게 나타나는 자세의 추정에는 한계가 있다. 경량화된 접근을 위해, 시판되는 2D 자세 추정 방법, 보다 정교한 휴머노이드 모델, 그리고 빠른 최적화 방법을 결합하여 3D 자세 추정을 위한 관절각을 추정한다. 새로운 아이디어로서, 3D 자세 추정의 깊이 모호성 문제를 해결하기 위해 지지 발(foot) 중심에서 중심(몸의 중심)까지의 손실함수 편차를 추가하고, 적절한 관절각 회전 범위에 관한 패널티 함수를 도입한다. 제안된 자세 추정 방법을 검증하기 위해, 일상 자세 6가지를 추정하였으며 평균 관절 좌표 차이는 0.097 m, 관절당 평균 각도 차이는 10.017도였다. 또한 실용성을 확인하기 위해 운동 활동의 동영상과 사람이 넘어지는 장면을 촬영하였고, 3D 추정 결과로서 관절각 궤적을 생성하였다. 프레임당 최적화된 실행 시간은 GPU 없이 단일 보드 컴퓨터(SBC)에서 0.033 s로 측정되었으며, 이는 제안 방법이 실시간 시스템으로서 가능함을 보여준다.

다수의 연구에서는 로봇이 노인에게 제공할 수 있는 정서적 및 정신적 서비스, 예컨대 일상 대화, 뉴스, 음악 또는 건강 정보를 제공하는 것과 같은 방식을 탐구해 왔다. 그러나 허약한 노인들이 일상에서 움직이는 양상이나 약물 복용 섭취를 모니터링하기 위해 센서를 사용하는 데서 제기되는 윤리적 쟁점은 여전히 논의되고 있다. 본 연구에서는 인간중심 인공지능(HCAI) 프레임워크의 두 가지 요인에 따라 사람의 자세를 감지함으로써 움직임을 감지하고 인식할 수 있는, 노인 안내형이면서 보호자 모니터링형 로봇 Dori를 개발하였다. 일상 활동 중 움직임 감지를 기반으로 돌봄 로봇의 서비스를 설계하기 위해, 환자가 아닌 재택 거주 예비허약 및 허약 노인들을 위한 돌봄 로봇 서비스라는 주제에 대해 두 집단—보호자와 의료진—을 대상으로 포커스 그룹 인터뷰를 수행하였다. 응답을 바탕으로 인지 지원, 정서 지원, 신체 활동 지원, 약물 관리, 보호자 관리라는 핵심 서비스 영역을 도출하였다. 또한 돌봄 로봇이 센싱을 활용하는 서비스와 관련하여 품위, 자율성, 통제 가능성, 사생활이라는 영역에서 두 집단이 윤리적 판단을 달리하는 것을 확인하였다. 따라서 본 연구에서 채택한 자세 인식 기술은 카메라 영상에서 추출한 관절 좌표 정보만을 사용하며, 이에 따라 인간의 품위와 개인정보를 보호하는 데 유리하다.

본 연구는 국가 전력(전력계통), 태양전지, 연료전지 전력원을 결합하는 하이브리드 전력 시스템의 설비용량과 비율 값을 산정하기 위한 계산적 설계 방법을 제안한다. 전력 저장 교환 범위 및 저장에너지와 관련된 부등식 제약은 최소화할 전체 비용함수에서 페널티 함수로 반영된다. 에너지 허브 모델과 한 한국 도시의 주거 부문 태양전지 전력 및 부하에 대한 실제 데이터(100일)를 사용하여, 제안한 접근법으로 연료전지 에너지와 태양전지 에너지의 비율을 0.46:0.54로 최적화한다. 연료전지 에너지 비율을 0.1부터 0.9까지 0.1 간격으로 설정한 경우와 비교하여 평균 비용 절감 효과 19.35%를 달성한다. 하이브리드 전력 시스템에서 연료전지 에너지의 설비용량과 비율을 최적화하기 위해, 새로운 최적화 방법으로 수정된 단변량 동적 인코딩 탐색 알고리즘(modified version of the univariate dynamic encoding algorithm for searches, uDEAS)을 제안한다. 제안하는 새로운 접근법은 태양전지, 연료전지, 전력 유틸리티(power utility)라는 세 가지 전력원을 포함하는 에너지 허브 시스템 모델을 최적화하기 위해 어디에든 직접 적용될 수 있다.

본 연구는 단안 카메라로 촬영한 영상에서 사람의 관절 위치와 각도를 추정하는 과정에서 발생하는 오류를 보정함으로써, 시각 기반 인간 관절 각도 추정의 정확도를 향상시키는 방법을 제안한다. 제안하는 방법은 Vicon 모션 캡처 시스템을 통해 수집된 관절 각도 데이터를 정답(ground truth)으로 가정하고, 카메라 기반 관절 각도 추정치를 Vicon 값에 일치하도록 조정하기 위해 LSTM(장단기 메모리) 모델을 학습한다. 테스트 결과는 저비용 카메라 기반 관절 각도 추정 방법의 성능을 고비용 모션 캡처 시스템과 비교 가능한 수준으로 향상시킬 수 있는 가능성을 보여준다.

인간 자세 추정(Human Pose Estimation, HPE)은 이미지나 비디오로부터 인간의 신체 부위와 자세를 탐지하고 추적하기 위한 컴퓨터 비전 및 AI 기법이다. 증강현실, 애니메이션, 피트니스 응용, 감시 분야에서 널리 사용되며, 단안(모노큘러) 카메라를 이용하는 HPE 방법은 일반적인 비디오 및 CCTV 영상에 적용 가능하다는 점에서 매우 범용적이다. 이러한 방법들은 2D 자세 추정에서 3D 자세 추정으로 발전해 왔다. 그러나 실험실 기반 모션 캡처 데이터를 사용하여 학습된 현재의 3D HPE 방법들은 실제 환경에 적용할 때 제한된 학습 데이터, 심도 인식의 모호성, 좌/우 전환, 그리고 가림(occlusion) 문제와 같은 어려움에 직면한다. 본 연구는 실제 환경의 비디오를 대상으로 두 가지 대표적인 3D HPE 방법을 평가하여 그 강점과 약점을 비교한다. 이어서 일상적인 동작에서 나타나는 좌/우 반전 및 관절 위치의 오탐과 같은 이상 현상을 제거하고 수정하기 위한 데이터 처리 기법을 제안한다. 마지막으로, 제안한 인간 관절 데이터 처리 기법을 적용하여 보정된 관절 좌표 데이터(input)로 3D 휴머노이드 시뮬레이터에 기반한 최적화 방법을 수행함으로써 관절 각도 궤적을 얻는다. 제안하는 3D HPE 방법의 효용성은 3차원 맨손 체조 동작 3종에 적용하고, 동작 동안의 관절 각도 궤적을 비교함으로써 검증한다.

인간 자세 추정(HPE)은 컴퓨터 비전 및 인공지능 분야에서 이미지 또는 비디오를 활용하여 인간의 신체 부위와 자세를 감지하고 추적하는 기술이다. 증강현실, 애니메이션, 피트니스 애플리케이션, 감시 분야에서 널리 사용되며, 단안(monocular) 카메라를 사용하는 HPE 방법은 표준 비디오와 CCTV 영상에 적용 가능할 정도로 높은 범용성을 가진다. 이러한 방법은 2차원(2D)에서 3차원(3D) 자세 추정으로 발전해 왔다. 그러나 실제 환경에서는 실험실 기반 모션 캡처 데이터로 학습된 현재의 3D HPE 방법들이 제한된 학습 데이터, 깊이 모호성, 좌/우 전환, 가림(occlusion) 문제와 같은 어려움에 직면한다. 본 연구에서는 실제 환경의 비디오를 기반으로 네 가지 3D HPE 방법을 그 강점과 약점에 따라 비교하였다. 일상적인 동작에서 발생하는 좌/우 반전 및 관절 위치의 오탐과 같은 이상 현상을 제거하고 수정하기 위해 관절 위치 보정(joint position correction) 기법을 제안하였다. 최적화 방법을 사용하여 3D 휴머노이드 시뮬레이터로부터 관절 각 궤적(joint angle trajectories)을 도출하였으며, 제안된 기법을 통해 보정된 관절 위치를 입력으로 사용하여 직관적이고 정보가 풍부한 인간 활동 인식을 수행하였다. 제안된 방법의 효능은 세 가지 유형의 자유손(자유손) 체조 동작에 적용하고 동작 중 관절 각 궤적을 비교함으로써 검증하였다.

집에서 홀로 거주하는 노인은 넘어져 부상을 입을 위험이 있으며, 따라서 이들의 자세를 자동으로 모니터링하고 인식하는 이동 로봇이 필요할 수 있다. 이 분야에서 딥러닝 방법이 활발히 발전하고 있음에도 불구하고, 학습 데이터셋에 없거나 드물게 나타나는 자세의 추정에는 한계가 있다. 경량화된 접근을 위해, 시판되는 2D 자세 추정 방법, 보다 정교한 휴머노이드 모델, 그리고 빠른 최적화 방법을 결합하여 3D 자세 추정을 위한 관절각을 추정한다. 새로운 아이디어로서, 3D 자세 추정의 깊이 모호성 문제를 해결하기 위해 지지 발(foot) 중심에서 중심(몸의 중심)까지의 손실함수 편차를 추가하고, 적절한 관절각 회전 범위에 관한 패널티 함수를 도입한다. 제안된 자세 추정 방법을 검증하기 위해, 일상 자세 6가지를 추정하였으며 평균 관절 좌표 차이는 0.097 m, 관절당 평균 각도 차이는 10.017도였다. 또한 실용성을 확인하기 위해 운동 활동의 동영상과 사람이 넘어지는 장면을 촬영하였고, 3D 추정 결과로서 관절각 궤적을 생성하였다. 프레임당 최적화된 실행 시간은 GPU 없이 단일 보드 컴퓨터(SBC)에서 0.033 s로 측정되었으며, 이는 제안 방법이 실시간 시스템으로서 가능함을 보여준다.

다수의 연구에서는 로봇이 노인에게 제공할 수 있는 정서적 및 정신적 서비스, 예컨대 일상 대화, 뉴스, 음악 또는 건강 정보를 제공하는 것과 같은 방식을 탐구해 왔다. 그러나 허약한 노인들이 일상에서 움직이는 양상이나 약물 복용 섭취를 모니터링하기 위해 센서를 사용하는 데서 제기되는 윤리적 쟁점은 여전히 논의되고 있다. 본 연구에서는 인간중심 인공지능(HCAI) 프레임워크의 두 가지 요인에 따라 사람의 자세를 감지함으로써 움직임을 감지하고 인식할 수 있는, 노인 안내형이면서 보호자 모니터링형 로봇 Dori를 개발하였다. 일상 활동 중 움직임 감지를 기반으로 돌봄 로봇의 서비스를 설계하기 위해, 환자가 아닌 재택 거주 예비허약 및 허약 노인들을 위한 돌봄 로봇 서비스라는 주제에 대해 두 집단—보호자와 의료진—을 대상으로 포커스 그룹 인터뷰를 수행하였다. 응답을 바탕으로 인지 지원, 정서 지원, 신체 활동 지원, 약물 관리, 보호자 관리라는 핵심 서비스 영역을 도출하였다. 또한 돌봄 로봇이 센싱을 활용하는 서비스와 관련하여 품위, 자율성, 통제 가능성, 사생활이라는 영역에서 두 집단이 윤리적 판단을 달리하는 것을 확인하였다. 따라서 본 연구에서 채택한 자세 인식 기술은 카메라 영상에서 추출한 관절 좌표 정보만을 사용하며, 이에 따라 인간의 품위와 개인정보를 보호하는 데 유리하다.