[논문 리뷰] Ergonomically Intelligent Physical Human-Robot Interaction: Postural Estimation, Assessment, and Optimization

Amirmehdi Yazdani, Roya Sabbagh Novin외 2명|arXiv (Cornell University)|2021. 08. 12.

Human Pose and Action Recognition참고 문헌 47인용 수 4

한 줄 요약

이 논문은 인간의 자세를 운동 캡처나 마커 없이 로봇 궤적만으로 추정하고, RULA에 비해 99.73%의 정확도를 보이는 미분 가능하고 연속적인 모델(DULA)을 사용해 인체공학적 평가를 수행하며, 기울기 기반 최적화를 통해 효율적인 자세 최적화를 가능하게 하는 새로운 프레임워크를 제안한다. 이 방법은 공동 작업 및 원격 조작 작업에서 부상 위험을 감소시키며 실시간으로 마커리스 인체공학 모니터링을 가능하게 한다.

ABSTRACT

Ergonomics and human comfort are essential concerns in physical human-robot interaction. Common practical methods in the area either fail in estimating the correct posture due to occlusion or suffer from inaccurate ergonomics models in performing postural optimization. We propose a novel alternative framework for posture estimation, assessment, and optimization for ergonomically intelligent physical human-robot interaction. We show that we can estimate human posture solely from the trajectory of the interacting robot with median deviation of 5 deg from motion capture. We propose DULA, a differentiable ergonomics assessment tool with 99.73% accuracy comparing to RULA. We use DULA in postural optimization for physical human-robot interaction tasks such as co-manipulation and teleoperation. We evaluate our framework through human and simulation experiments.

연구 동기 및 목표

• 운동 캡처나 마커에 의존하지 않고 물리적 인간-로봇 상호작용(p-HRI)에서 연속적이고 실시간으로 인체공학적 모니터링을 가능하게 하기 위해.
• 기존의 인체공학 평가 도구(RULA, REBA 등)가 이산적인 점수와 평탄한 영역으로 인해 기울기 기반 최적화에 한계를 가짐을 해결하기 위해.
• RULA 점수를 정확하게 재현할 수 있는 기울기 가능하고 연속적인 인체공학 모델을 개발하여 최적화에 활용하기 위해.
• 공동 작업 및 원격 조작과 같은 p-HRI 작업에서 인간의 자세를 최적화하여 체계적 손상 위험을 감소시키기 위해.
• 사람과 시뮬레이션 실험을 통해 프레임워크를 평가하고, 기울기 자유 및 기울기 기반 최적화 접근 방식을 비교하기 위해.

제안 방법

• 운동 캡처나 마커 없이 상호작용하는 로봇의 궤적만으로 인간의 상체 자세를 확률적이고 학습 기반의 방법으로 추정한다.
• RULA 점수를 연속적이고 기울기 가능하게 재현하도록 훈련된 신경망 모델인 DULA(Differentiable Upper Limb Assessment)를 개발한다.
• RULA 점수와 함께 쌍을 이룬 인간 자세 데이터셋을 기반으로 DULA를 훈련하여, 혼동 행렬에서 최소 대각선 정확도 99.38%를 기록하며 99.73%의 정확도를 달성한다.
• DULA를 p-HRI 작업을 위한 자세 최적화 파이프라인에 통합하여, 인간 자세의 기울기 기반 최적화를 통해 인체공학적 위험을 최소화할 수 있도록 한다.
• 실제 인간의 자세 보정에 대한 반응을 모의하기 위해 파rameter α ∈ {0, 0.75}를 가진 인간 제어 및 수용 모델을 사용한다.
• 원격 조작 작업에서 기울기 자유 및 기울기 기반 최적화를 비교하여, 위험 감소, 작업 완료 시간, 운동의 부드러움을 측정한다.

실험 결과

연구 질문

• RQ1 운동 캡처나 마커 없이 로봇 궤적만으로 물리적 인간-로봇 상호작용에서 인간의 자세를 정확하게 추정할 수 있는가?
• RQ2 기울기 가능하고 연속적인 인체공학 모델을 RULA 평가 도구를 고정된 정확도로 재현하도록 훈련시킬 수 있으며, 기울기 기반 최적화를 가능하게 할 수 있는가?
• RQ3 DULA를 사용한 기울기 기반 자세 최적화는 기울기 자유 최적화 대비 위험 감소, 작업 효율성, 운동의 부드러움 측면에서 어떻게 비교되는가?
• RQ4 제안된 프레임워크는 실제 p-HRI 상황에서 RULA 점수 > 2인 고위험 자세를 높은 민감도와 특이도로 탐지할 수 있는가?
• RQ5 DULA를 피드백 루프에 통합함으로써 인간-로봇 협업에서 자세 보정의 수용성과 효과성은 어떻게 영향을 받는가?

주요 결과

• 자세 추정 방법은 운동 캡처 데이터와 비교해 중앙값으로 5° 이내의 편차를 보이며, 마커 없이도 높은 정확도를 입증했다.
• DULA는 RULA 점수 재현에서 99.73%의 정확도를 달성했으며, 혼동 행렬에서 최소 대각선 정확도 99.38%를 기록하여 다양한 자세 범위에서 강력한 일반화 능력을 보였다.
• 기울기 기반 최적화 방법은 기울기 자유 방법에 비해 RULA 위험 점수를 더 효과적으로 감소시키며, 더 부드럽고 수용 가능한 자세 보정을 생성했다.
• 기울기 기반 방법은 반복당 0.1초 내외로 최적화를 완료했고, 기울기 자유 방법은 10,000개의 샘플을 사용해 반복당 2.7분이 소요되었다.
• DULA를 사용한 자세 보정은 체계적 손상 위험을 감소시켰으며, 특히 기울기 기반 최적화에서 시뮬레이션된 인간이 보정 후 더 낮은 RULA 점수를 기록했다.
• RULA 점수가 2를 초과하는 32개의 시험 모두를 성공적으로 탐지했고, 65.63%의 시험에서 RULA 점수를 정확히 일치시켰다.