예측 근골격 시뮬레이션이 제시한 하지 외골격 지원 전략: 고관절 단독, 고관절, 발목 조합이 에너지 효율 우세

개인별 인체 계측과 근력 차이가 하지 외골격의 관절 보조 전략에 따른 보행 대사 비용과 생체역학적 효과를 어떻게 바꾸는지 예측할 수 있는가?

하지 외골격이 보행 에너지 소비를 줄일 수 있지만 개인별 체형, 근력, BMI 차이로 최적 보조 전략이 달라져 기존 일반 모델 기반 시뮬레이션이나 휴리스틱 튜닝으로는 개인 적응을 충분히 포착하지 못한다. 특히 무릎과 발목 보조의 상대적 이득이 실험마다 엇갈리고, 맞춤형 전략을 실물로 탐색하는 데 시간과 비용이 크다.

기존에는 전문가 휴리스틱 튜닝, human-in-the-loop 최적화, 고정 운동학 기반 computed muscle control이나 단일 슈팅 방식 SCONE 예측 시뮬레이션 등이 사용됐다. 고정 운동학 방식은 외부 보조에 따른 움직임 변화를 예측하지 못하고, 슈팅 방식은 계산 비용이 크며, 일반 모델 기반 예측은 개인 간 변이를 재현하지 못했다.

OpenSim Moco의 direct collocation으로 6명(남3, 여3)의 키, 체중, 분절 길이를 반영한 피험자 맞춤형 모델을 만들고, BMI 기반 근력 스케일링을 적용했다. 비보조 보행과 고관절(H), 무릎(K), 발목(A)의 단일 및 모든 조합(H+K, H+A, K+A, H+K+A) 등 7개 보조 조건에 ±25 Nm와 ±50 Nm 이상적 양방향 토크 액추에이터를 넣고, 대사 비용, 근육 노력, 관절 가속도, 무게중심 가속도, 운동 추적 비용을 합한 목적함수로 보행을 예측했다. 관절 파워 분석으로 양, 음의 파워와 Positive Power Ratio를 계산했다.

50 Nm에서 H+K+A 평균 COT 감소는 48.50±4.55%, 개인별 범위는 42.22~54.65%였다. 단일 관절은 고관절 31.77±5.21%, 무릎 19.17%, 발목 17.02% 순이었고, 두 관절 조합에서는 H+A가 44.60±7.08%로 가장 효과적이었다. 25 Nm에서도 H+K+A가 41.20% 감소로 가장 컸다. 기준 COT는 3.07 W/kg이었다. 50 Nm 단일 관절 평균 positive power는 고관절 0.375 W/kg, 무릎 0.243 W/kg, 발목 0.220 W/kg이었고, PPR은 발목 0.861, 고관절 0.820, 무릎 0.672였다. 토크 한계를 25 Nm에서 50 Nm로 올리자 고관절 MPP는 0.267에서 0.359 W/kg, 발목은 0.124에서 0.205 W/kg으로 증가한 반면 무릎은 0.163에서 0.168 W/kg으로 거의 변하지 않았다. 이는 시뮬레이션 결과이며 실물 로봇 평가는 아니다.

저자들은 시뮬레이션 결과의 절대적 대사 절감량이 실제보다 클 수 있다고 밝혔다. 근육 수가 다리당 9개로 적고, 힘줄을 강체로 가정하고 공동수축을 명시적으로 처벌하지 않았으며, 추적 항이 보행 적응을 제한했다. 발목, 발 접촉이 단순해 발바닥굽힘과 중간 입각기 토크를 과소평가했고, 고관절 초기 입각기 토크는 과대평가했다. 실물 로봇 실험이나 코드 공개 여부는 논문에 보고되지 않았다.