| 1 |
1
인체를 보조하는 웨어러블 장치를 설계하는 방법에 있어서,동역학 시뮬레이션 결과 및 운동 목표를 제1 운동 신경 네트워크에 입력하여 뇌 신호를 출력하는 동작;상기 동역학 시물레이션 결과 및 상기 뇌 신호를 제2 운동 신경 네트워크에 입력하여 근육의 운동 자극 신호를 출력하는 동작; 및상기 운동 자극 신호에 응답하여 상기 웨어러블 장치가 착용되는 상기 인체에 대응하는 인체 근골격 동역학 모델에 대해 동역학 시뮬레이션을 수행하는 동작을 포함하는, 방법
|
| 2 |
2
제1항에 있어서,상기 제1 운동 신경 네트워크는 비모델 네트워크이고,상기 제2 운동 신경 네트워크는 모델기반 네트워크인, 방법
|
| 3 |
3
제1항에 있어서,상기 제2 운동 신경 네트워크는,상기 인체의 운동 신경학적 특성을 나타내는 수치인 신경 특성 변수를 수신하는, 방법
|
| 4 |
4
제3항에 있어서,상기 제2 운동 신경 네트워크는,상기 신경 특성 변수의 조절에 의해서 특정 신경 질환에 따른 신경 운동 특성을 가지는, 방법
|
| 5 |
5
제3항에 있어서,상기 신경 특성 변수는,근육 사이의 힘 피드백에 대한 시간 지연;근육 사이의 신장 피드백에 대한 시간 지연;근육 사이의 힘 피드백에 대한 이득; 및근육 사이의 신장 피드백에 대한 이득을 포함하는, 방법
|
| 6 |
6
제1항에 있어서,상기 인체 근골격 동역학 모델에 인체 모델 변수를 설정하는 동작을 더 포함하는, 방법
|
| 7 |
7
인체를 보조하는 웨어러블 장치를 설계하는 방법에 있어서,제1 제어기를 통해 상기 인체에 대응하는 인체 근골격 동역학 모델을 제어하는 동작;제2 제어기를 통해 상기 웨어러블 장치에 대응하는 장비 모델을 제어하는 동작; 및제1 동작 모드 또는 제2 동작 모드에 기초하여 상기 인체 근골격 동역학 모델과 상기 장비 모델이 상호작용하도록 동역학 시뮬레이션을 수행하는 동작을 포함하고,상기 제1 동작 모드는 상기 제1 제어기를 비학습 모드로 동작하게 하는 것이고,상기 제2 동작 모드는 상기 제1 제어기를 학습 모드로 동작하게 하는 것인, 방법
|
| 8 |
8
제7항에 있어서,상기 인체 근골격 동역학 모델을 제어하는 동작은,동역학 시뮬레이션 결과 및 운동 목표를 제1 운동 신경 네트워크에 입력하여 뇌 신호를 출력하는 동작; 및상기 동역학 시물레이션 결과 및 상기 뇌 신호를 제2 운동 신경 네트워크에 입력하여 근육의 운동 자극 신호를 상기 인체 근골격 동역학 모델로 출력하는 동작을 포함하는, 방법
|
| 9 |
9
제8항에 있어서,상기 제1 운동 신경 네트워크는 비모델 네트워크이고,상기 제2 운동 신경 네트워크는 모델기반 네트워크인, 방법
|
| 10 |
10
제8항에 있어서,상기 제1 동작 모드에서, 상기 동역학 시뮬레이션 결과 중 하나로 상기 장비 모델에 대한 장비 모델 성능 평가를 출력하는 동작; 및상기 제2 동작 모드에서, 상기 동역학 시뮬레이션 결과 중 하나로 상기 인체 근골격 동역학 모델에 대한 인체 모델 운동 평가를 출력하는 동작을 더 포함하는, 방법
|
| 11 |
11
제10항에 있어서,상기 제1 동작 모드에서, 상기 동역학 시뮬레이션 결과에 기초하여 상기 제2 제어기 및 상기 장비 모델 중 하나 이상을 조정하는 동작을 더 포함하는, 방법
|
| 12 |
12
제10항에 있어서,상기 제2 동작 모드에서, 상기 동역학 시뮬레이션 결과에 기초하여 상기 제1 제어기를 학습시키는 동작을 더 포함하는, 방법
|
| 13 |
13
제12항에 있어서,상기 제2 동작 모드에서,상기 제1 운동 신경 네트워크의 파라미터는 상기 학습시키는 동작에 의해서 학습되고,상기 제2 운동 신경 네트워크의 파라미터는 상기 인체의 운동 신경학적 특성을 나타내는 수치인 신경 특성 변수로 사전에 입력된 값으로 사용되는 것인, 방법
|
| 14 |
14
하드웨어와 결합되어 제1항 내지 제13항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
| 15 |
15
하나 이상의 인스트럭션을 저장하는 메모리; 및상기 인스트럭션을 실행시키기 위한 프로세서를 포함하고,상기 인스트럭션이 실행될 때, 상기 프로세서는,동역학 시뮬레이션 결과 및 운동 목표를 제1 운동 신경 네트워크에 입력하여 뇌 신호를 출력하고, 상기 동역학 시물레이션 결과 및 상기 뇌 신호를 제2 운동 신경 네트워크에 입력하여 근육의 운동 자극 신호를 출력하고, 상기 운동 자극 신호에 응답하여 상기 웨어러블 장치가 착용되는 상기 인체에 대응하는 인체 근골격 동역학 모델에 대해 동역학 시뮬레이션을 수행하는, 장치
|
| 16 |
16
제15항에 있어서,상기 제1 운동 신경 네트워크는 비모델 네트워크이고,상기 제2 운동 신경 네트워크는 모델기반 네트워크인, 장치
|
| 17 |
17
제15항에 있어서,상기 제2 운동 신경 네트워크는,상기 인체의 운동 신경학적 특성을 나타내는 수치인 신경 특성 변수를 수신하는, 장치
|
| 18 |
18
제17항에 있어서,상기 제2 운동 신경 네트워크는,상기 신경 특성 변수의 조절에 의해서 특정 신경 질환에 따른 신경 운동 특성을 가지는, 장치
|
| 19 |
19
제17항에 있어서,상기 신경 특성 변수는,근육 사이의 힘 피드백에 대한 시간 지연;근육 사이의 신장 피드백에 대한 시간 지연;근육 사이의 힘 피드백에 대한 이득; 및근육 사이의 신장 피드백에 대한 이득을 포함하는, 장치
|
| 20 |
20
제15항에 있어서,상기 프로세서는,상기 인체 근골격 동역학 모델에 인체 모델 변수를 설정하는, 장치
|
| 21 |
21
하나 이상의 인스트럭션을 저장하는 메모리; 및상기 인스트럭션을 실행시키기 위한 프로세서를 포함하고,상기 인스트럭션이 실행될 때, 상기 프로세서는,제1 제어기를 통해 상기 인체에 대응하는 인체 근골격 동역학 모델을 제어하고, 제2 제어기를 통해 상기 웨어러블 장치에 대응하는 장비 모델을 제어하고, 제1 동작 모드 또는 제2 동작 모드에 기초하여 상기 인체 근골격 동역학 모델과 상기 장비 모델이 상호작용하도록 동역학 시뮬레이션을 수행하며,상기 제1 동작 모드는 상기 제1 제어기를 비학습 모드로 동작하게 하는 것이고,상기 제2 동작 모드는 상기 제1 제어기를 학습 모드로 동작하게 하는 것인, 장치
|
| 22 |
22
제21항에 있어서,상기 프로세서는,동역학 시뮬레이션 결과 및 운동 목표를 제1 운동 신경 네트워크에 입력하여 뇌 신호를 출력하고, 상기 동역학 시물레이션 결과 및 상기 뇌 신호를 제2 운동 신경 네트워크에 입력하여 근육의 운동 자극 신호를 상기 인체 근골격 동역학 모델로 출력하는, 장치
|
| 23 |
23
제22항에 있어서,상기 제1 운동 신경 네트워크는 비모델 네트워크이고,상기 제2 운동 신경 네트워크는 모델기반 네트워크인, 장치
|
| 24 |
24
제22항에 있어서,상기 프로세서는,상기 제1 동작 모드에서, 상기 동역학 시뮬레이션 결과 중 하나로 상기 장비 모델에 대한 장비 모델 성능 평가를 출력하고,상기 제2 동작 모드에서, 상기 동역학 시뮬레이션 결과 중 하나로 상기 인체 근골격 동역학 모델에 대한 인체 모델 운동 평가를 출력하는, 장치
|
| 25 |
25
제24항에 있어서,상기 프로세서는,상기 제1 동작 모드에서, 상기 동역학 시뮬레이션 결과에 기초하여 상기 제2 제어기 및 상기 장비 모델 중 하나 이상을 조정하는, 장치
|
| 26 |
26
제24항에 있어서,상기 프로세서는,상기 제2 동작 모드에서, 상기 동역학 시뮬레이션 결과에 기초하여 상기 제1 제어기를 학습시키는, 장치
|
| 27 |
27
제26항에 있어서,상기 제2 동작 모드에서,상기 제1 운동 신경 네트워크의 파라미터는 상기 학습시키는 동작에 의해서 학습되고,상기 제2 운동 신경 네트워크의 파라미터는 상기 인체의 운동 신경학적 특성을 나타내는 수치인 신경 특성 변수로 사전에 입력된 값으로 사용되는 것인, 장치
|
