손목 착용형 IMU는 일상 건강 모니터링에 널리 쓰이지만 전신 동역학을 온전히 대표하지 못해, 연구진은 손목 IMU 측정치를 신체 질량중심(COM) 가속도로 매핑하는 간소화된 운동학 모델(KM)을 제안했다. 손목 IMU 측정만으로 동역학 방정식을 풀 수 있도록 여러 축소 가정을 기반으로 설계됐다. 이를 확장해 그레이박스·블랙박스 모델링을 결합한 세 가지 인간 운동학 모델 기반 신경망(HKM-NN, 순차 학습·동시 학습 두 방식)을 제안하고, 걷기 6가지 동작과 앉기-서기 전환 동작을 수행한 건강한 참가자 10명의 손목 IMU 및 실측 COM 데이터로 학습·평가했다. KM 모델은 보행에서 6.7~12.5%, 앉기-서기에서 5.6% 오차를 보였고, HKM-NN 모델은 이를 크게 개선해 보행 5.3~9.3%, 앉기-서기 최고 3.9% 오차를 달성했으며, 가우시안 잡음에는 동시학습 방식이, 소금-후추 잡음에는 KM 모델이 더 강건했다.

• •손목 IMU를 신체 질량중심(COM) 가속도로 매핑하는 간소화 운동학 모델(KM) 및 하이브리드 신경망(HKM-NN) 3종 제안
• •걷기 6가지 동작·앉기-서기 전환 동작을 수행한 건강한 참가자 10명 데이터로 학습·평가
• •KM 모델은 보행 오차 6.7~12.5%, 앉기-서기 5.6% 기록
• •HKM-NN은 보행 5.3~9.3%, 앉기-서기 최고 3.9% 오차로 개선
• •가우시안 잡음에는 동시학습 방식이, 소금-후추 잡음에는 KM 모델이 더 강건함을 확인