이종철 교수(전자융합공학과) 연구팀, 소수 센서 기반 자기지도학습 엄지 웨어러블 인터페이스 개발

- JCR Q1, IF=12.5 Science 자매지인 Science Advances 저널 (AAAS: the American Association for the Advancement of Sciences) (JIF percentage= 91.5)에 2026년 4월호에 게재 -

이종철 교수

본교 전자융합공학과 이종철 교수 연구팀(BK21팀)이 중국 진안 샹동대학 (Shangdong)의 Li Yang 교수팀 및 베이징 공대 (Beijing Institute of Technology)의 Shen Guozhen 교수팀과의 국제 공동 연구를 통해 “소수 센서 기반 자기지도학습 엄지 웨어러블 인터페이스” 논문을 세계 최고 권위지인 Science지의 대표 자매지 Science Advances 지에 2026년 4월호에 게재하였다.

Science Advances지는 Nature Communications와 함께 과학기술 분야에서 높은 평판과 인지도를 지닌 국제 학술지로 알려져 있다. 엄격한 리뷰 과정을 거치며, 높은 연구 완성도와 학문적 기여도, 독창성을 요구하는 저널로 평가된다.

인간의 손가락은 높은 정밀도로 자연스러운 인간-기계 상호작용에 적합하지만, 기존 방식은 손가락마다 장치가 필요하고 많은 라벨링 데이터가 요구되어 특정 사용자와 작업에 제한되는 문제가 있다.

본 연구에서는 엄지에 착용하는 슬리브(thumb sleeve) 형태의 웨어러블 장치와 자기지도학습(self-supervised-learning)을 결합하여, 사용자 독립성과 데이터 효율성을 동시에 달성하였다. 이 장치는 엄지 관절에 단 두 개의 신축성 센서만을 사용하며, 비지도(라벨 없는) 데이터로부터 특징을 학습한다.

또한 5-shot 소량 데이터 파인튜닝(fine-tuning)을 통해 새로운 사용자와 작업에 빠르게 적응할 수 있으며, 8방향 명령과 10개의 너클 키 입력을 인식할 수 있다. 특히 모델 재학습 없이 다양한 작업 간 자유로운 전환이 가능하다. 결과적으로, 이 기술은 마우스나 키보드를 대체하여 온라인 쇼핑과 같은 실제 응용에 활용될 가능성을 보여준다

본 연구는 4단계 BK21 사업 지원으로 이루어졌으며, 본 연구실의 이군팽(Li, Kunpeng) Post Doctor가 제1저자로 연구에 참여했다. 원 논문 제목은 “Wearable Thumb Sleeves Enabled by Self-supervised Learning with Few Stretchable Sensors and Few-shot Data for Switchable Finger Tasks”이다.

인간-기계 상호작용(HMI)을 위한 딥러닝 기반 웨어러블 시스템: 지도학습 및 자기지도학습 접근법의 비교 분석

(A) 웨어러블 장치를 위한 지도학습 파이프라인의 개략도: 다중 채널 배열로부터 획득된 신호에 대한 라벨링이 요구되며, 이를 기반으로 특정 사용자 및 작업에 종속적인 모델을 구축한다.

(B) 딥러닝 기반 웨어러블 장치의 목표는 단일 사용자·단일 작업 환경에서 다중 사용자·다중 작업 환경으로의 신속한 적응에 있다.

(C) 웨어러블 엄지 슬리브를 위한 자기지도학습 파이프라인의 개략도: TICL 알고리즘을 적용하여, 소수의 센서로부터 획득된 비라벨 신호를 기반으로 자기지도학습을 수행한다. 이를 통해 모델은 다중 사용자 및 다중 작업 환경에 효과적으로 적응할 수 있으며, 단 5-shot 데이터만으로도 작업 간 자유로운 전환이 가능하다.