텍스처 없는 가상 객체 거칠기 촉각 제공 시스템 개발

기존 애니메이션 기술은 지구 중력에 국한되어 달, 화성 등 변화된 중력 환경에서 그래픽 캐릭터의 자연스러운 움직임을 구현하는 데 한계가 있었습니다. 본 기술은 다양한 걸음걸이 타입에 대한 모션 데이터를 저장하고, 중력 변화와 무관하게 고정되는 '프루드 수'를 이용하여 제2 중력 환경에서의 캐릭터 걸음걸이 파라미터를 계산합니다. 이 파라미터와 '역진자 카트형 모델'을 기반으로 캐릭터 질량 중심의 이동 궤적을 생성한 후, 이를 활용하여 전신 애니메이션을 구현합니다. 또한 사용자 입력에 따라 모션 데이터를 수정하고 최적화하여 자연스러운 움직임을 제공합니다. 이 기술은 저중력 환경에서의 그래픽 캐릭터 모션을 실제처럼 정확하게 시뮬레이션하며, 게임, 시뮬레이션, 가상 현실 등 다양한 분야에서 실감 나는 콘텐츠 제작에 활용될 수 있습니다. 특히, 실제 달 탐사 모션과 5% 이내의 오차로 유사한 애니메이션을 생성하는 뛰어난 성능을 보입니다.

모바일 디바이스는 제한적인 배터리 환경 때문에 에너지 소비 효율 관리가 매우 중요합니다. 기존 DVFS 기법은 사용량 변화가 심한 렌더링 방식에서 워크로드 예측에 한계가 있었습니다. 본 기술은 이전 프레임의 동작 주파수와 사용율을 함께 고려하여 현재 프레임의 워크로드를 더욱 정확하게 계산합니다. 특히 그래픽 애플리케이션의 프로세서 처리 기여율까지 반영하여 메모리 지연으로 인한 에너지 낭비를 방지하고 최적의 동작 주파수를 설정합니다. 이를 통해 모바일 디바이스의 에너지 효율을 극대화하고 전반적인 성능을 향상할 수 있습니다.

기존 로봇 드로잉 기술은 불규칙한 표면에 적용하기 어려웠습니다. 본 기술은 임의의 표면을 명시적으로 인식하거나 모델링하는 과정 없이 로봇팔의 임피던스 제어만으로 정교한 펜화 드로잉을 구현합니다. 사용자가 태블릿 등 입력 장치에 그린 그림을 획 단위로 분할하여 제어 포인트, 펜압, 색깔 데이터를 추출하고, 프로세서가 이를 벡터 그래픽 기반의 스플라인 모션으로 변환합니다. 로봇팔은 펜이 표면에 가하는 가압력(0.8N~3.2N)을 실시간으로 감지하며 섬세하게 필압을 조절하고, 가압력이 특정 범위를 벗어나면 가상 표면을 재설정하여 어떤 곡면에도 부드러운 드로잉을 가능하게 합니다. 복수 펜을 사용하여 다양한 색상 표현도 가능합니다. 이 기술을 통해 예술 창작, 디자인 분야 등에서 로봇의 활용 범위를 크게 확장할 수 있습니다.

기존 가상현실 촉각 장치는 물리적 텍스처 교체로 부피와 비용이 증가하는 문제가 있었습니다. 본 기술은 시공간 인코딩을 활용하여 엔드 이펙터의 교체 없이 가상 객체의 다양한 거칠기 촉각을 제공합니다. 사용자의 손 위치와 시선을 추적하여 가상 객체와의 충돌을 예측하고, 해당 객체의 표면 거칠기에 따라 촉각 장치의 엔드 이펙터를 회전 및 이동시켜 촉각을 렌더링합니다. 이로써 사용자에게 현실감 있는 촉각 경험을 제공하며, 장치의 복잡도와 유지보수 비용을 절감하여 가상현실 몰입도를 크게 향상시킬 수 있습니다.

기존 얼굴 애니메이션 기술은 느린 시뮬레이션 속도와 얼굴의 얇은 해부학적 구조를 충분히 반영하지 못하는 한계가 있었습니다. 본 기술은 이러한 문제점을 해결하기 위해 쉘 요소 분석을 활용하여 얼굴의 얇은 해부학적 구조를 구성하고 근육 모델링을 독립적으로 수행합니다. 또한, 모달 워핑을 통해 피부 표면과 근육 물체의 비선형 변형을 실시간으로 통합하여 계산 시간을 크게 단축합니다. 특히, 얼굴 표정에 따라 근육 모델을 변형하고, 이로 인한 피부 변형을 노화와 중력 하중까지 고려하여 검증합니다. 피부에 가해지는 힘을 분리하고, 각 힘에 따른 영역별 피부 변형을 정확히 시뮬레이션하여 고품질의 얼굴 애니메이션을 생성합니다. 이 기술은 빠르고 정확한 얼굴 애니메이션 생성은 물론, 여러 근육이 단일 피부 표면에 미치는 복합적인 영향을 자연스럽게 표현할 수 있어 가상 아바타, 게임, 의료 시뮬레이션 등 다양한 분야에서 사실적인 얼굴 표정 구현에 기여할 것입니다.

기존 3D 모델 생성 기술은 부정확한 카메라 포즈 추정 및 과도한 계산량 문제를 겪었습니다. 본 기술은 RGB-D 카메라로부터 얻은 깊이 영상과 RGB 영상을 통합하여 카메라 포즈를 정밀하게 추정하고, 효율적인 키 프레임을 결정하여 3D 모델을 생성합니다. 특히 깊이 정보와 RGB 영상 데이터를 적응적으로 활용해 초기 카메라 포즈를 업데이트하고, 집합 덮개 문제 기반의 키 버텍스 선택 및 루프-클로징 최적화를 통해 정확성과 효율성을 극대화합니다. 이 기술은 로봇 및 컴퓨터 비전 분야에서 신뢰도 높은 3D 모델을 빠르고 정밀하게 구축하는 데 기여합니다.