연구

자율군집 사물지능이란

• 정의: 사물들이 스스로 군집을 이루어 집단지능을 발현합니다. 거주환경의 사물 (단말) 들이 중앙 서버 없이 스스로 주변을 인지하고 협업하며, 사용자에게 자율적으로 서비스를 제공하는 기술입니다.
• 동작: 스스로 감지하고, 군집을 이루어, 상황과 맥락을 파악합니다.
  • 사용자가 기기를 조작하지 않아도, 행동이나 환경 변화를 감지한 단말이 스스로 필요한 이웃 단말을 찾아 군집을 형성합니다.
  • 군집을 형성한 단말들이 서로 다른 부분적 정보들을 시간적, 공간적으로 결합해, 혼자서는 알 수 없는 상황과 맥락까지 파악합니다.
• 지향: 사람이 사물을 배우고 조작하는 세상이 아니라, 사물이 사람을 알아보고 먼저 움직여 도와주는 세상입니다.

일반 사물지능과의 차이

• 일반 사물지능 예시: 조명, 에어컨, 보일러, 도어락은 각각 앱에서 켜고 끄거나 예약하고, 스마트 스피커에는 말로 하나씩 명령하며, 연기 감지기는 앱 알림으로 확인합니다. 모든 판단은 서버에서 하고, 인프라가 끊기면 멈추며, 민감한 개인정보가 밖으로 나갑니다.
• 자율군집 사물지능 예시: 서버도 앱도 없이 사물끼리 알아서 움직입니다. 보일러는 따뜻한 물을 준비하고, 연기 감지기는 가스를 잠그고, 조명은 가는 길을 밝히고, 도어락은 외출할 때 문을 잠그고, 약 드실 시간을 알려 줍니다. 민감한 정보는 집 안에서 사용 후 소멸하고 밖으로는 추상화된 정보만 전송됩니다.

왜 자율군집 사물지능인가?

• 돌봄 현장에는 스마트워치, AI 스피커, 스마트 플러그, 문열림 센서, 블루투스 혈압계와 혈당계, 전력 및 수도 사용량 모니터링 서비스 등이 도입되고 있으나, 기기별 사용법, 관리 방식, 데이터 확인 절차가 서로 달라 복지 담당자와 사용자에게 학습 부담과 운영 부담을 줍니다. 모든 기기를 사용자가 설정하고 사용법을 배워야 한다면 노약자는 쓸 수 없습니다.
• 노인과 취약계층의 건강위험은 하나의 행동이나 생체신호로 설명되지 않고, 식사, 수면, 외출, 복약, 위생, 이동, 사회적 접촉 등 반복되는 일상생활 변화 속에서 복합적으로 드러납니다. 단일 센서, 단일 이벤트 중심의 탐지로는 조기 예측이 어렵습니다.
• 가정에 카메라나 상시 녹음 장비를 두면 집이 감시공간으로 인식됩니다. 원시 음향, 영상, 민감정보의 외부 전송을 최소화하고 가정 내 단말에서 먼저 처리하는 On-device 구조가 필요합니다.
• 클라우드 중심 AI 는 네트워크 장애, 서비스 중단, 외부 서버 의존 때문에 돌봄에 필요한 지속성과 안정성을 보장하기 어렵습니다. 핵심 돌봄 기능은 엣지 단말과 홈 게이트웨이에서 안정적으로 동작하고, 필요할 때만 외부의 대규모 생성형 AI 를 에이전트 형태로 쓰는 구조가 필요합니다.

SAAL 플랫폼으로 구현

• SAAL (Swarm-intelligent Ambient Assisted Living) 플랫폼은 자율군집 사물지능을 초기 치매와 경도인지장애 돌봄에 맞춰 구현한 On-device AI 기반 플랫폼입니다. 하나의 기기가 모든 정보를 모으는 대신, 착용형, 이동형, 고정형 단말이 생활공간 안에서 자율적으로 연결되어 위치, 행동, 생체신호, 생활 패턴을 함께 해석합니다.
  • DEAN node (ADL 감지기, Digital Ear And Nose, DE&N 노드): 단위공간 (침실, 부엌, 화장실, 거실 등) 천장에 붙이는 고정형 엣지 단말로, 초저전력 On-device AI 로 ADL 을 인지해 SlimHub 에 알립니다.
  • PAAR band: 착용형 단말 (생체정보 측정형 스마트밴드) 로, 심박수, 심박변이도, 산소포화도, 수면, 활동량, 보행 특성을 반복 측정해 개인별 기준선을 만들고, 자세변화, 낙상, 외출, 보행, 재활 수행도를 해석합니다.
  • SlimHub: DEAN node, PAAR band 와 별도 설정 없이 스스로 통신해 데이터를 모으고 필요할 때 클라우드 서버로 보내는 게이트웨이입니다. 단위공간의 DE&N 노드들을 모아 원격 DB 서버와 모니터링 앱에 연결합니다. 스피커와 마이크, 외부 생성형 AI 를 잇는 에이전트를 내장해 거주자와 대화하고, 보호자나 의사의 처방 내용을 음성으로 들려줍니다. 가정 안에서 이상상황 알림과 초기 재활 지원 (예: 오븐 과열, 화장실 사용 후 물내림 확인) 을 합니다.
  • 스마트폰 앱: 거주자가 SlimHub 에 저장된 행동내역과 ADL 정보를 실시간으로 보고, 보호자, 담당 치료사와 정보를 연동해 생활보조, 재활 권고, 상담을 받는 사용자 접점입니다.
• 이 플랫폼은 단말 (DE&N 노드, PAAR band), 게이트웨이 (SlimHub), 원격 데이터베이스 서버, 사용자 (환자, 보호자, 의료진) 앱으로 이루어진 군집지능형 거주환경 지원 플랫폼입니다.
• 무설정, 무인지 자율군집: 모든 SAAL 단말에 자율군집 미들웨어를 내장해, 단말들이 사용자의 설정 없이 스스로 군집을 이룹니다.

자율군집 관련 주요 연구 논문

• 자율 탐색, 비동기 메시징, 자가복구 네트워킹 (Self-Organizing Discovery, Messaging and Failover)
  • [1] S. Y. Jeong, H. G. Jo, S. J. Kang, A dynamic service lookup and discovery scheme using a self-organizing overlay network for indoor location-based service, Proc. REACTION, 2012
  • [2] S. Y. Jeong, H. G. Jo, S. J. Kang, Self-organizing distributed architecture supporting dynamic space expanding and reducing in indoor LBS environment, Sensors, vol. 15, no. 6, 2015
  • [3] H. G. Jo, T. Y. Son, S. Y. Jeong, S. J. Kang, Proximity-based asynchronous messaging platform for location-based Internet of Things service, ISPRS Int. J. Geo-Inf., vol. 5, no. 7, 2016 (ePost-It)
  • [4] H. H. Kim, H. G. Jo, S. J. Kang, Self-organizing peer-to-peer middleware for healthcare monitoring in real-time, Sensors, vol. 17, no. 11, 2017
  • [5] S. H. Park, Y. J. Park, Y. J. Jeon, S. J. Kang, Self-organized low-power multihop failover protocol for a cellular-based public safety device network, IEEE Internet Things J., vol. 9, no. 19, 2022
• 이종 단말 간 군집 협업과 군집 주행 제어 (Heterogeneous Device Collaboration and Swarm Driving)
  • [6] M. S. Kim, J. G. Lee, S. J. Kang, A self-organizing interaction and synchronization method between a wearable device and mobile robot, Sensors, vol. 16, no. 6, 2016
  • [7] M. S. Kim, S. H. Kim, S. J. Kang, Middleware design for swarm-driving robots accompanying humans, Sensors, vol. 17, no. 2, 2017
  • [8] D. H. Wi, H. J. Kwon, J. K. Park, S. J. Kang, J. D. Lee, Opportunistic and location-based collaboration architecture among mobile assets and fixed manufacturing processes, Sensors, vol. 18, no. 8, 2018
  • [9] S. S. Keum, C. H. Lee, S. J. Kang, Device to device collaboration architecture for real-time identification of user and abnormal activities in home, Proc. ITNAC, 2019
• 비침습 생활행동 인지와 엣지 센서 융합 (Non-Invasive ADL Recognition and Edge Sensor Fusion)
  • [10] S. S. Keum, Y. J. Park, S. J. Kang, Edge computing-based self-organized device network for awareness activities of daily living in the home, Appl. Sci., vol. 10, no. 7, 2020
  • [11] H. Kang, C. Lee, S. J. Kang, A smart device for non-invasive ADL estimation through multi-environmental sensor fusion, Sci. Rep., vol. 13, no. 1, 2023
  • [12] C. Lee, H. Kang, S. J. Kang, Location-aware ambient sound model adaptation for on-device human activity recognition in living spaces, IEEE Access, vol. 13, 2025
  • [13] C. Lee, H. Kang, S. J. Kang, DEAN (Digital Ear and Nose) node: Non-intrusive resident ADL recognition at home, Proc. SmartNets, 2025
• 생활 지원 서비스와 폐루프 중재 (Assistive Services and Closed-Loop Intervention)
  • [14] I. Y. Jung, G. J. Jang, S. J. Kang, Secure eHealth-care service on self-organizing software platform, Math. Problems Eng., vol. 2014, 2014
  • [15] Y. J. Park, K. E. Seong, S. Y. Jeong, S. J. Kang, Self-organizing wearable device platform for assisting and reminding humans in real time, Mobile Inf. Syst., vol. 2016, 2016
  • [16] Y. J. Park, S. Y. Jung, T. Y. Son, S. J. Kang, Self-organizing IoT device-based smart diagnosing assistance system for activities of daily living, Sensors, vol. 21, no. 3, 2021
  • [17] Y. J. Jeon, S. H. Park, S. J. Kang, Self-x based closed loop wearable IoT for real-time detection and resolution of sleep apnea, Internet of Things, vol. 22, 2023

핵심 원천기술

자체 개발 SAAL 단말

• 거주환경에서 노약자와 병약자의 행동 내역을 실시간으로 모니터링하기 위해 센터가 개발해 실용화 또는 상용화를 진행 중인 단말들입니다.
  • 생체정보 측정형 스마트밴드 PAAR band
  • 수면 품질 진단 기기 Sleepcare Kit: PAAR Tag 와 베개 (머리 위치 인지, 압력 감지, 에어패드 제어로 기도 확보와 머리 위치 변경), 홈케어 키트 PAAR band 와 Bio-Cradle (PPG, 가속도, 호흡 측정, SpO2 와 호흡으로 무호흡 감지, 가속도로 수면 중 자세 감지)
  • IoT 장비 연동 기기 PNIP Box
  • 위치 인식 기반 모바일 태그 PAAR Tag
  • ADL-SAAL 기능 내장형 스마트 복약기 V2
  • ADL-SAAL 수도, 가스 사용 감지 태그
  • ADL-SAAL 환경 센서 내장형 통신 허브 스마트홈플러그
  • 사용자 실시간 인지를 위한 족압패드
  • SAAL 플랫폼 스마트팜 개발 키트 프로토타입
  • 전류 감지 태그 (current sensing tag, DEAN 노드의 Device 이벤트용)

하드웨어와 센서

• 센서: 2차원 적외선 센서 (PIR Array), 노이즈 마이크, 온습도, 공기질 분석 센서 (Gas), 조도 센서 (Light)
• 인지 대상: 출입, 체류, 생활 행동 (ADL) 과 단위공간 이동 속도, 거리, 이동 횟수, 체류 시간. 결과는 SlimHub 에 알립니다.
• 통신: BLE 무선통신으로 데이터를 관리합니다.
• 처리: On-Device AI 로 노이즈 마이크 데이터를 분석합니다.

• 설치: 천장 이나 벽면에 붙여 개별 단위공간 (거실, 화장실, 안방 등) 의 ADL 을 분석합니다. 한 집의 출입구, 침실, 화장실, 주방, 거실에 하나씩 두며, SlimHub 와 연결되어 동작합니다.

• DEAN node 2026 판: On-device AI 지원 MCU, 저전력 구현, USB-C, 확장 배터리 (유선, 무선), 쉬운 설치를 특징으로 하는 deep edge node 로, 대규모 실증에 맞는 사양을 갖추었습니다.

소프트웨어 구조

• Sequence Analysis 를 위해 Device 이벤트, Environmental 이벤트, Sound 이벤트를 각각 독립적으로 분석합니다.
  • Device manager: 환경 변화나 노이즈 사운드만으로는 확인할 수 없는 ADL 이벤트를 처리합니다.
  • Environmental manager: ADL 마다 다른 환경 변화를 이벤트로 추출합니다 (Signal event extraction task).
  • Sound event manager: 노이즈 사운드를 On-Device AI 로 분석해 분류합니다.
• 세 manager 의 이벤트는 Sequence Analysis Engine 으로 모이고, 결과는 무선 통신 프록시 (BLE) 를 거쳐 전송됩니다.

• 단위공간마다 그 공간에 특화된 학습 데이터를 내장합니다 (노이즈 사운드 10 ~ 15 개 클래스, 대기환경신호 5 개 클래스). 노이즈 사운드는 클래스마다 1000 개 이상의 일반 데이터로 학습한 뒤, 해당 가정의 특수성을 반영한 데이터 (domain dependent dataset) 를 10 % 이상 뽑아 전이학습해 정확도를 높입니다. 대기환경신호도 비슷한 비율로 학습합니다.
• DEAN node 는 14 가지 ADL (TV 시청, 냉난방, 청소, 전자레인지, 식사, 소변, 대변, 설거지, 머리 말리기, 목욕, 샤워, 양치, 식사 준비, 수면) 을 스스로 판단하므로 원시 데이터를 클라우드로 보낼 필요가 없습니다.

데이터 수집과 분석 방법

Environmental 이벤트

• 사람의 행동에 따라 변하는 주변 환경 (습도 상승, CO2 농도 변화 등) 을 감지합니다.
• 행동 시작부터 완료까지의 중간 데이터를 이벤트로 만들어 관리합니다. ADL 마다, 환경 데이터마다 신호 패턴이 다릅니다.
• 원시 값을 퍼지 값으로 바꾸고 (Fuzzifying), 상승 상태를 확인해 피크를 미리 검출하고 확정한 뒤 (Peak detection), 안정 구간에서 피크까지의 퍼지 차, 원시 값, 추출 소요 시간을 담은 환경 신호 이벤트를 추출합니다.

Sound 이벤트

• ADL 을 할 때 생기는 주변 노이즈 사운드를 On-Device 추론해 이벤트로 만듭니다.
• 단위공간마다 고유한 (domain-dependent) 소리가 나므로 Sound 이벤트 생성의 정확도가 올라갑니다.
• On-Device, Edge computing 으로 처리해 소리가 밖으로 새지 않습니다.
• 처리 흐름: PDM 마이크 -> Main MCU (버퍼링, Mel-spectrogram, 양자화) -> SPI -> Inference MCU (신경망 추론) -> SPI -> 후처리 (이벤트) -> 허브

Device 이벤트

• 가전과 가구의 사용처럼 ADL 측정에 직접 영향을 주지만 환경 변화나 특정 소리로는 잡히지 않는 이벤트입니다. 기존 연구의 스마트 장비를 BLE 로 DEAN 노드에 연결해 하나의 Sequence 로 관리합니다.

수집 파이프라인과 실시간 ADL 분석

• 주방, 화장실, 안방, 거실, 출입구에 DEAN 노드를 설치해 환경 신호, 노이즈 사운드 신호, Device 이벤트를 모읍니다.
• 원시 데이터는 중간 허브 (SlimHub) 로만 보내 외부 유출을 막습니다.
• ADL 이력과 ADL 수행 능력 평가를 위한 이벤트 시퀀스는 중간 허브와 App Server 를 잇는 데이터베이스로 보냅니다.
• 실시간 ADL 분석: 출입 -> 이벤트 생성 및 감지 -> 퇴장 사이의 데이터를 분석합니다. ADL 별 핵심 이벤트의 감지와 분석이 끝나면 ADL 을 추정해 App Server 와 데이터베이스로 보냅니다. ADL 시퀀스가 끝나지 않아도 거주자가 단위공간에서 나가면 추정 결과를 보냅니다.
• 단위공간마다 미리 정의한 ADL 시퀀스 (예: 화장실의 샤워 = 입장, 물 흐름 소리, 온도 상승, 습도 상승, 퇴장) 와 실시간으로 들어오는 이벤트의 순서를 맞추어 봅니다 (Match sequence order).