Multimodal Smart Clothing with Haptic Feedback for Real-Time Muscle Activation Assessment in Self-Coaching Fitness Huu Sang Nguyen Department Industry 4.0 Convergence Bionics Engineering = 햅틱 피드백 기능을 갖춘 멀티모달 스마트 의류를 활용한 셀프 코칭 피트니스에서의 실시간 근육 활성도 평가

국문 초록 (Abstract)

자율적인 운동 훈련의 효과는 즉각적이고 신체 상태를 인지하는 피드백의 부재로 인해 제한되는 경우가 많으며, 이는 기존의 전문적인 감독을 넘어 사용자를 지원할 수 있는 웨어러블 시스템에 대한 수요 증가를 보여줍니다. 본 연구에서는 표면 근전도(sEMG)와 관성 측정 장치(IMU) 데이터를 결합하여 자율 운동 중 근육 활성화를 평가하는 신호 처리 및 학습 기반 알고리즘이 통합된 무선 웨어러블 센싱 플랫폼을 소개합니다. 제안된 프레임워크는 팔에 장착된 스마트 의류를 활용하여 다중 모달 센서 융합을 통해 근육 피로를 감지하는 동시에 근육 활성화 인식(MAR) 및 인체 활동 인식(HAR)을 수행합니다. 시스템에 내장된 경량 딥러닝 모델은 실시간 추론을 가능하게 하고 햅틱 피드백을 제공하여 사용자가 적절한 자세와 운동 강도를 유지하도록 안내합니다. 실험 결과는 시스템이 HAR 에서 97.9%, MAR 에서 98.7%의 분류 정확도를 달성하고, 사전 정의된 피로 기준이 충족될 때 진동 알림을 안정적으로 발생시키는 것을 보여줍니다. 이러한 연구 결과는 AI 기반 멀티모달 웨어러블 솔루션이 가정 운동의 안전성과 효율성을 향상시킬 수 있는 잠재력을 보여주며, 재활, 스포츠 훈련 및 개인 맞춤형 건강 모니터링 분야에서 유망한 응용 가능성을 제시합니다.

다국어 초록 (Multilingual Abstract)

The effectiveness of autonomous fitness training is often constrained by the absence of immediate, body-aware feedback, underscoring a growing demand for wearable systems capable of supporting users beyond traditional professional supervision. In this work, we introduce a wireless wearable sensing platform integrated with signal processing and learning- based algorithms that combine surface electromyography (sEMG) and inertial measurement unit (IMU) data to evaluate muscle activation during self-directed exercise. The proposed framework employs arm-mounted smart apparel with multimodal sensor fusion to detect muscle fatigue while simultaneously performing muscle activation recognition (MAR) and human activity recognition (HAR). A lightweight deep learning model embedded within the system enables real-time inference and delivers haptic feedback to guide users in maintaining proper posture and exertion levels. Experimental results indicate that the system attains classification accuracies of 98.7% for MAR and 97.9% for HAR and reliably triggers vibratory alerts when predefined fatigue criteria are met. These findings highlight the potential of AI-driven multimodal wearable solutions to enhance the safety and effectiveness of home- based exercise, with promising applications in rehabilitation, sports training, and personalized health monitoring.

목차 (Table of Contents)

• CHAPTER 1: INTRODUCTION 1
• CHAPTER 2: MATERIALS AND METHODS 5
• 1. Fabrication of Dry-Electrode-Based Clothing 5
• 2. Fabrication of ASC Data-Logger 6
• 3. Muscle Fatigue Detection Algorithm 8
• 4. Experimental Setup 9
• 5. Dataset Preparation 11
• CHAPTER 3: DEEP LEARNING-DRIVEN SELF-COACHING FITNESS 12
• 1. Proposed Multimodal Data Fusion 12
• 2. Implementation Details 14
• 3. Evaluation Metrics 16
• CHAPTER 4: RESULTS AND DISCUSSION 18
• 1. Single Modal Performance 18
• 2. Multimodal Data Fusion Performance 20
• 3. Dominant Muscle Activation Evaluation 24
• 4. Previous Works Comparison 25
• 5. End-to-End Performance on Mobile Platform 29
• CHAPTER 5: CONCLUSION 32
• REFERENCES 33
• ACKNOWLEDGEMENTS 40