Apple Watch, 1분 만에 새 손동작 학습… TransfHAR 연구

실험 방식

연구진은 먼저 381명의 공개 손목 움직임 데이터 약 2,760시간으로 모델을 사전 학습시켰습니다. 대부분 앉기, 걷기, 운동 같은 큰 활동 데이터입니다. 이후 참가자 10명이 Apple Watch Series 10을 착용하고 커피 젓기, 허공에 하트 그리기, 손 소독제 바르기, Gatorade 병 열기, 신발끈 묶기, 손톱 다듬기 등 직접 고른 동작 7가지를 수행했습니다.

2.56초 길이의 클립 1개로는 균형 정확도가 75.2%였습니다. 클립 5개(약 13초)에서는 86.7%, 20개(약 51초)에서는 89.3%였고, 1분 분량에서는 90%를 넘었습니다.

모든 처리는 시계 안에서 이뤄집니다. 새 동작 학습은 1초 미만, 예측은 약 24밀리초가 걸리며 페어링된 스마트폰이나 원격 서버가 필요 없습니다. 동작 70개를 하나의 모델에 합쳐도 정확도는 82% 이상이었습니다.

활용 가능성과 한계

동작을 앱이나 이미 만든 단축어에 연결하면 커피를 저을 때 음악을 재생하거나, 바이셉 컬을 하면 운동 기록을 시작하는 식의 활용이 가능합니다. 연구진은 떨림 같은 증상 측정과 공장의 조립 단계 추적도 활용 사례로 꼽았습니다. 팀에는 Google 연구원이 포함돼 있고 핵심 모델이 Google의 LSM-2를 기반으로 해, Wear OS로 확장될 가능성도 있습니다.

다만 글쓰기, 휴대폰 스크롤, 로션 바르기처럼 작고 지속적인 손 움직임은 센서에서 비슷하게 보여 구분이 어렵습니다. 라테 만들기처럼 여러 단계로 이뤄진 작업도 취약합니다. 연구는 짧고 통제된 조건에서 진행됐으며 배터리 영향은 측정하지 않았습니다. 개발자용 학습 도구가 공개되기를 기다려야 합니다.