wearables

2 개의 포스트

meta3분 읽기큐레이션 요약

메타는 AI 안경용 초슬림 배터리를 어떻게 설계했나

스마트 안경은 카메라, 스피커, AI, 디스플레이를 구동해야 하지만 배터리는 성인 새끼손가락보다 좁은 관자놀이 부분에 들어가야 한다. Meta는 기존 파우치형 배터리 대신 7mm 폭까지 줄인 초박형 스틸 캔 셀을 개발해 공간 활용도와 순간 출력 성능을 높였다. 세대별 배터리 용량 증가뿐 아니라 전력 관리, 펌웨어, 하드웨어 구조 개선을 함께 적용해 사용 시간을 크게 늘렸다는 것이 글의 결론이다. ## 스마트 안경에서 기존 배터리가 부족한 이유 - 스마트폰·노트북에 널리 쓰이는 파우치 셀은 형태를 자유롭게 줄이거나 변형하기 어렵다. - 내부 접힘 구조와 제조 공차가 좁은 공간을 차지해, 안경 다리처럼 폭이 제한된 부품에는 불리하다. - 셀 크기가 작아지면 카메라 촬영과 AI 작업을 동시에 수행할 때 필요한 순간적인 고출력을 안정적으로 제공하기 어렵다. - 따라서 배터리가 제품 형태에 맞춰 정확하고 견고하게 제작되어야 하며, 빈틈 없이 공간을 활용해야 한다. ## 7mm 폭의 스틸 캔 셀 개발 - 스틸 캔 배터리는 전동 공구나 시계 등에 사용되던 방식이지만, Meta는 기존에 없던 7mm 수준의 폭으로 축소했다. - 이를 위해 배터리 내부 부품의 구조와 제조 방식 대부분을 다시 설계했다. - 금속 캔은 형태를 일정하게 유지하므로 좁은 공간에서도 파우치 셀보다 정밀하게 배치할 수 있다. - 약 10mm 폭의 셀에서 형상 오차를 약 100마이크로미터 수준으로 관리하면, 회수한 공간이 추가 에너지 용량과 사용 시간으로 이어진다. ## 적층 전극으로 낮춘 임피던스 - 기존 스틸 캔 셀은 전극을 말아 만든 ‘젤리 롤’ 구조를 사용한다. - Meta는 전극을 정밀하게 절단해 여러 층으로 쌓는 구조를 적용했다. - 이는 작은 저항들을 병렬로 연결하는 것과 비슷한 효과를 내며, 배터리 임피던스를 크게 낮춘다. - 임피던스가 낮으면 카메라 녹화와 AI 처리처럼 전력 수요가 동시에 커질 때 전압이 급격히 떨어지는 브라운아웃을 줄일 수 있다. ## 세대별 용량 증가와 시스템 효율 - 1세대 Meta Ray-Ban의 배터리 용량은 160mAh였지만 2세대에서는 210mAh로 약 30% 증가했다. - 그러나 제품이 주장한 사용 시간은 약 2배로 늘었고, 이는 배터리 화학 조성의 변화만으로 설명되지 않는다. - 주요 개선 요소는 다음과 같다. - 전력 관리 최적화 - 펌웨어 제어 정밀화 - 더 큰 셀을 넣을 수 있는 제품 구조 - 하드웨어와 소프트웨어 전반의 에너지 효율 개선 ## 양쪽 관자놀이에 배터리를 넣은 Oakley Meta Vanguards - Oakley Meta Vanguards는 양쪽 관자놀이에 각각 배터리를 배치했다. - 두 셀은 대칭적으로 설계됐지만 실제 전자 부하가 좌우에 균등하게 분배되지는 않는다. - 이 때문에 한쪽 배터리가 다른 쪽으로 과도하게 충전되는 교차 충전 위험이 발생할 수 있다. - 부팅과 종료 과정에서도 두 배터리의 충전·방전 순서를 조정해야 하므로 전기, 펌웨어, 기계 설계가 함께 해결해야 하는 문제가 됐다. ## 디스플레이 탑재에 따른 새로운 전력 요구 - Meta Ray-Ban Display 안경은 화면이 추가되면서 가장 demanding한 전력 프로파일을 요구했다. - 카메라나 AI 작업처럼 순간적으로 전력을 많이 쓰는 기능과 달리, 디스플레이는 지속적으로 전력을 소비한다. - 이에 따라 Meta 제품군 중 가장 큰 248mAh 스틸 캔 셀이 설계됐다. - 이는 배터리 용량뿐 아니라 지속 출력 능력과 열·공간 제약까지 함께 고려해야 했음을 의미한다. ## 다른 웨어러블로의 확장 - 초박형 스틸 캔 기술은 스마트 안경 외에도 다양한 Meta 하드웨어 폼팩터에 적용될 가능성이 있다. - Meta는 여러 제조업체가 이 기술을 사용할 수 있도록 생산 규모를 키우고 공급망을 확대하려 한다. - 배터리 개발은 셀 자체의 화학 기술만으로 끝나지 않으며, 제품 설계·전력 관리 소프트웨어·제조 정밀도·규제 준수까지 통합적으로 다뤄야 한다. 작은 웨어러블의 배터리 성능을 높이려면 단순히 더 큰 배터리를 넣는 방식보다, 셀 구조를 제품에 맞게 재설계하고 전력 관리 소프트웨어까지 함께 최적화하는 접근이 효과적이다.

원문 읽기(새 탭에서 열림)
google원문

건강 인사이트의 발견 (새 탭에서 열림)

구글 연구팀은 대규모 검증 연구를 통해 스마트워치가 보행 지표를 정밀하게 추정할 수 있는 매우 신뢰할 수 있는 플랫폼임을 입증했습니다. 이 연구는 기존의 고가 실험 장비나 스마트폰 위치의 제약에서 벗어나, 손목 위 기기만으로 보행 속도와 보폭 등 복합적인 시공간적 보행 지표를 연속적으로 모니터링할 수 있는 기술적 기반을 마련했습니다. 결과적으로 스마트워치는 스마트폰과 대등한 수준의 정확도를 보여주며 비침습적인 건강 관리 및 질병 모니터링 도구로서의 가능성을 확인했습니다. **손목 데이터를 위한 딥러닝 모델 설계** * **다중 출력 TCN 모델:** 기존 연구들이 시점 추정 후 계산 과정을 거치는 것과 달리, 시계열 컨볼루션 네트워크(TCN) 기반의 다중 출력(Multi-head) 모델을 사용하여 모든 보행 지표를 직접 추정합니다. * **입력 데이터 및 전처리:** 사용자의 키(신장) 정보와 픽셀 워치에서 수집한 50Hz 샘플링 속도의 3축 가속도계 및 3축 자이로스코프(IMU) 신호를 결합하여 입력값으로 사용합니다. * **추정 지표:** 보행 속도(Gait speed), 양발 지지 시간(Double support time)과 같은 양측성 지표와 보폭(Step length), 유각기 시간(Swing time), 입각기 시간(Stance time) 등 좌우 각각의 단측성 지표를 동시에 산출합니다. * **오차 최적화:** 서로 다른 단위를 가진 다양한 지표들의 상대적 정확도를 높이기 위해 평균 절대 백분율 오차(MAPE)를 손실 함수로 사용하여 모델을 최적화했습니다. **대규모 임상 연구 및 엄격한 검증** * **방대한 데이터셋:** 미국과 일본의 246명 참여자로부터 수집한 약 7만 개의 보행 세그먼트를 활용해 모델의 성능을 검증했습니다. * **기준 장비(Ground Truth):** 실험실 등급의 보행 분석 시스템인 'Zeno Gait Walkway'를 기준점으로 삼아 스마트워치 추정값의 정확도를 비교했습니다. * **다양한 보행 시나리오:** 6분 걷기 테스트, 빠른 걸음뿐만 아니라 무릎 보조기를 착용하여 인위적으로 비대칭 보행을 유도하는 등 실제 환경에서 발생할 수 있는 다양한 보행 패턴을 포함했습니다. * **교차 검증:** 데이터 누수를 방지하기 위해 특정 참가자의 데이터가 훈련과 테스트에 동시에 포함되지 않도록 5-겹 교차 검증(5-fold cross-validation) 전략을 채택했습니다. **주요 연구 결과 및 성능 분석** * **높은 신뢰도 및 타당성:** 보행 속도, 보폭, 유각기/입각기 시간 등 주요 지표에서 피어슨 상관계수(r)와 내적 상관계수(ICC) 모두 0.80 이상의 우수한 수치를 기록했습니다. * **스마트폰과의 성능 비교:** 스마트폰을 앞뒤 주머니에 넣었을 때의 결과와 비교했을 때, 모든 보행 지표에서 통계적으로 유의미한 차이가 없음을 확인했습니다(p > 0.05). * **양발 지지 시간 측정:** 추적이 까다로운 양발 지지 시간 지표에서도 0.56~0.60의 수용 가능한 신뢰도를 보이며, 손목 기기만으로도 복합적인 보행 분석이 가능함을 보여주었습니다. 이 연구 결과는 스마트워치가 신경계 질환이나 근골격계 상태의 진행 상황을 모니터링하는 데 있어 스마트폰보다 더 실용적이고 일관된 플랫폼이 될 수 있음을 시사합니다. 일상적인 활동 중에도 정확한 보행 데이터를 수집할 수 있으므로, 의료진과 사용자는 임상 방문 사이의 공백 기간 동안 발생하는 건강 변화를 더욱 정밀하게 파악할 수 있을 것입니다.