(실습) 스마트폰 센서 데이터 시각화 및 분석
1. 실습 개요 및 목표
- 목표
- 스마트폰에 내장된 다양한 센서를 통해 물리 세계의 정보가 어떻게 디지털 신호로 변환되는지 이해한다.
- 물리 AI(Physical AI)와 로보틱스의 관점에서 볼 때, “기계가 어떻게 세상을 읽어내는가”를 이해하는 기초를 습득한다.
- 핵심 개념
- 변환 기기(Transducer)로서의 센서 역할, 실시간 모니터링, 데이터 시각화
2. 실습 준비 (앱 추천)
- 센서의 동작 프로세스(감지 → 변환 → 처리)를 가장 직관적으로 체감할 수 있는 도구가 바로 스마트폰
- 스마트폰에 내장된 고성능 센서 데이터에 직접 접근하여 이를 실시간으로 시각화해 주는 강력한 오픈소스 앱
- Phyphox
- 개요
- Android/iOS 공통
- 독일 아헨 공대 개발, 교육용으로 매우 강력, ‘연구와 커스터마이징’에 특화된 학술적 도구
- 물리 AI나 로보틱스를 공부할 경우 Phyphox가 더 매력적
- 센서의 동작 원리를 파고드는 ‘연구용 워크스테이션’
- 특징 / 장점: 원격성과 개방성
- 웹 인터페이스
- 스마트폰을 로봇 차체에 매달아 두고, 멀리 떨어진 PC 브라우저에서 실시간으로 가속도 그래프를 볼 수 있음
- 이는 센서가 ‘데이터를 송신하는 노드’ 역할을 하는 실제 IoT 환경과 매우 흡사함
- 실험 에디터
- 단순히 데이터만 보여주는 게 아니라, “가속도 데이터에 특정 계수를 곱해 힘(\(F=ma\))으로 변환해서 보여줘” 같은 로직을 앱 내에 미리 심어둘 수 있음
- 선택 가이드
- 센서 데이터를 PC로 받아와서 분석하거나 알고리즘을 테스트하고 싶을 때 추천
- 단순 측정을 넘어 수식 보정이 들어간 ‘나만의 가상 센서’를 만들고 싶을 때
- 오픈 소스 정신을 선호하며 광고 없는 깨끗한 환경을 원할 때
- Physics Toolbox Sensor Suite
- 개요
- Android/iOS 공통
- ‘빠르고 직관적인 확인’에 최적화된 현장용 도구
- 현장에서 즉각적으로 센서의 상태를 점검해야 할 때는 Physics Toolbox가 유리
- 다재다능한 ‘디지털 멀티미터’
- 특징 / 장점: 편의성과 신속성
- 직관적인 모드
- ‘롤러코스터 모드’, ‘색채 분석기’ 등 특정 상황에 맞춘 프리셋이 잘 되어 있어 별도 설정 없이 바로 측정 가능
- 멀티 센서 뷰
- 여러 센서의 값을 한 화면에서 동시에 모니터링하기에 조금 더 정돈된 UI를 제공
- 선택 가이드
- 지금 당장 내 주변의 소음도(dB)나 조도(Lux)를 빠르게 확인해야 할 때
- 복잡한 설정보다는 깔끔한 UI에서 직관적으로 데이터를 보고 싶을 때
3. Phyphox 기반 실습
3.1 실습 소개: 내 손안의 물리 실험실
- 스마트폰은 현대 기술이 집약된 센서 덩어리
- 가속도, 자이로스코프, 조도, 기압, 자기장 센서 등이 이미 내장되어 있음
- 실습 내용
- Phyphox를 활용해 스마트폰을 하나의 데이터 로거(Data Logger)로 변환
- 눈에 보이지 않는 물리 현상이 어떻게 디지털 숫자로 바뀌어 화면에 그려지는지 확인
3.2 실습 의의: ‘트랜스듀서’의 이해
- 추상적 개념의 구체화
- ‘신호 변환(Transduction)’이라는 어려운 개념을 실제 스마트폰의 움직임과 그래프의 변화를 통해 즉각적으로 매칭시킬 수 있음
- 물리-디지털 연결성
- 로봇이나 AI 에이전트가 외부 세계와 상호작용하기 위해 반드시 거쳐야 하는 ‘데이터의 탄생 과정’을 엔지니어의 시각으로 바라보게 함
- 데이터 리터러시
- 단순한 결과값이 아닌, 노이즈가 섞인 ‘Raw Data’를 직접 다루며 데이터 필터링과 시각화의 중요성을 깨닫게 함
3.3 실습: 가속도 센서 활용 ‘자유낙하 및 충격’ 측정
- [1단계] 준비 및 센서 활성화
- 스마트폰에 Phyphox 앱 설치
- Phyphox 앱 실행
- [2단계] 스마트폰에 설치된 센서 종류 확인하기
- Phyphox에서 나오는 센서의 목록은 각 스마트폰에 따라 변하는 가변 목록임
- 목록 중에는 물리적 실체는 없지만, 여러 센서의 데이터를 조합해 만든 ‘가상 센서’들도 포함
- 예: Linear Acceleration (선형 가속도)
- 물리적으로는 ‘가속도 센서’ 하나
- ‘자이로스코프’ 데이터를 결합하여 중력 가속도($9.8m/s^2$)를 수학적으로 제거하고 순수하게 움직이는 힘만 보여주는 일종의 소프트웨어적 신호 처리 결과물
- 가상 센서들은 하드웨어 감지부와 신호 처리부(Signal Processing)의 협업으로 탄생함
- [3단계] 물리적 센서 정보 확인하기
- 메뉴에서 특정 센서(예: Accelerometer) 선택
- 우측 상단 점 세 개(\(\vdots\)) 아이콘을 누르고 ‘Sensor Info’ 선택
- 해당 센서의 제조사(Vendor), 모델명, 전력 소모량, 분해능(Resolution) 등 실제 하드웨어 사양이 나타남
- 이 단계가 나오지 않는 경우,
- 제일 첫 화면에서 우측 상단의 🛈 아이콘을 클릭하고 “Device info” 선택
- 스마트폰의 하드웨어 사양과 설치된 전체 센서의 사양이 나타남
- [4단계] 실시간 모니터링 (Transduction 확인)
- 메뉴에서 ‘Acceleration with g’ (중력 가속도 포함) 또는 ‘Linear Acceleration’ (순수 가속도)을 선택
- 이 단계는 향후 배울 감지부(Sensing Element)가 외부의 물리적 힘(관성)을 받아들일 준비를 하는 단계
- 화면의 ‘Run(▶)’ 버튼을 누름
- 스마트폰을 손에 쥐고 상하좌우로 천천히 흔들어 보기
- 스마트폰의 물리적 움직임이 실시간으로 축(x, y, z)의 파형으로 변환되는 것을 확인
- 관찰 포인트
- 이것이 트랜스듀서(변환부)가 운동 에너지를 전기 신호로 바꿔 숫자로 뿌려주는 과정
- Graph 메뉴 외의 Absolute, Multi, Simple 메뉴도 확인
- [5단계] 데이터 수집 (실험 수행)
- 스마트폰을 푹신한 쿠션 위로 살짝 떨어뜨리거나, 손으로 빠르게 낚아채기
- 스마트폰의 물리적 움직임이 실시간으로 축(x, y, z)의 파형으로 변환되는 것을 확인
- 원리 이해:
- 낙하 시에는 가속도가 0에 가까워지고(무중력 상태),
- 쿠션에 닿는 순간 급격한 양(+)의 가속도가 발생함
- 감지부가 느낀 이 ‘충격’이 신호 처리부에서 증폭 및 ADC(아날로그-디지털 변환) 과정을 거쳐 그래프의 정점(Peak)으로 표현됨
- [6단계] 데이터 시각화 및 분석
- 측정을 멈추고 그래프의 특정 부분을 확대
- 데이터 해석
- 노이즈:
- 가만히 두어도 그래프가 미세하게 떨리는 것은 신호 처리부에서 다 거르지 못한 전기적/물리적 잡음
- 해상도:
- 그래프를 최대한 확대했을 때 숫자가 바뀌는 최소 단위를 통해 ADC의 정밀도를 가늠해 볼 수 있음
- [7단계] 데이터 내보내기 (Digital Output)
- 오른쪽 상단 메뉴에서 ‘Export Data’를 선택
- 엑셀(CSV)이나 Excel 형식으로 공유하여 PC로 보내거나 스마트폰에서 직접 확인
- Excel 형식의 경우, Raw Data, Metadata Device, Metadata Time 등의 데이터 시트를 확인할 수 있음
- CSV 형식일 경우, Raw Data.csv, device.csv, time.csv의 파일을 확인할 수 있음
- 의의
- 센서 내부에서 가공된 디지털 데이터가 외부 시스템(AI 모델이나 Ops 서버)으로 전달될 수 있는 ‘최종 산출물’이 되었음을 의미
4. 핵심 개념 정리
| 핵심 개념 | Phyphox 실습에서의 모습 | | 스마트폰 내부의 MEMS 소자가 물리적 가속도를 전기적 전압으로 바꾸는 과정 |
| 초당 수십~수백 번씩 업데이트되는 파형을 통해 물리량의 변화를 즉각 포착 |
| 복잡한 전기적 수치를 사람이 이해할 수 있는 2차원 그래프( vs )로 변환 |
- 이 실습으로 단순히 “가속도가 측정된다”가 아니라
- “내 스마트폰 내부의 MEMS 구조체가 관성에 의해 휘어지고, 그 저항값 변화가 ADC를 거쳐 지금 내 화면에 9.8이라는 숫자로 찍히고 있구나”라는 엔지니어링적 통찰을 경험해 볼 수 있음
