이지웹 스쿨EasyWeb School
2대 착용 무선 센서 → 1대 USB 게이트웨이 수신2 Wireless Sensors → 1 USB Gateway Receiver

데이터 2대 수신 모드 (1게이트웨이 + 2데이터수집 : 총 3대 필요)2-Sensor Dual Receiver Mode (1 Gateway + 2 Sensors: 3 Boards Total)

신체에 착용한 마이크로비트 2대의 움직임을 무선 라디오로 동시 수집하여 컴퓨터(게이트웨이) 1대로 수신하고, 64개 복합 특징 기반 전신 AI 모델을 제작합니다.Collect synchronized motion from 2 body-worn micro:bits via wireless radio to 1 USB Gateway and create a 64-feature Dual AI model.

🟢 현재 모드: 데이터 2대 수신 (총 3대 필요)🟢 Current Mode: 2 Sensors (3 Boards Total)
⬅️ 1대 단독 센서 모드로 전환 (1대 필요)⬅️ Switch to 1-Board Single Mode
🎯 무선 센서 수신 대수 선택:Select Sensor Count:

💡 2대 수신 모드 (총 3대 필요): 컴퓨터 1번 게이트웨이(USB 수신) + 몸에 착용하는 2대 무선 센서(손목, 발목). 점핑잭, 스쿼트 등 상체·하체 협응 동작에 최적화된 64특징 AI 모델을 제작합니다. 💡 2-Sensor Mode (3 Boards Total): 1 Gateway + 2 Body Sensors (wrist & ankle). Creates 64-feature AI model for fitness.

1단계Step 1

1번 Gateway USB 연결 & 3대 마이크로비트 준비Connect Gateway USB & Prepare 3 Micro:bits

1·2·3번 보드에 펌웨어를 설치하고, 1번 Gateway를 컴퓨터에 USB로 연결하여 실시간 무선 신호를 수신하세요.Install firmware on boards 1, 2, and 3, then connect Board 1 Gateway via USB.

🔌 USB Connection Hub

1번 Gateway(수신 허브) 컴퓨터 연결Connect Board 1 Gateway to PC

연결 안 됨Disconnected

아직 Gateway를 연결하지 않았습니다. 1번 Gateway 보드를 USB로 연결하세요.Gateway is not connected yet. Connect Board 1 Gateway via USB.

📡 3대 마이크로비트 무선 연결 상태도 총 관측: 0.0 Hz
💻 내 컴퓨터
WebSerial / WebUSB 115200 bps
➔
📟 1번 게이트웨이
USB 수신 허브 연결 대기
↔
🖐️ 2번 센서 1
오른쪽 손목 (Radio) 0.0 Hz (수신 대기)
↔
🦵 3번 센서 2
오른쪽 발목 (Radio) 0.0 Hz (수신 대기)
🚀

1·2·3번 마이크로비트 프로그램 다운로드 & 바로 설치Download & Direct Flash for Boards 1, 2, and 3

각 보드별 1-클릭 USB 바로 설치 및 .hex 파일 다운로드를 지원합니다.Supports 1-click USB flash and .hex download for each board.

💡
추천 설치 순서: 3번 ➔ 2번 ➔ 1번 (여러 대가 동시에 연결되어 있어도 각각 바로 설치 가능!)Recommended Order: 3 ➔ 2 ➔ 1 (Multiple boards can be flashed simultaneously!)
컴퓨터에 여러 대의 마이크로비트(예: 1번과 2번)가 동시에 꽂혀 있어도, 각 카드의 [⚡ 바로 설치]를 누르면 나타나는 USB 장치 선택 창에서 해당 보드를 골라 각각 바로 설치할 수 있습니다.
• 추천 순서: 3번 설치 ➔ 2번 설치 ➔ 1번(Gateway) 설치 후 케이블을 뽑지 않고 그대로 PC에 두면 즉시 실시간 수신이 시작됩니다.

기본 73번으로 즉시 준비되어 있습니다. 다른 번호를 쓰려면 숫자를 바꾸고 ‘설치 준비’를 누르세요.Ready with default 73. Change number and click 'Prepare' if needed.

3

3번 · 무선 센서 2Board 3 · Sensor 2

자유 착용 센서 (25Hz 고속 송신)

발목, 다리, 허리 등에 착용하는 센서입니다. LED에 숫자 3이 표시되며, 설치 후 분리하여 착용합니다.Wear on ankle, leg, waist, etc. LED shows 3; unplug and wear after flash.

📥 3번 .hex 파일 다운로드Download .hex
SHA-256 fc88491805ddedaf33d3918e05eedcb10513906d704b71fdad2533320eb35e30
2

2번 · 무선 센서 1Board 2 · Sensor 1

자유 착용 센서 (A버튼 원격 제어)

손목, 팔, 목, 가슴 등에 착용하는 센서입니다. LED에 숫자 2가 표시되며, 설치 후 분리하여 착용합니다.Wear on wrist, arm, neck, etc. LED shows 2; unplug and wear after flash.

📥 2번 .hex 파일 다운로드Download .hex
SHA-256 c29ca43c526ecc0b3333d2c889f1876d6b3bf1ec718be611cd0937dbf36465a3
1

1번 · USB GatewayBoard 1 · USB Gateway

수신 전용 허브 (PC 연결 유지 🌟)

2번·3번 무선 신호를 받아 PC로 전달합니다. LED에 숫자 1이 표시되며, 설치 후 분리 없이 PC 연결을 유지합니다.Receives 2/3 radio signals and sends to PC. LED shows 1; keep connected to PC!

📥 1번 .hex 파일 다운로드Download .hex
SHA-256 ca4950f5fbb63a9613860b9c057c935b44dd3b25a652ad90d55dcb3e51dc2a4d
💡
설치 팁 & 마이크로비트 드라이브 직접 옮겨넣기(Drag & Drop) 안내Installation Tip & Direct USB Drive Drag-and-Drop
1. [⚡ 바로 설치]를 누르면 크롬/엣지 브라우저에서 USB로 1초 만에 자동 설치됩니다.
2. 만약 자동 설치 창이 뜨지 않거나 원활하지 않을 경우: [📥 .hex 파일 다운로드]를 누른 뒤, 컴퓨터 파일 탐색기/Finder의 MICROBIT 드라이브로 다운로드된 파일을 직접 마우스로 복사/옮겨넣기(드래그 앤 드롭)하면 즉시 설치가 완료됩니다! 1. [⚡ Flash] installs in 1 second via WebUSB.
2. If WebUSB doesn't pop up: Click [📥 Download .hex] and drag the file directly into the MICROBIT USB drive on your computer!

공통 Radio 그룹 73으로 설치 준비가 되었습니다. 각 보드를 USB로 연결 후 바로 설치하거나 .hex를 다운로드하세요.Ready to install with Radio group 73. Connect each board by USB to flash or download .hex.

2단계Step 2

2대 마이크로비트 착용 부위 & 위치 설정Configure 2-Board Body Placements

기본값(오른쪽 손목/발목) 외에도 양손, 머리, 허리, 가슴 등 원하는 부위로 자유롭게 선택할 수 있습니다.Customize body locations such as Dual Hands or Head/Waist.

🖐️ 2번 보드 (무선 센서 1) A버튼 원격 제어 탑재
🦵 3번 보드 (무선 센서 2) 25Hz 고속 송신
+1.0G 중력 Y축 2 🖐️ 2번 손목 3 🦵 3번 발목
🧍 차렷 자세 기준 착용도🧍 Standing Attention Baseline
🖐️ 2번 보드 (오른쪽 손목)🖐️ Board 2 (Right Wrist) A버튼 원격 수집Remote A-Btn
⬆️ USB 팔꿈치(하늘) 방향 🔴 녹화버튼 ⬇️ 골드핀 손끝(바닥) 방향
  • 착용 부위Location: 오른쪽 손목 바깥쪽 (스마트워치 자리)Right wrist outer surface
  • LED 화면LED Display: 손등/하늘 방향Facing hand back / sky
  • USB 단자USB Port: 팔꿈치(하늘/위쪽) 방향Points to Elbow / Upward
🦵 3번 보드 (오른쪽 발목)🦵 Board 3 (Right Ankle) 라디오 무선 센서Radio Stream
⬆️ USB 무릎(하늘) 방향 ⬇️ 골드핀 지면(바닥) 방향
  • 착용 부위Location: 오른쪽 발목 바깥쪽 (복사뼈 위)Right ankle outer surface
  • LED 화면LED Display: 정면(앞쪽) 방향Facing forward
  • USB 단자USB Port: 무릎(하늘/위쪽) 방향Points to Knee / Upward
🧍
1. 차렷 자세 기준 (중력 +1G)1. Standing Baseline (+1G)

팔을 자연스럽게 내리고 선 차렷 자세가 기본 '정지' 기준(+980mg)이 됩니다.Standing straight with relaxed arms is the resting baseline (+980mg).

⬆️
2. USB 포트는 항상 하늘(위쪽)2. USB Always Upward

손목과 발목 모두 USB 단자가 하늘(팔꿈치/무릎)을 향해야 상하 가속도가 일치합니다.Both boards have USB ports pointing upward (elbow/knee).

🎯
3. 흔들림 없는 탄탄한 밀착 고정3. Snug Strap & Zero Shake

점핑이나 스쿼트 시 센서가 헐렁하게 헛돌지 않도록 스트랩 밴드를 밀착 고정합니다.Fasten straps snugly to prevent wobbling or twisting during movement.

🔒

💡 센서 밀착 고정 & 위치 불변 체크리스트 (인식률 100% 비결)💡 Sensor Fastening & Stability Checkpoints (For >95% Accuracy)

1 헐렁거림 방지 (단단한 밴드 밀착)No Loose Fit (Snug Straps)

센서가 헐렁하면 점프나 회전할 때 센서 혼자 덜렁거리며 가속도 노이즈가 심해집니다. 스트랩을 살에 팽팽히 밀착 고정해 주세요.Loose sensors shake independently during jumps, causing noise spikes. Fasten straps snugly.

2 수집과 테스트의 위치·각도 일치Consistent Location & Angle

데이터를 수집(학습)할 때 착용한 부위/각도와 나중에 테스트(게임)할 때의 착용 상태가 똑같아야 AI가 최고 정확도로 판정합니다.The sensor position and orientation during test/gameplay must strictly match training.

3 중간에 위치가 돌아가지 않게 주의Prevent Twisting During Activity

격렬한 동작 도중 센서가 손목 안쪽이나 발목 뒤쪽으로 돌아가지 않도록 벨크로를 꼼꼼히 채워주세요.Check that high-energy movement doesn't twist the board around the limb.

2 3 +1.0G
🧍 1. 정지 (차렷 기립)🧍 1. Rest (Standing)

양팔을 편안히 내리고 곧게 선 상태. 중력(+980mg)이 Y축에 안정적으로 걸립니다.Relaxed standing posture. Gravity (+980mg) aligned to Y-axis.

2 3
🏃 2. 점핑잭 (팔벌려뛰기)🏃 2. Jumping Jacks

팔을 머리 위로 힘차게 벌렸다 내리며 점프. 손목의 횡포물선과 발목의 착지 충격파 발생!Spread arms overhead and jump. High arm amplitude and ankle ground impact!

2 3
🧘 3. 스쿼트 (앉았다 일어나기)🧘 3. Squats

팔을 앞으로 뻗어 균형을 잡고 무릎을 굽힘. 발목 전방 각도 변화와 수직 가속도 발생!Extend arms forward and bend knees. Ankle forward tilt and smooth elevation curve!

1 2.4GHz 무선
💻 1번 Gateway (무선 수신)💻 1. Gateway (Radio Hub)

컴퓨터 USB로 직결되어 2번(손)과 3번(발) 무선 신호를 25Hz 타임그리드로 통합 수신!Plugged via USB to capture 2-sensor wireless streams into 25Hz time grid!

3단계Step 3

실시간 듀얼 센서 파형 수집 & 인터랙티브 편집 스튜디오Live Dual Waveform Studio & Interactive Trimmer

대형 듀얼 그래프를 직접 보면서 모션을 녹화하고, 파형을 시각적으로 확인·다듬어 AI 데이터셋을 구축하세요.Record motions directly on live dual graphs, and visually inspect and trim waveforms.

🖐️ 2번 센서 (손목) X:— Y:— Z:— 0.0 Hz 대기
🦵 3번 센서 (발목) X:— Y:— Z:— 0.0 Hz 대기
X축Y축Z축

Gateway를 연결한 뒤 녹화를 시작할 수 있습니다. (2번 HAND 보드의 A버튼으로도 원격 수집 가능)Connect the Gateway before starting. (Board 2 HAND A button can trigger remote recording)

🖐️ 2번 센서 1 (손목/팔) 공통 축척Shared scale ±2,000 mg
이 브라우저는 실시간 그래프를 표시할 수 없습니다.This browser cannot display the live graph.
🦵 3번 센서 2 (발목/다리) 공통 축척Shared scale ±2,000 mg
이 브라우저는 실시간 그래프를 표시할 수 없습니다.This browser cannot display the live graph.

📂 수집된 동작별 파형 데이터셋Saved Motion Waveform Datasets

0건

아직 저장된 녹화가 없습니다. 위의 수집 버튼이나 2번 시계의 A 버튼을 눌러 모션을 수집하세요!No recordings saved yet. Start collecting motions above or press Button A on Board 2!

진단Diagnostic

🔧 개발자 연구 진단: 원본 패킷 JSON 기록기Raw JSON Packet Diagnostic Logger

4단계Step 4

64개 특징 추출 및 Dual kNN AI 모델 학습64-Feature extraction & Dual kNN model training

HAND(32) + LEG(32) 독립 센서의 64개 특징을 1초 슬라이딩 윈도우로 추출하여 Dual kNN 모델을 학습합니다.Extracts 64 features from HAND(32) and LEG(32) with a 1s sliding window to train a Dual kNN model.

⚙️ 머신러닝 하이퍼파라미터 정밀 튜닝⚙️ ML Hyperparameter Tuning Suite

동작의 특성에 맞게 윈도우 크기, 이웃 수(k), 신뢰도 임계값을 조절하여 AI 모델의 정확도와 반응성을 최적화합니다. Tune sliding window, k-neighbors, and confidence threshold to optimize model accuracy and responsiveness.

⏱️ 슬라이딩 윈도우 크기 (Sliding Window, 한 번에 볼 시간 길이) ⏱️ Sliding Window Size (Window Length) 1.0초
정밀 조절:Slider: 1.0초
💡 자세히 (개념 및 높임/낮춤 가이드)💡 Details & Tuning Guide ▼
📖 쉬운 개념 설명:📖 Concept: AI가 실시간 센서 신호를 돋보기 창(Window)으로 한 번에 잘라내어 관찰하는 시간 길이(초)입니다. The time duration (seconds) of the observation window used by the AI to extract features.
📉 값을 낮추면 (0.4초 ~ 0.6초):📉 When Lowered (0.4s ~ 0.6s): 찰나의 순간만 보므로 반응 속도가 매우 빠르고, 펀치·박수·스매시 같은 짧은 폭발적 동작을 놓치지 않습니다. (단, 시작이 비슷한 긴 동작은 헷갈릴 수 있음) Extremely fast response for instantaneous burst motions (punches, claps).
📈 값을 높이면 (1.5초 ~ 2.5초):📈 When Raised (1.5s ~ 2.5s): 동작의 준비-정점-마무리 전체 궤적을 여유롭게 관찰하므로 스쿼트·태권도·댄스 등 복합적이고 긴 동작을 아주 정밀하게 구별해냅니다. Observes complete motion trajectories for accurate recognition of long/complex motions.
👥 k-최근접 이웃 수 (k-Nearest Neighbors, 다수결로 물어볼 표본 개수) 👥 k-Nearest Neighbors (k-Value) k = 3
💡 자세히 (개념 및 높임/낮춤 가이드)💡 Details & Tuning Guide ▼
📖 쉬운 개념 설명:📖 Concept: 새 동작이 들어왔을 때, 과거 학습 데이터 중 가장 닮은 이웃 몇 명(k명)에게 '너 무슨 동작 같아?'라고 물어보고 다수결 투표로 결정할 표본의 수입니다. The number of closest past training samples consulted for majority voting.
📉 값을 낮추면 (k = 1 ~ 2):📉 When Lowered (k = 1 ~ 2): 가장 닮은 1~2개만 보고 즉시 결정하므로 적은 데이터로도 민감하게 반응합니다. (단, 우연히 튄 노이즈 1개에도 판정이 흔들릴 수 있음) Fast and sensitive with few samples, but susceptible to noise and outliers.
📈 값을 높이면 (k = 5 ~ 9):📈 When Raised (k = 5 ~ 9): 여러 이웃의 의견을 종합하여 결정하므로 센서 노이즈에 강하고 매우 안정적입니다. (단, 동작마다 충분한 녹화 표본이 있어야 다수결이 성립함) Robust against sensor noise via collective voting; requires more training samples.
🎯 판정 신뢰도 임계값 (Confidence Threshold, 동작 인정 최소 일치율) 🎯 Confidence Threshold (Agreement Cutoff) 60%
💡 자세히 (개념 및 높임/낮춤 가이드)💡 Details & Tuning Guide ▼
📖 쉬운 개념 설명:📖 Concept: 다수결 투표에 참여한 이웃들의 일치율이 최소 몇 % 이상이어야 진짜 그 동작으로 인정할 것인가를 정하는 '합격 커트라인'입니다. (미달 시 판정 불가/Unknown 처리) The minimum agreement cutoff percentage required to confirm a classification.
📉 값을 낮추면 (40% ~ 50%):📉 When Lowered (40% ~ 50%): 커트라인을 낮추어 자세가 조금 흐트러지거나 흔들려도 유연하게 감지합니다. (단, 엉뚱한 자세를 취해도 오인식될 확률이 늘어남) More forgiving of loose or imperfect body postures; higher false positive chance.
📈 값을 높이면 (75% ~ 90%):📈 When Raised (75% ~ 90%): 이웃들의 몰표를 받은 확실한 경우에만 인정하므로 오작동과 헷갈림을 철저히 차단합니다. (단, 자세를 칼같이 취하지 않으면 판정 불가로 뜸) Strict validation filter; eliminates false classifications but requires high precision.
5단계Step 5

실시간 Dual 동작 판정 (Live Prediction) & 모델 테스트Live Dual motion inference & Test

Gateway에서 실시간으로 들어오는 2대 융합 센서 데이터를 학습된 64특징 Dual AI 모델로 약 250ms마다 즉시 판정하고 테스트합니다.Evaluates live incoming fused streams every ~250ms with the trained Dual AI model.

1️⃣ 2대 센서 실시간 입력 파형1️⃣ Live Dual Stream Input
🖐️ 2번: — 🦵 3번: —
🖐️ 2번 센서 1 (오른쪽 손목)0 Hz
🦵 3번 센서 2 (오른쪽 발목)0 Hz

💡 2대의 마이크로비트를 착용하고 함께 움직여 실시간 가속도 신호가 동시에 들어오는지 확인하세요.💡 Move both micro:bits simultaneously to verify live incoming data.

🧠 실시간 Dual AI 모델 동작 판별🧠 Live Dual AI Classification ⚡ 64특징 융합 추론⚡ 64-Feature Live Inference

Dual AI 모델을 학습하면 이곳에 실시간 동작 판정 및 모든 클래스별 일치율(Agreement) 미터가 표시됩니다.Train the Dual AI model to see real-time motion predictions and agreement meters.

실시간 입력 품질Live stream quality

Gateway 대기 중Waiting for Gateway

활용Export

Dual AI 모델 활용 및 파일 다운로드Export Dual AI Model & Files

학습된 64특징 Dual AI 모델로 1초 만에 웹페이지를 만들거나, 핵심 파일 및 연구용 데이터셋을 다운로드하세요.Create a web project in 1s or download model and datasets.

⭐ 중요 핵심 파일⭐ Key Essential Files

웹 프로젝트, AI 런타임 연동, 엔트리(Entry) 학습에 필요한 가장 중요한 3개 파일입니다.Top 3 files for web projects, AI runtime, and Entry.

🧠
AI 모델 파일 (.json)AI Model File (.json)

easyweb-microbit-dual-model.json

64특징 kNN 학습 모델 & 착용 부위 메타데이터 포함64-feat kNN model with placement metadata

⚡
AI 런타임 라이브러리 (.js)AI Runtime Script (.js)

easyweb-microbit-dual-ai.js

웹페이지용 25Hz 실시간 64특징 추출·판정 엔진Web 25Hz live feature & inference engine

🧩
엔트리(Entry) 학습 테이블 (.csv)Entry AI Table (.csv)

entry-table.csv

엔트리 인공지능 블록 학습/데이터 분석 직접 업로드용Uploadable to Entry AI block learning

🔽 추가 데이터셋 및 연구/분석용 개별 파일 다운로드 (64특징, 원본 CSV, 모델 카드, 종합 ZIP)🔽 Additional datasets & individual files (64-feat, Raw CSV, Model card, Full ZIP)
📊
features-64.csv 1초 슬라이딩 윈도우에서 추출된 64개 특징 벡터 표본 데이터셋64-feature vector sample dataset
📈
fused-samples.csv 25Hz 공통 타임그리드로 융합·정렬된 X·Y·Z 시계열 데이터25Hz time-grid aligned time series
🖐️
raw-hand-stream.csv 2번 무선 센서 1에서 전송된 원본 가속도 시계열 스트림Raw stream from Board 2 (Hand)
🦵
raw-leg-stream.csv 3번 무선 센서 2에서 전송된 원본 가속도 시계열 스트림Raw stream from Board 3 (Leg)
📋
model-card.md 모델 성능, 착용 부위 가이드, 64특징 구조가 정리된 설명서Model performance & placement card
⚙️
manifest.json 번들 스키마 및 파일 체크섬 무결성 명세서Bundle manifest & checksum specification
📄
README.txt 패키지 종합 사용 안내 텍스트 문서Package readme text document
📦
Dual AI 종합 ZIP (9개 전체 파일 압축)Dual AI Comprehensive ZIP (All 9 files) 위의 모든 9개 파일이 포함된 교육용 종합 ZIP 패키지ZIP archive containing all 9 files above

※ Dual AI 모델(64특징)은 2대 센서의 움직임을 융합하여 판정합니다.※ Dual AI model (64 features) evaluates fused multi-sensor movements.

🎓

다운로드한 Dual AI 파일은 어디서 어떻게 활용하나요?How to use each downloaded Dual AI file in projects?

가장 추천 · 64특징 웹 프로젝트Recommended · Dual Web
📦 Dual AI 종합 ZIP (9개 파일)

model.json(64특징) + easyweb-microbit-dual-ai-runtime.js + index.html 스타터 템플릿 + 모델 성능 카드가 모두 포함되어 있습니다. 압축을 풀고 index.html을 열면 2대 융합 모션 인터랙션이 즉시 실행됩니다.Includes 64-feat model, dual standalone runtime, and starter template. Unzip and run index.html.

AI 바이브 코딩 · 웹 코딩Vibe Coding · Web
🧠 Dual 모델 JSON (model.json)

ChatGPT, Claude, Cursor 또는 이지웹 AI 채팅에 요청하여 점핑잭, 스쿼트, 복싱 피트니스 게임을 만들어보세요:Prompt ChatGPT/Claude with your dual model.json to generate full-body fitness games:

"내가 micro:bit 2대로 점핑잭/스쿼트 전신 AI 모델(model.json)을 만들었어. 점핑잭을 하면 점수가 오르고 스쿼트를 하면 방어막이 켜지는 캔버스 피트니스 게임을 만들어줘!"
엔트리 파이썬 & PythonEntry Python & Python
🧩 엔트리(Entry) & 파이썬 연동

엔트리 파이썬이나 Python에서 json.load()로 모델을 읽어, Gateway USB로 들어오는 2대 융합 가속도를 kNN으로 분류하고 엔트리 캐릭터를 전신 동작으로 조종할 수 있습니다.Load model in Entry Python or Python to classify 2-board streams and control Entry characters.

엑셀 · 과학 탐구 보고서Excel · Data Science
📊 원본·특징 데이터셋 (JSON/CSV)

손목과 발목의 시계열 원본과 추출된 64개 특징 벡터를 Excel 또는 Pandas로 분석하여 두 부위의 운동 협응성 탐구 보고서를 작성할 수 있습니다.Analyze multi-body coordination time-series in Excel or Google Sheets for scientific papers.