forearm torsion을 측정하는 것은 VR 및 피트니스와 같은 다양한 응용 분야에서 인간 동작을 추적하기 위해 중요한데 단순한 특징 하나가 아닌 복합적인 움직임을 인식해야 하므로 측정이 비교적 어렵다. 또한 인공지능을 기반으로 한 4차 산업혁명 시대에 진입하면서 개인이 손쉽게 데이터를 얻고 의미 있는 결과를 얻기도 한다. 본 연구에서는 저항 스트레인 센서에서 얻은 변형 데이터를 forearm 회전 각도로 변환하였다. 센서 물성을 분석한 후, 변형과 회전 각도 간의 관계를 설명하기 위해 두 가지 유형의 모델링을 수행하였다. 추측 각도와 IMU 데이터를 비교하여 정확성을 검증하고 LSTM 모델을 사용하여 다섯 가지 forearm 동작을 분류했다. 검증 결과는 예상된 각도와 IMU 데이터 간의 결정 계수가 0.9888로 나타나고 수준의 유사성을 보여 주었다. 이어서 두 모델링 각도 분석을 위해 Static, Dynamic한 상황에서 비교 분석하였다. 센서의 초기 값 변동으로 인한 오류를 없애기 위하여 초기 값 보정 알고리즘을 추가하여 비교하였다. 이 후 추측된 각도의 딥 러닝 결과는 Cylinder 모델에 대해 90.60%의 정확성을 보이고, Truncated Cone 모델에 대해 92.84%의 정확성을 보였다. 실험값 없이 수식적인 모델로 결과를 추정했다는 의의를 가지며 Torsion 운동 및 모션 측정 및 분류가 가능하면서 Soft한 인장센서의 다양한 활용이 기대된다.