혼합 밀도 신경망과 심층 컨볼루션 신경망을 이용한 복수의 사전 파지 자세 추정 방법

Abstract

본 논문은 신경망 기반 기계학습 방식인 딥러닝(Deep Learning)을 로봇 분야에 적용하여 물체의 파지 자세를 추정하는 방법을 제시한다. 딥러닝을 적용한 음성인식의 오류율이 크게 개선된 것을 계기로 다양한 분야에서도 적용되고 있으며, 이후 이미지 분류 분야에서 또한 빠르게 적용되고 있는 추세이다. 위에서 언급한 음성인식과 이미지 분류 분야는 하나의 입력이 주어졌을 때, 하나의 정답을 제시하는 구조로 설계되어 있다. 그러나 본 논문에서 풀고자 하는 파지 자세 추정에서는 하나의 물체에 해당하는 잡을 수 있는 파지 자세가 복수로 존재한다. 이를 해결하기 위하여 본 논문에서는 가우시안 혼합 모델(Gaussian Mixture Model)을 출력으로 하는 MDN(Mixture Density network)을 적용하여 하나의 입력에 대한 복수의 정답을 출력으로 제시한다. 그리고 제시하는 신경망 구조의 학습을 적은 양의 데이터로 신뢰도 있게 학습하기 위하여 사전학습을 수행한다. 사전학습에서는 비교적 취득하기 쉬운 물체만 존재하는 이미지를 수집하고 그를 이용하여 물체가 어디에 위치해 있는가를 찾는 학습을 수행한다. 이를 통하여 이미지에 관련된 계층들을 미리 학습하여 이후 지도 학습의 초기 가중치로 적용한다. 또한, 딥러닝 방식을 적용하기 위해서 필요로 하는 대규모 학습 데이터를 수집하는 방법에 대하여 논한다. 모션 캡쳐 장비를 이용하여 로봇 손의 파지 위치를 취득한다. 취득한 데이터를 로봇 시스템에서의 좌표와 일치시키기 위하여 RANSAC(Random sample consensus)을 이용한 캘리브레이션을 수행한다. 이를 통하여 로봇 시스템에서의 파지 위치를 취득하고 물체를 직접 잡는 자세가 아닌, 물체를 잡기 직전 자세를 사전 파지 자세로 정의하여 다량의 데이터를 쉽게 취득할 수 있는 방법을 제시한다.