계층적 특징학습을 기반으로 하는 강건한 로봇 파지

Abstract

강건한(Robust) 로봇 파지(Robotic Grasping)는 산업용 로봇에서부터 인간과 상호작용하는 개인용 로봇(Personal Assistance Robot)에 이르기까지 다양한 분야 로봇에게 요구되는 가장 기본적인 기능이면서 여전히 해결해야할 문제가 많은 분야이다. 로봇 파지를 실생활에 활용하려면 로봇이 본적 없는 모르는 물체도 파지할 수 있어야 한다. 이를 달성하기 위한 가장 효과적인 방법은 기계 학습을 활용하여 다양한 물체에서 파지하기 좋은 영역이 가지는 특징을 학습하는 것이다. 로봇 파지는 인식과 탐색을 모두 필요로 한다. 전체 탐색 영역에서 파지 가능한 영역을 인식하는 동시에 탐색하는 관심 영역의 파지 가능성 정도를 학습한 특징을 기준으로 수치화해서 가장 확률이 높은 영역을 파지 영역으로 선택한다. 본 논문에서는 로봇 파지에 인식분야에서 가장 뛰어난 성능을 보이는 Deep Learning을 적용하여 로봇 파지를 구현하였고, 인식 비전문가도 큰 어려움 없이 특징을 설계해서 좋은 성능을 얻을 수 있도록 하였다. 또한 독립 성분 분석(Independent Component Analysis)기법으로 사전 처리한 훈련 데이터로 인공 신경망을 학습시켜 좀 더 확률 높은 파지 영역을 탐지할 수 있게 하였다. 성능 평가에서 인식률 못지않게 중요한 파지 영역 탐지 시간을 줄이기 위해 RGBD 영상에서 물체를 영상 분할(Segmentation)하여 얻은 물체의 주축 방향을 활용하여 탐지 시간을 줄일 수 있는 방법을 제안하였고 이를 통해 강건한 로봇 파지를 구현할 수 있었다.