Core Concepts
자율 드론 레이싱에서 동적 조명 환경에 강건한 게이트 감지를 위해 지속적 학습 기법을 활용한다.
Abstract
이 연구는 자율 드론 레이싱에서 동적 조명 환경에 강건한 게이트 감지 기술을 제안한다. 기존 연구에서는 고정된 조명 환경에서 게이트 감지를 수행했지만, 실제 레이싱 환경에서는 조명 변화가 심하기 때문에 이를 해결하기 위해 지속적 학습 기법을 활용한다.
제안하는 기술은 다음과 같다:
경량 신경망 모델에 지속적 학습 기능을 추가하여 다양한 조명 환경에 적응할 수 있도록 한다.
게이트의 위치, 거리, 방향 등 다양한 정보를 통합하여 게이트 포즈를 예측한다.
다양한 조명 환경에서의 실험을 통해 제안 기술의 강건성을 검증한다.
실험 결과, 제안 기술은 조명 변화에 강건한 성능을 보였다. 특히 지속적 학습 기법 중 경험 재현 기반 방법이 가장 우수한 성능을 보였다. 이를 통해 자율 드론 레이싱에서 동적 조명 환경에 강건한 게이트 감지가 가능해졌다.
Stats
게이트 중심점 예측 오차: 0.040 ± 0.002 픽셀
게이트 거리 예측 오차: 0.119 ± 0.009 m
게이트 방향 예측 오차: 0.050 ± 0.003 rad
Quotes
"자율 드론 레이싱은 항공 로봇과 인공 지능의 접점에서 혁신의 촉매제 역할을 한다."
"기존 연구에서는 고정된 조명 환경에서 게이트 감지를 수행했지만, 실제 레이싱 환경에서는 조명 변화가 심하기 때문에 이를 해결하기 위해 지속적 학습 기법을 활용한다."