Core Concepts
학습 기반 지각 모델의 출력을 보정하여 새로운 환경에서의 안전성을 통계적으로 보장하는 프레임워크를 제안한다.
Abstract
이 논문은 학습 기반 지각 모델의 출력을 보정하여 새로운 환경에서의 안전성을 통계적으로 보장하는 프레임워크를 제안한다.
먼저, 보정 데이터셋을 이용하여 컨포멀 예측 기법으로 지각 모델의 출력을 보정한다. 이때 폐루프 상태 분포 변화를 고려하여 모든 상태에서의 오검출률을 최소화한다.
다음으로, 보정된 지각 모델의 출력과 비결정적 필터를 사용하여 알려진 자유 공간과 점유 공간을 추정한다. 이를 안전 플래너와 결합하여 새로운 환경에서의 안전성을 통계적으로 보장한다.
시뮬레이션과 하드웨어 실험을 통해 제안 방법이 기존 접근법에 비해 오검출률을 크게 낮추면서도 유사한 작업 수행률을 달성할 수 있음을 보였다.
Stats
보정 데이터셋은 400개의 환경으로 구성되며, 각 환경에는 1-5개의 의자가 무작위로 배치되어 있다.
시뮬레이션 실험에서 제안 방법(PWC)은 100개의 새로운 환경에서 충돌이 발생하지 않았다.
하드웨어 실험에서 제안 방법(PWC)은 30개의 다양한 환경에서 90%의 성공률을 보였다.
Quotes
"학습 기반 지각 모델의 출력을 보정하여 새로운 환경에서의 안전성을 통계적으로 보장하는 프레임워크를 제안한다."
"시뮬레이션과 하드웨어 실험을 통해 제안 방법이 기존 접근법에 비해 오검출률을 크게 낮추면서도 유사한 작업 수행률을 달성할 수 있음을 보였다."