Core Concepts
로봇이 관절화된 물체를 모델링하고 조작하는 일반화된 프레임워크인 GAMMA를 제안합니다.
Abstract
일상생활에서 흔히 볼 수 있는 관절화된 물체들의 직접 조작이 어렵습니다.
기존 연구는 특정 관절 유형을 가진 물체를 인식하고 조작하는 데 초점을 맞추었습니다.
GAMMA는 다양한 관절화된 물체로부터 관절 모델링과 그랩 포즈 affordance를 학습합니다.
GAMMA는 실제 트라젝토리를 활용하여 관절 모델을 반복적으로 개선하고 조작 성능을 향상시킵니다.
실험 결과, GAMMA는 보다 일반화된 조작을 통해 SOTA 모델을 능가하고 교차 범주의 관절화된 물체에서 모델 정확도를 크게 향상시킵니다.
Stats
관절화된 물체의 평균 정확도: 94.1%
관절화된 물체의 관절 축 오차: 4.90°
관절화된 물체의 관절 원점 오차: 7.66cm
Quotes
"GAMMA는 보다 일반화된 조작을 통해 SOTA 모델을 능가하고 교차 범주의 관절화된 물체에서 모델 정확도를 크게 향상시킵니다."
"GAMMA는 다양한 관절화된 물체로부터 관절 모델링과 그랩 포즈 affordance를 학습합니다."