Core Concepts
상식 기반 장면 그래프(CSG)를 활용하여 실내 환경에서 물체 위치를 효과적으로 추정하고, 이를 통해 물체 검색 성능을 향상시킬 수 있다.
Abstract
이 연구에서는 상식 기반 장면 그래프(CSG)를 제안하여 실내 환경에서 물체 검색 문제를 해결한다. CSG는 사전 구축된 지도의 공간적 관계와 대형 언어 모델(LLM)로부터 추출한 객체 수준의 상식 지식을 통합한다.
CSG-TL 모델은 CSG 내에서 대상 물체와 다른 물체 간의 상관관계를 예측하여 대상 물체의 위치를 추정한다. 이를 바탕으로 CSG-OS 프레임워크를 제안하여 물체 검색 성능을 향상시킨다.
실험 결과, CSG-TL 모델은 기존 방법들에 비해 우수한 대상 물체 위치 추정 성능을 보였다. 또한 CSG-OS 프레임워크는 시뮬레이션 및 실제 환경에서 최신 기술 수준의 물체 검색 성능을 달성했다. 이를 통해 상식 기반 장면 그래프가 실내 환경에서 효율적인 물체 검색을 가능하게 함을 보여주었다.
Stats
실내 환경에서 물체 검색 작업은 로봇이 대상 물체의 위치를 정확하게 추정하는 능력에 달려 있다.
기존 방법들은 공간적 관계 또는 객체 수준 상식 지식 중 한 가지만 활용하여 만족스럽지 않은 성능을 보였다.
제안한 CSG-TL 모델은 공간적 관계와 객체 수준 상식 지식을 통합하여 대상 물체 위치 추정 성능을 크게 향상시켰다.
CSG-OS 프레임워크는 CSG-TL을 활용하여 시뮬레이션 및 실제 환경에서 최신 기술 수준의 물체 검색 성능을 달성했다.
Quotes
"실내 환경에서 효율적으로 대상 물체를 찾는 것은 가정용 로봇에게 필수적인 기술이다."
"기존 방법들은 공간적 관계 또는 객체 수준 상식 지식 중 한 가지만 활용하여 만족스럽지 않은 성능을 보였다."
"제안한 CSG-TL 모델은 공간적 관계와 객체 수준 상식 지식을 통합하여 대상 물체 위치 추정 성능을 크게 향상시켰다."