Core Concepts
단일 전문가 시연으로부터 추출한 동작 제약을 활용하여 모노크롬 이미지에서도 정확한 모방 학습을 달성하는 방법을 제안한다.
Abstract
이 연구에서는 복강경 수술 로봇의 자율 수행을 위해 Fundamentals of Laparoscopic Surgery(FLS)의 Peg Transfer 작업을 대상으로 모방 학습 기반 구현 전략을 제안한다.
복강경 수술에는 두 가지 주요 과제가 있다: (1) 체표면의 포트를 지렛대로 사용하여 겸자를 조작해야 한다는 점, (2) 모노크롬 카메라로 얻은 이미지를 모니터에 표시하여 깊이 정보를 인식하기 어렵다는 점이다. 특히 (2)의 문제에 대해, 대부분의 선행 연구는 깊이 이미지나 대상 물체 모델의 가용성을 가정했다.
따라서 이 연구에서는 단일 전문가 시연으로부터 동작 제약을 추출하고, 이를 기반으로 데이터를 수집하여 모노크롬 이미지에서도 정확한 모방 학습을 달성하는 방법을 제안한다. 두 대의 Franka Emika Panda 로봇 팔을 사용하여 전체 시스템을 구현하고 효과를 검증했다.
Stats
제약 데이터 수집 시 왼팔의 zref
forcep 평균 분산은 5.65, 오른팔은 2.74로 나타났다.
일반 데이터 수집 시 왼팔의 zref
forcep 평균 분산은 6.56, 오른팔은 4.78로 나타났다.
제약 데이터 기반 모방 학습에서 물체 잡기, 전달하기 작업의 성공률이 일반 데이터 기반 모방 학습보다 높게 나타났다.