Concetti Chiave
본 연구에서는 푸즈볼 게임의 상태를 정확하게 감지하기 위해 CNN 기반의 회귀 모델을 제안한다. 이를 통해 게임 상태 데이터를 DRL 시스템에 제공할 수 있다.
Sintesi
본 연구는 푸즈볼 게임의 자동화를 위한 게임 상태 감지 시스템을 제안한다. 기존 연구에서는 전체 이미지를 사용하는 방식이 실제 게임에 적용하기 어려웠다. 이에 본 연구에서는 각 로드의 위치 이동과 회전 각도를 감지하는 게임 상태 정보를 활용하는 접근법을 제안한다.
데이터셋 구축 과정에서는 검은색 팀 로드의 상태 정보를 모터 데이터로부터 얻고, 흰색 팀 로드의 상태는 컴퓨터 비전 기법을 통해 추정한다. 또한 가속도계를 활용하여 흰색 팀 로드의 회전 각도를 측정한다.
이를 바탕으로 ResNet, MobileNet, EfficientNet 등 다양한 CNN 백본 모델을 활용한 회귀 모델을 학습하고 평가한다. 실험 결과, ResNet18 기반 모델이 가장 우수한 성능을 보였으며, 위치 오차 3.88mm, 회전 오차 5.93도 수준을 달성했다. 다만 조명 변화와 모션 블러 등의 요인에 따라 성능이 저하되는 문제가 있었다.
향후에는 실시간 처리 속도 향상과 강건성 개선을 위한 연구가 필요할 것으로 보인다. 또한 본 시스템을 활용하여 사람 플레이어의 행동을 모방학습하는 연구도 진행할 계획이다.
Statistiche
검은색 골키퍼 로드의 회전 각도 측정값은 120도와 240도 사이의 균일한 분포를 보였다.
흰색 골키퍼 로드의 회전 각도 측정값은 특정 각도에 편향된 분포를 보였다.