이 연구에서는 복합 물체의 어포던스를 모델링하는 Multi-Object Graph Affordance Network (MOGAN)을 제안합니다. MOGAN은 그래프 신경망을 사용하여 복합 물체의 특징을 학습하고 새로운 물체를 올려놓을 때의 효과를 예측합니다. 복합 물체는 임의의 수의 물체로 구성되며, 각 물체의 형태와 크기가 복잡합니다. 기존 연구는 단일 물체 또는 두 물체 간 어포던스를 다루었지만, 이 연구는 복합 물체 어포던스를 다룹니다.
MOGAN은 복합 물체를 그래프로 표현하고, 그래프 신경망을 통해 의미 있는 특징을 추출합니다. 그리고 새로운 물체를 복합 물체에 올려놓을 때의 효과를 예측합니다. 효과는 물체 간 공간적 변화로 표현되며, 단순한 변위가 아닌 복잡한 형태의 효과를 고려합니다.
실험에서는 다양한 과제를 수행하기 위해 MOGAN이 학습한 어포던스를 활용하여 계획을 수립하였습니다. 시뮬레이션과 실제 환경에서 실험을 진행하였으며, 기존 모델과 비교하여 MOGAN의 우수성을 입증하였습니다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문